关联规则挖掘在税务系统中的应用研究

，
【 关键词 】 关联规则 ； 数据挖掘 ； 务 系 税 统
ＴｈｅＡｐｐｉａｉ ｎ ａ ｄ Ｓ ａ ｃ ｆＡｓｏ ｉｔｏ Ｒｕ ｅ ｉ ｎ ｉ ｔ ｅ Ｔａ ｔ ａ ａ ｅ ｅ ｙ ｔｍ ｌ ｔｏ ｎ ｅ ｒ ｈ ｏ ｓ ｃａｉｎ ｌｓＭ ｕ ｇｎ ｈ ｘａｉ Ｍ ｎ ｇ ｍ ｎｔＳ ｓｅ ｃ ｌ ｏｎ
．
ｂ ｓｎ ｓ ａ ， ｉ ｕｌｉｇ ｄ ｃ ｔ ｎ ｅ ｐ ｎ ｓｅ ｕ ａｉｎ ｏ ｕ ｄ ｏ ｄ ａ ｄｄ ｒｃｌ ｅｅｍｉ ｅ ｎ ａ ｃ ｒｉｇ ｗｔ ｈ ｃ ｒｅｐ ｎ ｉｇｒ ｌｓｔ ａ ｅｅ ｕ ｉｅ ｓｔｘ ｃｔ ｂ ｉ ｎ ，ｅ ｕ ａｉ ｘ ｅ ｄ ｄ ｃ ｔｏ ｆｆ ｎ ａ ｄ ｎ ｉｅ ｔｙｄ ｔｒ ｎ ｉ ｃ ｏｄｎ ｉｈ ｔｅ ｏｒ ｓｏ ｄｎ ｕｅ ｔｔ ｓ ｙ ｄ ｏ ｆ ｈ ｈ ｒ ｌ ｓ ａ ｅ ｗｈ ｔ ｅ ｏ ｌ ｓｗｉ ｈ ｕｓｎ ｓ ｕ ｅ ｕ ｅ ｒ ｅ ｈ ｒｃ ｍｐ ｉ ｔ ｔ ｅ ｂ ｉ ｅ ｓｒ ｌ ｓ ｅ ｈ
科技信Ｊ Ｉ Ｌ
ＯＩ 论坛ｏ Ｔ
２０ 年 ０９
第 ３ 期 ｌ
关联规则挖掘在税务系统中的应用研究
苏立 明 马宝辉 周连 貉 （ 长春 工业 大学计 算机 科学 与工程 学院 ０ ７研 ０ ３班 吉 林
长 春 １ ０ １ ） ３ ０ ２
【 摘 要】 通过对关联规则经典挖掘算法 Ａｐｉｒ 算法的分析 ； ｒ ｉ ｏ 并在 Ａ ｒ ｒ算 法基础上 ， 用一种基 于布 尔矩 阵的行 向量寻找频繁项集的 ｐｉｉ ｏ 采 关 联 规 则挖 掘 算 法 ， 该 算 法 应 用 于 税务 系统 中 ， 析 欠 税 纳 税人 的 欠税 行 为 等 情 况 并 判 断其 是 否 符 合 业 务 规 则 。 将 分
Ａ 算 法 不 适合 于海 量 数 据 挖 掘 ， 算 法 可 能 产生 大 量 的候 选 该 随着 税 务 信 息 化 建设 的 进行 。 据 库 中积 累大 量 的涉 税 违 法 违 纪 数 这 集， 需要 重复扫描数据库 ， 影响算法的性 能目 。基于 Ａｐ ｏｉ ｉ ｒ ｒ算法的诸多 数据 ， 种 违 法 违 纪 手 段 之 间存 在 着 隐藏 的规 则 。找 出税 收 业 务 之 间 不 足 ， 文 提 出 一 种 高 效 的关 联 规 则 挖 掘 算 法 ， 的 效 率 优 于 Ａ ｒ ｆ 的关 联 性 可 以帮 助 税 务 机 关 在税 收征 收 工 作 中 有 目的 的去 进 行 监 管 。 本 它 ｐｉ ｏ ｉ 算法。由于 Ａ ｒ ｌ算法在挖掘短频繁项 目集有其特有 的优势 ， ｐｉｉ ｏ 故研 究 ３１ ． 数据选择 在吉林省地税数据 中应用该算法 ，由于税收征管 怎样 摧 高 Ａ 算 法 的效 率 是 有 意 义 的 工作 。 中税 收 业 务 规 则 复 杂 ， 掘前 必 须 要 合 理 的 选 择 待 挖 掘 数 据 。 