10.19343/j.cnki.11-1302/c.2022.07.011
基于多任务深度神经网络的企业纳税行为甄别研究
随着数字经济时代的到来,丰富的数据资源有利于全面精准地刻画企业纳税情况,但数据来源广、类别不平衡以及噪音多等问题,也给企业纳税行为的甄别工作带来挑战.本文融合企业报表以及证监会、海关和税务等部门的多来源涉税数据,基于K-S检验和随机森林算法,构建了企业纳税行为甄别指标体系;将不同行业企业纳税行为甄别工作视为不同任务,提出基于多任务深度神经网络的企业纳税行为甄别模型,充分利用了不同行业任务间的相关性和差异性信息;针对样本数据集不平衡问题,引入焦点损失函数进一步改进了甄别模型.研究发现,相对于传统Logistic、支持向量机和神经网络等单任务模型,本文多任务模型的企业纳税行为甄别能力、泛化能力和稳健性更强.当模型预测某企业纳税不遵从的概率超出阈值时,即可判定该企业为重点稽查对象,以辅助税务部门提升稽查效率.本研究为政府智慧税务治理工作提供了新的思路.
多源数据、多任务深度神经网络、企业纳税行为甄别
39
C81;F812(统计方法)
国家社会科学基金19BTJ023
2022-08-17(万方平台首次上网日期,不代表论文的发表时间)
共13页
137-149