税收风险预测方法、设备、介质及计算机程序产品技术

本申请公开了一种税收风险预测方法，所述税收风险预测方法包括：获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到；基于税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得税收风险预测结果。本申请解决了税收风险分析准确度低的技术问题。

【技术实现步骤摘要】
税收风险预测方法、设备、介质及计算机程序产品
本申请涉及的人工智能
，尤其涉及一种税收风险预测方法、设备、介质及计算机程序产品。
技术介绍
随着计算机软件和人工智能、大数据云服务应用的不断发展，人工智能技术的应用也越来越广泛。税收情况是一个企业发展的重要信息。目前，通常由财务工作人员对企业的税收关联数据人工进行分析，以判断企业的税收风险的高低，但是由于税收风险分析常常会与财务人员的主观性相关联，导致税收风险分析结果具有较大的误差，进而导致税收风险分析的准确性较低。
技术实现思路
本申请的主要目的在于提供一种税收风险预测方法、设备、介质及计算机程序产品，旨在解决现有技术中税收风险分析准确度低的技术问题。为实现上述目的，本申请提供一种税收风险预测方法，所述税收风险预测方法应用于税收风险预测设备，所述税收风险预测方法包括：获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到；基于税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得税收风险预测结果。本申请还提供一种税收风险预测装置，所述税收风险预测装置为虚拟装置，且所述税收风险预测装置应用于税收风险预测设备，所述税收风险预测装置包括：特征提取模块，用于获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到；税收风险预测模块，用于基于税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得税收风险预测结果。本申请还提供一种税收风险预测设备，所述税收风险预测设备为实体设备，所述税收风险预测设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述税收风险预测方法的程序，所述税收风险预测方法的程序被处理器执行时可实现如上述的税收风险预测方法的步骤。本申请还提供一种可读存储介质，所述可读存储介质上存储有实现税收风险预测方法的程序，所述税收风险预测方法的程序被处理器执行时实现如上述的税收风险预测方法的步骤。本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的税收风险预测方法的步骤。本申请提供了一种税收风险预测方法、设备、介质及计算机程序产品，相比于现有技术采用的由财务工作人员对企业的税收关联数据人工进行分析，以判断企业的税收风险的高低的技术手段，本申请首先获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，由于所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到，可拉近预设篡改税收关联数据和预设未篡改税收关联数据中类内数据对应的税收特征之间的距离，以及拉远类间数据对应的税收特征之间距离，进而使得目标目标税收特征集中的税收特征具备类别信息，进而基于税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得税收风险预测结果，即可实现基于具备类别信息的目标税收特征集，对目标用户进行税收风险预测的目的，为税收风险预测提供了更多的决策依据，实现了自动且准确地税收风险预测，所以克服了由于税收风险分析常常会与财务人员的主观性相关联，导致税收风险分析结果具有较大的误差，进而导致税收风险分析的准确性较低的技术缺陷，提升了税收风险预测的准确性。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请税收风险预测方法第一实施例的流程示意图；图2为本申请税收风险预测方法第二实施例的流程示意图；图3为本申请实施例中税收风险预测方法涉及的硬件运行环境的设备结构示意图。本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。本申请实施例提供一种税收风险预测方法，在本申请税收风险预测方法的第一实施例中，参照图1，所述税收风险预测方法包括：步骤S10，获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到；在本实施例中，需要说明的是，所述目标用户可以为企业用户，也可以为个人用户，所述税收关联数据集至少包括一预设数据类型的税收关联数据，所述目标税收特征集至少包括一所述税收关联数据对应的目标税收特征。所述预设数据类型可以设置为根据数据本身的类型确定数据类型，例如，银行流水类型数据、发票类型数据和支付工具流水类型数据等，也即可以为根据数据对应的数据源确定的数据，例如，预设数据类型A为来自数据源A(银行)的数据的所属类型，预设数据类型B为来自数据源B(支付工具)的数据的所属类型等。获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到，具体地，获取目标用户对应的各预设数据类型对应的税收关联数据，进而基于各所述预设数据类型对应的目标特征提取模型，分别对各所述税收关联数据进行特征提取，获得各所述税收关联数据对应的目标税收特征。其中，在所述基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到的步骤之前，所述税收风险预测方法还包括：步骤A10，获取训练样本和所述训练样本对应的样本篡改标识，并基于所述样本篡改标识，在所述预设篡改税收关联数据和所述预设未篡改税收关联数据中提取所述训练样本对应的正例税收数据样本和对应的负例税收数据样本；在本实施例中，需要说明的是，所述样本篡改标识为表示训练样本是否被篡改的标识，例如，设置样本篡改标识为1，则表示训练样本被篡改，设置样本篡改表示为0，则表示训练样本未被篡改。获取训练样本和所述训练样本对应的样本篡改标识，并基于所述样本篡改标识，在所述预设篡改税收关联数据和所述预设未篡改税收关联数据中提取所述训练样本对应的正例税收数据样本和对应的负例税收数据样本，具体地，获取训练样本和所述训练样本对应的样本篡改标识，并本文档来自技高网...

