[发明专利]一种基于介科学的可解释性发票虚开检测方法

说明书

本发明公开了一种基于介科学的可解释性发票虚开检测方法，包括步骤：首先将税务交易数据转化为税务动态网络，用于下游的数据推理和计算。然后基于介科学复杂系统建模理论，发票虚开数据系统划分为若干介区域，分别是“数据项‑发票”，“发票‑企业”和“企业‑团伙”。其次，在划分好的介区域中，通过融合税务领域知识构建介区域中的控制机制，实现数据推理，检测企业是否存在虚开发票的行为。最后对推理结果进行反向遍历找出结果生成的依据，形成与该结果对应的证据链。本发明使得税局稽查部门能够有效且有依据的检测到企业的发票虚开行为。

技术领域

本发明属于人工智能与税控技术领域，特别涉及一种基于介科学的可解释性发票虚开检测方法。

背景技术

发票虚开指不如实开具发票的一种舞弊行为，纳税单位和个人为了达到偷税的目的，在商品名称、数量名称、商品单价以及金额上采取弄虚作假的手段，甚至利用比较熟悉的关系，虚构交易事项虚开发票。发票虚开一直是税收治理的毒瘤和顽疾，平均每年造成约1.1万亿巨额税款流失。因此发票虚开检测对税收风险管理至关重要。传统上，由于发票本身是真实的，仅仅通过查验发票真伪就无法发现发票虚开的问题，只能依靠税务稽查人员的经验，根据有限的票面信息，人工地对发票是否涉及虚开、企业是否存在虚开行为相关的异常行为来进行分析和判断。但随着发票数据规模的不断增长，仅仅依靠人工去查验发票虚开的方式不在可行，需要新的技术手段来快速、准确且合理地判断发票是否涉及虚开。近年来，深度学习技术在各个领域都取得了令人惊讶的进展。特别地，在税控领域一些研究者们也利用深度学习技术来检测企业或个人是否偷漏税、是否存在发票虚开等行为。

以下专利和文献提供了旨在通过机器学习或深度学习技术自动识别发票虚开的解决方案：

文献1：一种基于正例与未标注学习的发票虚开识别方法及系统(CN201910636175.4)；

文献2：基于动态边特征增强的图注意力网络的企业发票虚开检测方法(CN202010507242.5)；

文献3：一种基于动态网络表征的发票虚开识别方法(CN201911066791.7)；

文献1提出了一种基于正例与未标注学习的发票识别方法与系统。系统分为企业特征提取模块、循环多间谍负例标记模块、基于k近邻回归协同训练的构建模块和发票虚开预测模块。首先根据对纳税人的基本信息进行特征处理和编码；其次,将基本特征和网络特征合并作为特征空间,基于提出的循环多间谍负例标记方法训练二分类器,通过二分类器对所有的初步负样本集取交集得到最终的负样本集；然后将挖掘出的可靠负例样本与正样本作为训练集基于k近邻回归协同训练算法构建发票虚开预测模型；最后将未标记的企业样本的特征输入训练好的发票虚开预测模型判断该企业是否存在发票虚开行为。

文献2提出了基于动态边增强的图注意力网络的企业发票虚开检测方法，首先根据涉税数据构造动态企业交易网络并提取节点特征和边特征；其次使用图注意力网络针对每个时间段的交易网络特征进行提取；再次对上一步中提取的特征使用长短时记忆力网络得到时间序列特征；然后利用深度神经网络构建发票虚开模型，通过训练发票虚开检测模型调整模型的参数；最后利用训练好的模型对目标企业进行发票虚开检测。

文献3基于动态网表征的发票虚开识别方法。首先以企业为节点，交易记录为边，将企业信息组织成静态网络；其次，以每一天为时间节点建立企业交易网络的表征，建立长度为30时许窗口，通过移动时许窗口得到动态的网络表征结果；再次，借鉴了分布式优化算法，把表征的目标函数分解成独立子函数，提高模型的学习效率；最后，基于LightBGM构建分类器识别出发票虚开的企业。