(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201610685907.5
(22)申请日 2016.08.18
(71)申请人 西安交通大学
地址 710049 陕西省西安市碑林区咸宁西
路28号
(72)发明人 董博 郑庆华 蔚文达 杨征宽
阮建飞 李鸽
(74)专利代理机构 西安通大专利代理有限责任
公司 61200
代理人 闵岳峰
(51)Int.Cl.
G06F 17/30(2006.01)
G06Q 40/00(2012.01)
(54)发明名称
税行为识别方法
(57)摘要
本发明公开了一种基于纳税人利益关联网
络的关联交易偷漏税行为识别方法，包括以下步
骤：构建纳税人利益关联网络；对于控制关系、投
资关系进行合并，构建由控制关系、投资关系组
成的可达路径集合，并基于税率差异对交易关系
进行约简，匹配关联交易行为模式，获取具有关
联交易行为的纳税人组；构建纳税人月度交易
比，判断税负指标异常；对关联交易模式匹配结
果进行税负异常的分析，得到存在税负指标异常
的嫌疑组。从而解决了关联交易偷漏税行为识
别效率低、与税务场景结合不紧密、判断结果可
靠性差的问题。权利要求书4页 说明书9页 附图4页CN 106294834 A 2017.01.04
C N 106294834
A
1.基于纳税人利益关联网络的关联交易偷漏税行为识别方法，其特征在于，该方法基于纳税人利益关联网络，通过关联交易模式匹配得到具有关联交易行为的纳税人组，然后构建纳税人月度交易网络，并进行税负指标的分析计算，结合行业预警值判断税负指标异常，最终将纳税人关联交易组与税负指标异常结果相结合得到纳税异常的嫌疑组。
2.根据权利要求1所述的基于纳税人利益关联网络的关联交易偷漏税行为识别方法，其特征在于，构建纳税人利益关联网络，将其记为TPIN，表示为如下二元组：TPIN＝(V,E)
其中，V＝{v p|p＝1,2,3,...,n}表示纳税人、法人、投资方节点集合，n为纳税人、法人、投资方节点总数，E＝{e pq|0＜p,q≤n}表示纳税人、法人、投资方之间交易、控制、投资关系边集合，e pq表示由v p节点到v q节点的有向连线及其附属属性； 节点v p的属性包括节点类型、标识符和名称，格式如下：
v p＝(VertexID,(Type,Identifier,Name))
其中，VertexID表示节点ID，作为节点的唯一标识，每个节点均具有三项属性，Type为该节点的类型，由于部分企业既是纳税人又是投资方，部分自然人既是投资方又是法定代表人，具有复合身份，为了表征其类型，采用二进制方式进行类型换算；001表示纳税人，简写为1；010表示法定代表人，简写为2；100表示投资方，简写为4；对于复合身份，则由二进制或运算得出，例如纳税人和投资方的复合身份由001|100＝101表示，简写为5；Identifier 为该节点代表的纳税人或其关联自然人的唯一标识符，对于纳税人类型节点则为其纳税人识别号，对于法定代表人或投资方则为其身份证号；Name为该节点对应的纳税人名称或法人、投资方的姓名；
纳税人之间交易关系边的属性包括控制权重、投资权重和交易边标志位、交易边税率，格式如下：
e pq＝(SrcID,DstID,(Control,Investment,Trade,TaxRate))
其中SrcID为源节点v p对应的VertexID，DstID为目标节点v q对应的VertexID；边的类型分为三类，为保持格式的一致，将控制关系、投资关系和交易关系分别作为边的不同属性，Control为法人对纳税人的控制关系权重，若两者为对应的法人与纳税人，该权重取值为1，否则为0；Investment为投资方对被投资方的投资关系权重，其权重取值为[0.0,1.0]，根据投资比例确定；Trade为交易边标志位，取值为0或1，1用于表明该条边为交易边，0表示为该条边为非交易边；TaxRate为该笔交易记录对应的税率。
3.根据权利要求2所述的基于纳税人利益关联网络的关联交易偷漏税行为识别方法，其特征在于，在构建
的纳税人利益关联网络的基础上，进行关联交易行为模式的匹配，以获取具有关联交易行为的纳税人组；包括构建由控制关系、投资关系组成的可达路径集合，和匹配关联交易模式两个阶段；其中，
301)构建由控制关系、投资关系组成的可达路径集合
Step1：获取TPIN中的边集E，剔除投资比例低于20％的投资关系，然后从中提取控制关系、投资关系，以(SrcID,DstID)为键，进行连接操作，将各项属性值Control和Investment 分别相加，Trade属性和TaxRate属性仍为0，作为合并后控制投资关系边新的属性；
Step2：在TPIN中将所有节点的属性(Type,Identifier,Name)修改为自身ID，格式为：v p ＝(VertexID,(VertexID))，并将所有节点属性VertexID的集合作为全局初始路径，用重新
构建的节点和Step1中得到的控制投资关系边构建关联子图，将其记为ASG(Associated sub graph)；
Step3：将Step2中的全局初始路径信息保存至paths；
Step4：在ASG中，所有节点向其目标节点发送路径信息，该路径信息为节点属性中所有当前路径分别添加目标节点ID后的新的路径集合，并剔除路径中存在重复节点ID的路径，所有节点将收到的路径信息覆盖各节点原有的属性，并将新的属性记为path；
Step5：将所有路径信息和paths取并集，剔除重复路径，并保存至paths；
Step6：将路径信息属性path为空的节点，即未收到路径信息的节点剔除，并将与之关联的边剔除；