【技术保护点】
1.一种税收风险预测方法，其特征在于，所述税收风险预测方法包括：/n获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到；/n基于税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得税收风险预测结果。/n

【技术特征摘要】
1.一种税收风险预测方法，其特征在于，所述税收风险预测方法包括：
获取目标用户对应的税收关联数据集，并基于目标特征提取模型，对所述税收关联数据集进行特征提取，获得目标税收特征集，其中，所述特征提取模型通过基于预设篡改税收关联数据和预设未篡改税收关联数据进行对比学习得到；
基于税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得税收风险预测结果。


2.如权利要求1所述税收风险预测方法，其特征在于，所述基于税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得税收风险预测结果的步骤包括：
基于所述税收风险预测模型和所述目标税收特征集，对所述目标用户进行税收风险预测，获得初始税收风险预测结果；
对所述初始税收风险预测结果进行针对于所述税收风险预测模型的模型解释，以评估各所述税收关联数据的篡改程度，获得篡改程度评估结果；
基于所述篡改程度评估结果、所述税收风险预测模型和所述目标税收特征集，对所述目标用户进行二次税收风险预测，获得目标税收风险预测结果。


3.如权利要求2所述税收风险预测方法，其特征在于，所述目标税收特征集至少包括一目标税收特征，
所述基于所述篡改程度评估结果、所述税收风险预测模型和所述目标税收特征集，对所述目标用户进行二次税收风险预测，获得目标税收风险预测结果的步骤包括：
基于所述篡改程度评估结果，生成各所述目标税收特征对应的目标组合权重；
基于各所述目标组合权重，对各所述目标税收特征进行加权组合，获得目标组合税收特征；
基于所述目标组合税收特征和所述税收风险预测模型，对所述目标用户进行二次税收风险预测，获得所述目标税收风险预测结果。


4.如权利要求2所述税收风险预测方法，其特征在于，所述税收关联数据集至少包括一预设数据类型的税收关联数据，所述目标税收特征集至少包括一所述税收关联数据对应的目标税收特征，
所述对所述初始税收风险预测结果进行针对于所述税收风险预测模型的模型解释，以评估各所述税收关联数据的篡改程度，获得篡改程度评估结果的步骤包括：
基于所述税收风险预测模型，分别计算各所述目标税收特征对所述初始税收风险预测结果的特征贡献度；
基于各所述特征贡献度，评估各所述税收关联数据的篡改程度，获得所述篡改程度评估结果。


5.如权利要求4所述税收风险预测方法，其特征在于，所述基于各所述特征贡献度，评估各所述税收关联数据的篡改程度，获得所述篡改程度评估结果的步骤包括：
基于预设异常判别模型，对各所述特征贡献度进行异常特征贡献度判别，获得异常判别结果；
基于所述异常判别结果，评估各所述税收关联数据的篡改程度，获得篡改程度评估结果。


6.如权利要求1所述税收风险预测方法，其特征在于，在所述基于目标特征提取模型，对所述税收...

【专利技术属性】
技术研发人员：张子荣，
申请(专利权)人：深圳易财信息技术有限公司，
类型：发明
国别省市：广东;44