[发明专利]用于淘宝网司法拍卖房地产类涉税数据挖掘方法及系统

说明书

本发明公开了一种用于淘宝网司法拍卖房地产类涉税数据挖掘方法及系统，属于数据挖掘，要解决的技术问题为如何减少数据挖掘的时间复杂度的前提下，对税务内部数据进行挖掘。所述方法基于Top‑K频繁项集挖掘方法将互联网采集的土地交易数据与金三系统提取的数据土地交易进行比对分析，查找税收疑点，并将根据税收疑点生成的税收任务下发审核机构。所述系统用于执行所述的用于淘宝网司法拍卖房地产类涉税数据挖掘方法，所述系统包括数据采集模块和数据比对模块。

技术领域

本发明涉数据挖掘领域，具体地说是一种用于淘宝网司法拍卖房地产类涉税数据挖掘方法及系统。

背景技术

淘宝网司法拍卖是由淘宝网为全国法院在互联网上发布司法拍卖的互联网竞价平台，确保了司法拍卖的公开、公平、公正。但通过税务局检查发现如下问题：已成交的司法拍卖土地成交信息中存在大量的税款流失现象，拍卖人存在经营不善欠税行为，被法院查封；在拍卖过程中，由于欠税信息法院未及时获取造成拍卖人以往欠税无法征缴；买受人未及时进行纳税登记、申报等行为，造成税款流失。

目前针对淘宝网司法拍卖中土地拍卖交易进行欠税数据挖掘分析，通过网络爬虫技术抓取淘宝网司法拍卖土地交易信息，通过数据清洗、转换、加工、处理等操作生成可利用的数据，通过与税务内部数据比对，找出税收信息。

科学技术的发展及网络技术的提高使得人们能够从网站抓取的数据信息越来越多、操作越来越方便，但数据格式越来越多样性，如何从这些拍卖数据中挖掘出对税收有用的信息成为了急需要解决的问题。

关联规则(Association Rule)是数据挖掘的重要组成部分，它被应用于发现数据库中的不同数据之间关联关系的重要工具。发现的这些数据可成为商业决策的一种依据，因为这些规则反应的是土地交易中出卖方和买受方的行为数据集。也正因为这一大因素，使得关联规则成为数据挖掘中最重要的、成熟的研究内容,而频繁项集的挖掘同时又是关联规则挖掘的核心步骤，所以频繁项集的挖掘被赋予了重要的意义。

基于上述分析，如何减少数据挖掘的时间复杂度的前提下，对税务内部数据进行挖掘，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种用于淘宝网司法拍卖房地产类涉税数据挖掘方法及系统，来解决如何减少数据挖掘的时间复杂度的前提下，对税务内部数据进行挖掘的问题。

第一方面，本发明提供一种用于淘宝网司法拍卖房地产类涉税数据挖掘方法，基于Top-K频繁项集挖掘方法将互联网采集的土地交易数据与金三系统提取的数据土地交易进行比对分析，查找税收疑点，并将根据税收疑点生成的税收任务下发审核机构。

基于Top-K频繁项集的NFIMG挖掘算法是基于贪心策略生成的频繁链表，抛弃了人工对于最小支持度的干预，只需一次遍历数据库操作，可根据纳税人名称等比对项找出对应的税款数据，实现淘宝网司法拍卖土地交易信息拍卖方和买受方纳税信息。

作为优选，基于Top-K频繁项集挖掘方法构建土地涉税比对模型，通过土地涉税比对模型将互联网采集的可对比数据与金三系统提取的数据进行比对分析，包括如下步骤：

根据拍卖成交时间，提取金三系统本季度企业所得税申报表的营业收入数据以及企业财务报表中的主营业收入数据、其它业务收入数据和营业外收入数据，将上述数据与互联网采集的司法拍卖成交价进行比对，判断少计收入和不计收入的情形；

根据拍卖成交时间，提取金三系统本季度和上季度的土地使用税申报计税依据，计算本季度与上季度两个申报期土地使用税计税依据的差异，与互联网采集的新增土地面积进行比对，筛选少报以及延迟申报土地使用税的税收疑点；

提取金三系统企业土地增值税申报计税依据，与淘宝网司法拍卖成交价进行比对，判断是否就对应土地拍卖申报土地增值税，根据土地使用税纳税依据模型检查土地增值税、增值税扣除项目是否合理，查找税收疑点。