大数据下基于改进K-means聚类算法的税收风险识别OA北大核心CHSSCD
目前的税收风险管控模型通常是基于税务人员的先验知识构建的,在海量数据环境下模型的实用性、可扩展性和精确性都有较大的局限.为解决这一问题,提出改进的K-means聚类算法.该方法是无监督学习模型,可以在无先验知识的前提下构建指标,快速且精确地对实例进行聚类,将出现明显异常的小类识别为异常,判定其存在税收风险.基于该模型对房地产类企业股权转让中的税收风险进行分析和评估,发现税收风险等级高的企业及其风险疑点,验证了本方法的有效性.
夏会;程平;张砾
重庆理工大学会计学院,重庆400054重庆理工大学会计学院,重庆400054重庆市渝北区税务局,重庆401120
管理科学
税收风险K-means聚类算法大数据股权转让
《财会月刊》 2019 (21)
143-146,4
重庆市教育委员会科学技术项目"大数据背景下考虑行为'画像'的纳税信用等级动态评估模型研究"(项目编号:KJQN201801103)重庆市社会科学规划项目"高质量发展下基于大数据的税收政策实施智能化支持机制研究"(项目编号:2018BS68)
评论