Step7：重复Step4至Step6，直至节点数目为0，得到构建的路径集合paths；
302)匹配关联交易行为模式，获取具有关联交易行为的纳税人组
Step1：获取TPIN中的边集E，从中提取交易关系，将具有相同源节点、目标节点和税率的交易关系进行合并，得到初步约简后的交易边；
Step2：在此基础上，对各交易边的税率和以该交易边的目标节点为源节点的多条交易边的税率进行逐一比对，若存在不相等，即税率不一致的情形，将该条交易边保留，否则剔除，以约简交易关系，提高后续模式匹配的效率；
Step3：将TPIN中的非交易边剔除，在剩余交易边中进行格式转换，仅保留源节点VertexID和目标节点VertexID，格式如下：(SrcID,DstID)；
Step4：将路径集合的所有路径变换为如下格式：(path.last，path)，其中path.last表示所有路径对应的最后一个节点的VertexID；
Step5：对Step3中的(SrcID,DstID)和Step4中的(path.last，path)进行连接，以SrcID 和path.last为键，
连接后得到(SrcID,(DstID,SrcPath))，其中SrcPath表示源节点的路径集合，对应(path.last，path)中的path，最后将(SrcID,(DstID,SrcPath))格式变换为(DstID,SrcPath)；
Step6：对Step5中的(DstID,SrcPath)和(path.last，path)再次进行连接操作，以DstID和path.last为键，得到(DstID,(SrcPath,DstPath))，其中DstPath表示目标节点的路径集合，对应(path.last，path)中的path，最后将(DstID,(SrcPath,DstPath))格式变换为(SrcPath,DstPath)；
Step7：对(SrcPath,DstPath)中的SrcPath和DstPath进行嵌套循环匹配，若两者仅有首元素相同，则保留，否则剔除，匹配成功则为一条关联交易行为匹配结果；
Step8：对于每一条关联交易匹配结果，进行格式的转换，将其保存为点集合和边集合的二元组，其中边集合中的最后一条边为交易边，点集合即为挖掘得到该条交易记录关联的纳税人组。
4.根据权利要求3所述的基于纳税人利益关联网络的关联交易偷漏税行为识别方法，其特征在于，构建纳税人月度交易网络，将其记为TMTN，表示为如下二元组：TMTN＝(V m,E m)
其中，表示纳税人节点集合，n t为纳税人节点总数，
表示纳税人之间交易关系边集合，表示由节点到节点的有
向连线及其附属属性；
节点的属性包括节点类型、标识符、名称、行业编号、月份、税负指标，格式如下：
其中VertexID为节点ID，作为节点的唯一标识；每个节点均具有五项属性，Type为该节点的类型，此处均赋值为1，用于表示纳税人；Identifier为该节点代表的纳税人的识别号；Name为该节点对应的纳税人名称；Industry为该纳税人对应的行业编号；Month为月份信息，表明所处月份期间；TaxIncidence为该月份各纳税人汇总计算得到的税负指标值，初始化为0；
边的属性包括月份、交易金额和应纳税额，格式如下：
其中SrcID为源节点v p对应的VertexID，DstID为目标节点v q对应的VertexID；每条交易边均具有三项属性，Month为月份信息，表明所处月份期间；Amount为源节点纳税人向目标节点销售的该笔交易所涉及的金额，Tax为该笔交易对应的税额。
5.根据权利要求4所述的基于纳税人利益关联网络的关联交易偷漏税行为识别方法，其特征在于，计算纳税人的税负指标，和行业预警值对比，判断税负指标异常，具体如下；
利用消息发送机制，计算纳税人的税负指标，并判断是否低于行业预警值的50％，若低于，则为该纳税人节点添加异常标记，具体步骤如下：
Step1：获取TMTN中的边集合，各交易边向源节点发送其应纳税额属性，各节点汇总后得到该月销项税额；
Step2：各交易边向目标节点发送其应纳税额属性，各节点汇总后得到该月进项税额，并计算销项税额与进项税额的差额，得到该纳税人该月的应纳税额；
Step3：各交易边向源节点发送自身交易金额属性，各节点汇总后得到该纳税人该月不含税销售收入，并计算应纳税额与不含税销售收入的比值，得到该纳税人该月的税负指标值；
Step4：获取纳税人增值税行业税负预警值，将各纳税人的税负指标值与行业预警值相比较，若低于预
警值的50％，则认为该纳税人的税负指标存在异常，为该纳税人添加异常标记。
6.根据权利要求5所述的基于纳税人利益关联网络的关联交易偷漏税行为识别方法，其特征在于，对关联交易模式匹配结果进行税负异常的分析，得到税负异常的嫌疑组，具体如下：
利用得到纳税人税负指标异常结果，对关联交易模式匹配结果进行过滤，筛选其中交易双方存在税负指标异常的纳税人嫌疑组，具体步骤如下：
Step1：获取关联交易模式匹配结果与纳税人税负指标异常判断结果；
Step2：从关联交易模式匹配结果中提取边集合中的最后一条边，即交易边，并提取该交易边的源节点的VertexID，以VertexID为键与税负指标异常结果连接，判断是否存在异常标记，若存在则保留，否则剔除，最终得到模式集合1；
Step3：从关联交易模式匹配结果中提取边集合中的最后一条边，即交易边，并提取该交易边的目标节点的VertexID，以VertexID为键与税负指标异常结果连接，判断是否存在
异常标记，若存在则保留，否则剔除，最终得到模式集合2；
Step4：对模式集合1和模式集合2取并集，得到存在税负异常的关联交易嫌疑组。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议