[发明专利]一种基于LSTM的智能导税模型构建方法及装置

权利要求书

1.一种基于LSTM的智能导税模型构建方法，其特征在于，包括：

S1、读取办税人员历史办税业务数据；

S2、特征处理，按时间先后整理涉税行为，对特征进行补零化；

S3、将处理完的纳税人行为特征数据分为训练集与测试集；

S4、将训练集作为LSTM模型的输入，使用LSTM模型进行训练，输入数据通过输入门、遗忘门和输出门，得到模型训练后的结果；

S5、将训练好的LSTM模型应用到划分的测试集上，进行预测。

2.根据权利要求1所述的一种基于LSTM的智能导税模型构建方法，其特征在于，步骤S2中所述特征处理的具体方法为：

S201、将历史办税业务数据作为训练数据，生成历史办税行为记录序列，以时间发生前后为排列规则；

S202、每个纳税人从注册开始办税行为整理为一条时间序列数据；

S203、所述时间序列数据设有最长序列限制，长度不满足最长序列限制的序列数据，进行前补零处理。

3.根据权利要求1所述的一种基于LSTM的智能导税模型构建方法，其特征在于，步骤S3中，特征数据划分训练集与测试集的比例为7:3。

4.根据权利要求1所述的一种基于LSTM的智能导税模型构建方法，其特征在于，步骤S4中，将当下时刻的税务行为作为现阶段输入X_t，将前一个时刻税务行为经过前一个神经单元处理后的值作为为上阶段输出H_t-1，上阶段存储状态为C_t-1，当下时刻某一点的税务行为经过此神经单元处理的值作为现阶段输出H_t，现阶段的存储状态为C_t。

5.一种基于LSTM的智能导税模型构建装置，其特征在于，包括：

读取模块，用于读取办税人员历史办税业务数据；主要包括从登记业务、社保业务、申报缴税等方向提取纳税人的历史业务数据；

特征处理模块，用于办税业务数据的特征处理，按时间先后整理涉税行为，对特征进行补零化；

划分模块，用于将处理完的纳税人行为特征数据分为训练集与测试集；

训练模块，用于将训练集作为LSTM模型的输入，使用LSTM模型进行训练，输入数据通过输入门、遗忘门和输出门，得到模型训练后的结果；

预测模块，用于将训练好的LSTM模型应用到划分的测试集上，进行预测。

6.根据权利要求5所述的一种基于LSTM的智能导税模型构建装置，其特征在于，所述特征处理模块包括：

序列生成单元，用于将历史办税业务数据作为训练数据，生成历史办税行为记录序列，以时间发生前后为排列规则；

纳税人整理单元，用于将每个纳税人从注册开始办税行为整理为一条时间序列数据；

补零化单元，所述时间序列数据设有最长序列限制，长度不满足最长序列限制的序列数据，进行前补零处理。

7.根据权利要求5所述的一种基于LSTM的智能导税模型构建装置，其特征在于，所述划分模块将特征数据划分训练集与测试集的比例为7:3。

8.根据权利要求5所述的一种基于LSTM的智能导税模型构建装置，其特征在于，所述训练模块中，将当下时刻的税务行为作为现阶段输入X_t，将前一个时刻税务行为经过前一个神经单元处理后的值作为为上阶段输出H_t-1，上阶段存储状态为C_t-1，当下时刻某一点的税务行为经过此神经单元处理的值作为现阶段输出H_t，现阶段的存储状态为C_t。