基于社会网络分析的偷漏税疑点发现方法.docxVIP

摘 要 PAGE III ABSTRACT PAGE IV 摘 要 随着科学技术的不断进步，国家税务信息化已经基本完成，但针对纳税人的偷漏税行为的识别基本还停留在传统的方法，识别效率较低，难以发现大量数据涉及的纳税人之间的潜在的关联关系，不能及时地发现纳税人的偷漏税行为，并做到有效预测纳税人的行为。 本文基于网络拓扑指标，结合税务异常指标的应用，构建纳税人偷漏税预测模型，实现对纳税人偷漏税风险的分析评价。 首先，主要基于Spark GraphX框架利用陕西省纳税人发票表进行纳税人交易网络的构建，在此基础上选取度中心性、介数中心性、接近度中心性及特征向量中心性四类指标进行网络拓扑结构的分析，结合稽查案件信息中的处理处罚决定，按照每类中心性的数值大小统计纳税人偷漏税行为的比例。接下来，按照税务异常指标的内容，利用陕西省纳税人资产负债表及发票表的信息，选取专票变动异常、税负变动异常、存货资本幅度异常及存货收入幅度异常等四类税务指标。根据每类税务指标的预警值，计算分析可疑纳税人。 其次，将八类指标作为预测模型构建的基础，选取逻辑回归模型、支持向量机及神经网络等三种数据挖掘方法，分别构建每种分类器的纳税人偷漏税模型，得到对纳税人偷漏税识别的准确率分别为87.7648%、92.9827%、69.1548%。然后利用集成学习中的Bagging方法，对三种分类器的预测结果进行汇总，构建