System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及风险识别领域,特别涉及一种税务风险识别方法、装置、设备及存储介质。
技术介绍
1、当前对于税收大多采用传统的业务指标模型去识别企业存在的涉税风险,业务指标模型仅能从某一方面去评估企业存在的风险,且业务模型的构建极其依赖税务人员的专业能力。同时,若要全面评估企业存在的涉税风险就需要构建足够多的业务指标模型去覆盖各个涉税风险点,每次企业风险扫描就需要耗费大量的人力物力投入,大大限制了风险扫描的效率。近年来,随着人工智能技术的发展,利用机器学习模型去识别企业存在的涉税风险开始逐步得到应用,但这些模型大多是针对某一税种进行的风险扫描,且由于机器学习算法自身的特点缺乏模型输出结果的可解释性。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种税务风险识别方法、装置、设备及存储介质,可以保证扫描结果的准确性,并且提升了企业税收风险扫描效率,提高了模型输出结果的可解释性。其具体方案如下:
2、第一方面,本申请公开了一种税务风险识别方法,包括:
3、对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型;
4、利用所述更新后模型指标以及预设分类器对待处理风险种类识别模型进行训练,以得到目标风险种类识别模型,并利用历史税务数据对若干预设数据量确定模型进行训练,以从若干训练后数据量确定模型中筛选出目标数据量确定模型;
5、接收待识别税务数据,并分别通过所述目标
6、基于所述风险识别结果、所述风险种类识别结果以及所述数据量识别结果生成风险评估报告,并将所述风险评估报告反馈至客户端。
7、可选的,所述对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型之前,还包括:
8、收集待处理历史模型指标,并对所述待处理历史模型指标进行数据清洗操作,以得到历史模型指标。
9、可选的,所述对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型,包括:
10、利用预设特征工具基于历史模型指标生成目标模型指标,并将所述目标模型指标添加至所述历史模型指标,以对所述历史模型指标进行更新,得到更新后模型指标;
11、通过所述更新后模型指标对待处理风险识别模型进行训练,以对所述待处理风险识别模型的指标体系进行重构,得到训练后风险识别模型;
12、确定所述训练后风险识别模型是否满足第一预设模型评价条件;
13、若否,则通过所述更新后模型指标对所述训练后风险识别模型进行下一轮训练,若是,则将所述训练后风险识别模型确定为目标风险识别模型。
14、可选的,所述利用所述更新后模型指标以及预设分类器对待处理风险种类识别模型进行训练,以得到目标风险种类识别模型,包括:
15、利用所述更新后模型指标以及预设分类器对待处理风险种类识别模型进行一轮模型训练,以得到训练后风险种类识别模型,并确定所述训练后风险种类识别模型是否满足所述第一预设模型评价条件;
16、若否,则利用所述更新后模型指标以及所述预设分类器对所述训练后风险种类识别模型进行下一轮模型训练,若是,则将所述训练后风险种类识别模型确定为目标风险种类识别模型。
17、可选的,所述利用历史税务数据对若干预设数据量确定模型进行训练,以从若干训练后数据量确定模型中筛选出目标数据量确定模型,包括:
18、获取待处理历史税务数据,并对所述待处理历史税务数据进行数据清洗操作,以得到历史税务数据;
19、利用所述历史税务数据对若干预设数据量确定模型进行训练,以得到若干训练后数据量确定模型;
20、确定所述若干训练后数据量确定模型中是否存在满足第二预设模型评价条件的待确定数据量确定模型;
21、若否,则所述更新后模型指标以及所述预设分类器对所述若干训练后数据量确定模型进行下一轮模型训练,若是,则将所述待确定数据量确定模型确定为目标数据量确定模型。
22、可选的,所述接收待识别税务数据,并分别通过所述目标风险识别模型、所述目标风险种类识别模型以及所述目标数据量确定模型对所述待识别税务数据进行识别,以得到相应的风险识别结果、风险种类识别结果以及数据量识别结果,包括:
23、接收待识别税务数据,分别将所述待识别税务数据输入至所述目标风险识别模型、所述目标风险种类识别模型以及所述目标数据量确定模型;
