[发明专利]基于纳税人利益关联网络的关联交易偷漏税行为识别方法

说明书

技术领域：

本发明涉及一种基于纳税人利益关联网络的关联交易偷漏税行为识别方法，用于解决关联交易中偷漏税行为的识别问题。

背景技术：

目前对纳税人偷漏税行为的分析识别尚处于初级阶段，主要针对单个企业进行税务指标分析，结合具体的税务稽查工作判断偷漏税行为，效率低下，难以发现海量发票数据涉及的纳税人间潜在、复杂、多样的关联关系，不能有效发现纳税人基于关联关系的偷漏税行为，并得到相应的偷漏税嫌疑群组。其次，交易数据往往涉及纳税人多个月的交易往来，将纳税人的纳税异常定位到具体到月度时间粒度，挖掘其存在异常的交易记录，也是纳税人偷漏税行为识别的重要需求。因此，如何在月度时间粒度有效地识别关联交易偷漏税行为，挖掘偷漏税嫌疑群组，提升国家税收征管水平，成了亟待解决的难题。

针对如何有效地识别关联交易偷漏税行为，以下专利提供了相应的技术方案：

文献1.一种基于纳税人利益关联网络的可疑纳税人识别方法(201410328391.X)；

文献2.基于纳税人利益关联网络模型的偷漏税关联企业识别方法(201310293435.5)；

文献1基于纳税人利益关联网络(TPIN)的拓扑特征识别可疑纳税人，对纳税人利益关联网络进行拓扑特征的分析。采用Motif方法寻找频繁子图，并根据度中心度和聚集系数拓扑指标寻找正常和可疑纳税人的差异，选择拓扑特征，使用C4.5分类器实验，从而实现自动识别可疑纳税人的功能。将纳税人和利益关系作为网络进行关系识别，并将拓扑方法中的Motif、聚集系数、度中心度特性应用于纳税人利益关联网络，利用正常和可疑纳税人之间的差异性作为检测可疑纳税行为的方法和依据。

文献2提出了基于着色加权图的纳税人利益关联网络表示，并给出构建此网络的方法，并提出了基于边和节点颜色的五种聚合算子，结合这些聚合算子发现纳税人利益关联最小网络，同时对基于着色加权图的纳税人利益关联网络进行简化。并且引入节点环介数的概念，在简化后的网络中发现最大介数约束的有向闭环集的纳税人利益关联集团，利用企业之间的交易行为权重，识别纳税人利益关联最小网络和纳税人利益关联集团中的偷漏税行为。

以上文献所述方法主要存在以下问题：文献1根据Motif发现网络中不同的频繁子图，挖掘得到的仅限于3-Motif模式子图，该类型子图有且仅有三方纳税人关联，而在实际业务中包括两方至多方纳税人组成的关联关系，与真实税务场景不一致。文献2利用节点环介数发现最大介数约束的有向闭环集，并将其涉及的纳税人作为纳税人利益关联社团，而与纳税人中由控制投资关系构成的关联方不相符，与税务场景结合不紧密；并且在偷漏税行为判定过程中，仅依靠交易权重判定偷漏税行为，与使用税务指标相比判断结果可靠性较差。

发明内容：

本发明的目的在于一种基于纳税人利益关联网络的关联交易偷漏税行为识别方法，该方法基于纳税人利益关联网络，通过关联交易模式匹配得到具有关联交易行为的纳税人群组，然后构建纳税人月度交易网络，并进行税负指标的分析计算，结合行业预警值判断税负指标异常，最终将纳税人关联交易群组与税负指标异常结果相结合得到纳税异常的嫌疑群组，从而解决了关联交易偷漏税行为识别效率低、与税务场景结合不紧密、判断结果可靠性差的问题。

为达到上述目的，本发明是采取如下技术方案予以实现的：

基于纳税人利益关联网络的关联交易偷漏税行为识别方法，该方法基于纳税人利益关联网络，通过关联交易模式匹配得到具有关联交易行为的纳税人群组，然后构建纳税人月度交易网络，并进行税负指标的分析计算，结合行业预警值判断税负指标异常，最终将纳税人关联交易群组与税负指标异常结果相结合得到纳税异常的嫌疑群组。

本发明进一步的改进在于，构建纳税人利益关联网络，将其记为TPIN,表示为如下二元组：

TPIN＝(V,E)

其中，V＝{v_p|p＝1,2,3,...,n}表示纳税人、法人、投资方节点集合，n为纳税人、法人、投资方节点总数，E＝{e_pq|0＜p,q≤n}表示纳税人、法人、投资方之间交易、控制、投资关系边集合，e_pq表示由v_p节点到v_q节点的有向连线及其附属属性；

节点v_p的属性包括节点类型、标识符和名称，格式如下：

v_p＝(VertexID,(Type,Identifier,Name))