因 为 挖 挖 掘前 合 理 地 选 择 挖 掘 数据 对 整 个 挖 掘 过 程 将 会 产 生 积 极 的 影 响 ， 会 将 ２改 进 的 Ａ ｒ ｒ算 法 ． ｐｉ ｉ ｏ 实 ０８年 的欠 税 数 据 ． 录 记 ２１Ａ ｏｉ 法 每 个 频 繁 项集 中包 含 的项 目完 全 出 现 在 事务 数 据 提高 挖 掘 效 率 。 验 数 据 来 吉林 省地 税 系统 ２０ ． 叫 ｒ算 ３ ２４条。 欠税纳税人 的纳税基本信息进行关联规则挖掘。 对 库 Ｄ 中 的某 些 元 组 中。 设 事 务 数 据 库 Ｄ 对 应 的布 尔 矩 阵 为 Ｒ， Ｒ 总数为 ６ ２ ２ 假 记 ＝ ３２数 据 抽 取 在 １ － ３常征 管 中 ． 税 一 直 是 税 收 工 作 的 一 大 难 题 。 欠 （【毗， 俚 Ｔ， ｏ ， …， 其中 Ｔ为转置 ， 为 Ｒ在实数域上 的 ｍ维行 向量 ， ２ ， － 影 不利 于税 务部门依法治 ２… ，． Ｉ （， … ，】 Ｄ 中 ｍ 个 不 同 项 目组 成 的 集 合 ， 果 已 知 Ｉ 它干扰正常的税收秩序 。 响税法 的严肃性 ， ， ｎ记 ＝Ｉ Ｉ 为 １ 帕 如 如 控 是 的某 个 子 集 Ｔ Ｉ Ｄ 的 ｋ 频 繁 项 集 ， ａ 为 按 式 （） 映射 的 ｍ 税 和 提 高 征 管 质 量 。 何 有效 地 防范 、 制 和 压 缩 欠税 。 一 项 艰 巨 的 口 为 一 令 １所 工作 。本文根据税 收法规 的各项规定以及具体的业务执行情况 。 将欠 维 行 向量 ， 有 ： 则 税 纳 税 人 各 个 不 同 的 主体 业 务 信 息 进 行 关 联 规 则 分 析 ． 中纳 税 人 的 其 ＜ ，ｉ￣＜ｔｔ＝ ， １ …， （） ａｌｔ ＜ ｏｃ ｋｉ ， ｃ＞ ，＞ ＝ ２， ｎ ３ 所 注 征 隶 这 表 明 。事 务 数 据 库 Ｄ 中 的 频 繁 项 集 所 对 应 的 ｍ维 行 向量 与 布 特征 信 息 包 括 纳 税 人 名称 ， 属 行 业 ， 册 类 型 ， 收 方 式 ， 属 代 码 ， 业 税 纳 尔矩 阵 Ｒ 中 的每 个 行 向量 作 内 积 ， 内积 和均 不 会 超 过 频 繁 项集 所 含 稽 查 税 务 机 关 代 码 ， 务 种类 ， 款 属 性 ， 税 人 的 欠 税 类 型 。为 便 于 其
随着税务信 息化建设的不断完善 ， 产生海量 的数据 ， 如何从 沉睡
４若 成 立 ， ａ 即 为 频 繁 项 集 对 应 的 可 能 行 向量 。 时 标 记 出 Ｒ ） 则 ； 同
的 数 据 中 获取 有 价 值 的信 息 ， 已成 为 亟 待解 决 的 问题 目 通 过 对 税 收 数 中 其他 行所 含 非零 个 数 比＜ ； ＞ 的行 ， 后 继 续 搜 索 下 面 没 有 标 记 。 Ｑ ；小 然 据分析挖 掘 ，在现有的征管业务等数据 库中发现潜在 有价值 的信息 ， 的 行 ， 对 ｉ 相 应 的 修 改 ； 不 成 立 ， 标 记 此 行 ． 后 继 续 下 面 没 并 作 若 则 然