24、基于所述目标风险识别模型对所述待识别税务数据进行处理,以确定所述待识别税务数据是否存在税务风险,并生成相应的风险识别结果;基于所述目标风险种类识别模型对所述待识别税务数据进行处理,以确定所述待识别税务数据涉及的风险种类,并生成相应的风险种类识别结果;基于所述目标数据量确定模型对所述待识别税务数据进行处理,以确定所述待识别税务数据涉及的不同风险对应的数据量,并生成相应的数据量识别结果。
25、可选的,所述基于所述风险识别结果、所述风险种类识别结果以及所述数据量识别结果生成风险评估报告,并将所述风险评估报告反馈至客户端,包括:
26、对所述风险识别结果、所述风险种类识别结果以及所述数据量识别结果进行数据评估,并根据评估结果生成相应的风险评估报告,并将所述风险评估报告反馈至客户端。
27、第二方面,本申请公开了一种税务风险识别装置,应用于审批系统,包括:
28、第一模型更新模块,用于对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型;
29、第二模型更新模块,用于利用所述更新后模型指标以及预设分类器对待处理风险种类识别模型进行训练,以得到目标风险种类识别模型,并利用历史税务数据对若干预设数据量确定模型进行训练,以从若干训练后数据量确定模型中筛选出目标数据量确定模型;
30、风险识别模块,用于接收待识别税务数据,并分别通过所述目标风险识别模型、所述目标风险种类识别模型以及所述目标数据量确定模型对所述待识别税务数据进行识别,以得到相应的风险识别结果、风险种类识别结果以及数据量识别结果;
31、数据反馈模块,用于基于所述风险识别结果、所述风险种类识别结果以及所述数据量识别结果生成风险评估报告,并将所述风险评估报告反馈至客户端。
32、第三方面,本申请公开了一种电子设备,包括:
33、存储器,用于保存计算机程序;
34、处理器,用于执行所述计算机程序以实现如前述的税务风险识别方法。
35本文档来自技高网...
【技术保护点】
1.一种税务风险识别方法,其特征在于,包括:
2.根据权利要求1所述的税务风险识别方法,其特征在于,所述对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型之前,还包括:
3.根据权利要求1所述的税务风险识别方法,其特征在于,所述对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型,包括:
4.根据权利要求3所述的税务风险识别方法,其特征在于,所述利用所述更新后模型指标以及预设分类器对待处理风险种类识别模型进行训练,以得到目标风险种类识别模型,包括:
5.根据权利要求1所述的税务风险识别方法,其特征在于,所述利用历史税务数据对若干预设数据量确定模型进行训练,以从若干训练后数据量确定模型中筛选出目标数据量确定模型,包括:
6.根据权利要求1所述的税务风险识别方法,其特征在于,所述接收待识别税务数据,并分别通过所述目标风险识别模型、所述目标风险种类识别模型以及所述目标数据
7.根据权利要求1至6任一项所述的税务风险识别方法,其特征在于,所述基于所述风险识别结果、所述风险种类识别结果以及所述数据量识别结果生成风险评估报告,并将所述风险评估报告反馈至客户端,包括:
8.一种税务风险识别装置,其特征在于,应用于审批系统,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的税务风险识别方法。
...【技术特征摘要】
1.一种税务风险识别方法,其特征在于,包括:
2.根据权利要求1所述的税务风险识别方法,其特征在于,所述对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型之前,还包括:
3.根据权利要求1所述的税务风险识别方法,其特征在于,所述对历史模型指标进行更新,以得到更新后模型指标,并通过所述更新后模型指标对待处理风险识别模型进行指标重构处理,以得到目标风险识别模型,包括:
4.根据权利要求3所述的税务风险识别方法,其特征在于,所述利用所述更新后模型指标以及预设分类器对待处理风险种类识别模型进行训练,以得到目标风险种类识别模型,包括:
5.根据权利要求1所述的税务风险识别方法,其特征在于,所述利用历史税务数据对若干预设数据量确定模型进行训练,以从若干训练后数据量确定...
【专利技术属性】
技术研发人员:毕艳辉,王伟,刘子星,丁乐,徐煌,
申请(专利权)人:税友软件集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。