数据挖掘技术在税收风险管理系统中的应用研究

发布时间：2024-03-05 05:04

　　随着互联网技术的发展,人们的工作生活已经离不开互联网。根据国家税务总局提出的“互联网+税务”战略,河南省税务局在“金税三期”正式上线的基础上,部署了网上申请、网上申报、税收风险管理等系统,方便了纳税人申报缴税和税务人员管理征收。为产生一些对税务人员预防风险的有价值的预测结果,本文在分析各种数据挖掘技术的基础上,将关联规则方法用于税收风险预测。本文首先分析税收风险管理的背景,归纳各种数据挖掘技术,根据税收风险预测的需求,设计发现关联规则的Apriori算法和FP-Growth算法,实验表明后者有更好的时间效率。然后以郑州市2017全年缴税为数据样本,用FP-Growth算法获得欠税企业的频繁集,分析蕴含的关联规则,产生税收风险预测结果,结果表明关联规则方法是有效的。最后将基于关联规则的数据挖掘实现为税收风险管理系统中的相关模块。

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
    1.4 本文研究的主要内容和结构
第二章 税收风险管理系统和数据挖掘技术
    2.1 税收风险管理系统
        2.1.1 税收风险管理系统简介
        2.1.2 税收风险管理系统中用到的技术
    2.2 数据挖掘技术
第三章 关联规则方法
    3.1 关联规则的基本概念
        3.1.1 支持度和置信度
        3.1.2 项集、频繁项集、闭项集和关联规则
    3.2 Apriori算法
        3.2.1 利用先验性质产生频繁项集
        3.2.2 频繁项集产生关联规则
        3.2.3 提升Apriori算法的性能
        3.2.4 实验及结果分析
    3.3 FP-Growth算法
        3.3.1 FP-Growth集算法简介
        3.3.2 挖掘步骤
        3.3.3 实验及结果分析
    3.4 关联规则挖掘的分类
    3.5 挖掘多层和多维关联规则
        3.5.1 多层关联规则
        3.5.2 多维关联规则
    3.6 关联规则的评估
第四章 关联规则方法在税收风险管理系统中的应用
    4.1 确定挖掘目标
    4.2 业务分析和数据加工
        4.2.1 业务分析
        4.2.2 数据加工
    4.3 运用关联规则算法
    4.4 税收风险管理模块设计与实现
        4.4.1 税收风险管理流程
        4.4.2 建立风险识别模型
        4.4.3 设置指标和预警值
        4.4.4 质效评价
第五章 总结和展望
致谢
参考文献



本文编号：3919726