更好地改进税务工作 ， 出更可信的决策。 做
１经 典 的 Ａ ｒ ｒ算 法 ． ｐｉ ｉ ｏ
有标 记 的行 进 行 搜 索 ， 样 对 ｉ 相应 的修 改 ； 同 作 ５若 ｉ ） ≤ｎ， 转 ３。 否则 转 ６； 则 ） １
６删除 Ｒ中所有带标记 的行 。最后 ， ） 将剩下 的行 向量按它们所含 Ａ ｒ 算法 ｐｉ 是一种最有影 响的挖掘布尔关联规则频繁项集的算 法 ， 核 心是 使 用 候 选 项 集 找 频 繁 项集 。Ａ ｒ ｒ算 法 使用 一 种称 作 逐 非 零元 素顺 序 给 出相 应 的 频 繁项 集 。 其 ｐｉ ｏ ｉ 层 搜 索 的迭 代 方 法 ｋ 项 集 ， 于 搜 索 （＋）项 集 。 一 用 １１ 【 一 ３Ａ ｒ ｒ改 进 算 法在 税务 系统 中的 应 用 ．ｐｉ ｉ ｏ
并 给 出 用 户 期 望 的最 小 支 持 度 ｒｉ ｕ ， 行 循 环 变 量 ｉ１ ａ ｎｓｐ 最 ＝：
２先 对 布 尔 矩 阵 Ｒ 的各 个 列 向量 ， 白内 积 。删 除 Ｒ 中 自内积 的 ） 求 能 的分 支— — 数 据 挖掘 它是 从 大 量 的 ， 知 的 数据 中挖 掘 出潜 在 的 、 和 小 于 最 小 支 持度 ｍｉｓｐ的 列（ ， 形 成 的新 矩 阵仍 记 为 Ｒ； 未 ｎｕ 项）所 有 价 值 的 信 息 ， 策 者 的决 策 提 供 依 据 【 而 关 联规 则 是 数 据 挖 掘 中 为决 ｌ １ 。 ３ ）按 上 述 判 断 规 则 的 描 述 计 算 ｐ，并 判 断 Ｂ＋ ｍｎｕ ．１ ｉｓｐ是 否 成 的一 个 重 要 的算 法 。 立。
，
．
【 ｙｗｏｄ ］ ｓｃａｉ ｕｅ Ｄ ｔ ｎｎ ；ａａ ｏ ｎａｅ ｎ ｙｔｍ Ｋｅ ｒｓＡｓｏｉ ｏ Ｒ ｌ； ａａＭｉｉｇ Ｔｘｔ ｎｍａ ｇｍｅｔ ｓ ｔｎ ｉ Ｓ ｅ
Ｏ 引 言 ．
随 着 数 据 库 的 不 断发 展 以及 各 相 关 学 科 的 相 互 渗 透 ， 生 人 工 智 产
Ｂｏ ｌａ ｔ ｘｔ ｎ ｕ ｅ ｕｅ ｔｉ ｍｓ ｔ ｓｐｒｓ ｎｅ ｎｔｉ ａ ｅ ｈ ｉ ｐ ｌｅ ｏ ｔ ｘ ｔｏ ｎ ｇｅ ｎ ｙ ｔｍ ， ａｙ ｅ ｑ ｏａ ｔｘ ｌｙ ｒ ｏ ｔ ｆ ｏｅ ｎ ｍａｒ ｏｆ ｄｏ ｔｆ ｑ ｎ ｔ ｉ ｉ ｒ ｅ ｅｓｉ ｅｅ ｔｄｉ ｈ ｓｐ ｐ ｒ ｓ ａ ｐ ｉｄ ｔ ａ ａ ｉ ｎ ｍａ ａ ｍｅ ｔｓ ｓｅ ｎ ａ ｌ ｚ ｕ ｔ ａ ｐ ａ ｅ ｆＤｕ ｙ ｏ
【 ｓｒｃ］ ｙａａｙｉｇｔｅｃａｓ ｇｒｈ ｏ ｓｃａ ｏ ｕｅ ｉｉ手 Ａｂｔａ ｔＢ ｎ ｌ ｎ ｈ ｌ ｉ ａ ｏｉ ｍ ｆａ ｏｉｔ ｎｒｌ ｍｎｎ 一 Ａ ｒ ；ａｅ ｐ ｎＡ ｒ ｒ ａ ｏ ｔｍ ，ｏｕｅｔｅｒ ｅｔｒ ｏ ｚ ｓ ｃｌ ｔ ｓ ｉ ｓ ｐｏ ｖｃｏｓｆ ｈ ｗ