典型文献
基于多任务学习的税务稽查选案研究
文献摘要：
[目的]整合多源涉税数据信息,利用机器学习方法,实现对重点税种涉税违法企业的智能判别分析.[方法]利用网络数据获取、文本挖掘等技术,收集企业财务指标、高管信息、媒体关注信息等多源涉税数据进行融合处理;利用随机森林方法进行特征选择,构建税务稽查选案判别指标体系;利用改进的基于焦点损失函数的多任务结构化稀疏学习方法,视不同税种选案工作为不同任务联合训练,构建了分税种的税务稽查选案判别模型.[结果]真实数据实验结果表明,所提出的基于多任务学习方法构建的税务稽查选案判别模型具有较好的泛化性能和应用能力,其召回率均值达到0.830 9,相对于逻辑回归方法和传统的多任务结构化稀疏学习分别提升了 0.135 1和0.103 3.[局限]模型需要在上市企业以外的数据集层面进一步验证.[结论]本研究所构建的模型能够更加精准地甄别出不诚实纳税的目标企业,且可同时识别出其具体涉及的偷漏税税种,为政府智慧税务稽查提供新思路.
文献关键词：
多源数据融合;智慧税务稽查;多任务结构化稀疏学习;焦点损失函数
中图分类号：
作者姓名：
李国锋;李祚娟;王哲吉;吴梦
作者机构：
山东财经大学统计学院 济南250014;山东财经大学经济学院 济南250014
文献出处：
引用格式：
[1]李国锋;李祚娟;王哲吉;吴梦-.基于多任务学习的税务稽查选案研究)[J].数据分析与知识发现,2022(06):128-139
A类：
多任务结构化稀疏学习
B类：
多任务学习,选案,涉税,机器学习方法,税种,判别分析,利用网络,网络数据,数据获取,文本挖掘,企业财务,财务指标,媒体关注,融合处理,随机森林方法,特征选择,判别指标,焦点损失函数,联合训练,判别模型,真实数据,泛化性能,应用能力,召回率,逻辑回归,上市企业,甄别,不诚实,实纳,纳税,目标企业,偷漏税,智慧税务稽查,多源数据融合
AB值：
0.257296
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
