[发明专利]税收预测方法、装置、设备及计算机可读存储介质

说明书

本公开涉及一种税收预测方法、装置、设备及计算机可读存储介质，该方法包括：获取目标税收主体的税收样本数据以及所述税收样本数据的演化模式标注结果；基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型；将目标税收主体的历史税收数据输入所述税收演化模式匹配模型，得到所述目标税收主体的税收演化模式预测结果；基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量；将所述目标税收主体的衍生特征向量输入预先训练好的多模式税收预测模型，得到所述目标税收主体的税收预测结果。本公开通过为目标税收主体匹配最佳的税收演化模式，显著提升了预测的精准性。

技术领域

本公开涉及经济领域，尤其涉及一种税收预测方法、装置、设备及计算机可读存储介质。

背景技术

目前对于未来税收的预测方案主要基于回归预测和时间序列预测，存在着准确率较低、方案泛化性能较差以及方案稳定性较差等不足，难以满足实际的业务需求。

发明内容

为了解决上述技术问题，本公开提供了一种税收预测方法、装置、设备及计算机可读存储介质，以提高税收预测的准确性、泛化性以及稳定性，满足实际的业务需求。

第一方面，本公开实施例提供一种税收预测方法，包括：

获取目标税收主体的税收样本数据以及所述税收样本数据的演化模式标注结果；

基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型；

将目标税收主体的历史税收数据输入所述税收演化模式匹配模型，得到所述目标税收主体的税收演化模式预测结果；

基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量；

将所述目标税收主体的衍生特征向量输入预先训练好的多模式税收预测模型，得到所述目标税收主体的税收预测结果。

在一些实施例中，所述税收样本数据包括税收累计金额；

获取所述税收样本数据的演化模式标注结果，包括：

将所述税收样本数据按照预设时间间隔进行分割，得到多条税收演化数据；

基于每条税收演化数据中的税收累计金额对所述多条税收演化数据进行聚类，得到多个聚类簇，其中每个聚类簇中包括至少一条税收演化数据；

针对每个聚类簇，计算所述至少一条税收演化数据的平均值，得到每个聚类簇分别对应的演化模式；

对所述每个聚类簇分别对应的演化模式进行标注，得到多个所述演化模式标注结果。

在一些实施例中，所述演化模式标注结果至少包括以下的一种：

指数函数、对数函数、多项式函数、三角函数、sigmoid函数。

在一些实施例中，所述基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型，包括：

基于所述税收样本数据，生成所述目标税收主体的样本特征向量；

将所述样本特征向量作为模型的输入，将所述演化模式标注结果作为模型的输出，对税收演化模式匹配模型进行训练，得到训练好的税收演化模式匹配模型。

在一些实施例中，所述目标税收主体的税收演化模式预测结果包括所述目标税收主体在多个税收演化模式下的税收预测值以及所述多个税收演化模式的隶属度，其中所述隶属度表征所述历史税收数据与所述税收演化模式的相似程度。

在一些实施例中，所述基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量，包括：

分别计算每个税收演化模式下的税收预测值与隶属度之积，得到多个衍生特征；

基于所述多个衍生特征，生成所述目标税收主体的衍生特征向量，所述衍生特征向量的长度与所述衍生特征的个数相同。