[发明专利]一种进销商品匹配度计算方法及虚开发票风险发现方法

权利要求书

1.一种进销商品匹配度计算方法，其步骤包括：

1)对进销商品的商品名称进行规范化；

2)将同一纳税人的进销商品集合中的每一商品名称抽象为一单词,从而将该纳税人的进销商品集合抽象为一文档，并根据进销商品的价格排列商品在该文档中的位置；然后利用商品在文档中的上下文商品信息训练得到各商品对应的最终语义向量；

3)基于商品的最终语义向量，计算同一纳税人的进销商品集合的匹配度。

2.一种虚开发票风险发现方法，其步骤包括：

1)对进销商品的商品名称进行规范化；

2)将同一纳税人的进销商品集合中的每一商品名称抽象为一单词,从而将该纳税人的进销商品集合抽象为一文档，并根据进销商品的价格排列商品在该文档中的位置；然后利用商品在文档中的上下文商品信息训练得到各商品对应的最终语义向量；

3)基于商品的最终语义向量，计算同一纳税人的进销商品集合的匹配度；根据所述匹配度判断对应纳税人的虚开发票风险。

3.如权利要求1或2所述的方法，其特征在于，所述步骤3)中，计算同一纳税人的进销商品集合的匹配度的方法为：获取该纳税人的销项商品集合，计算该销项商品集合中每个销项商品是否有与其相关的进项商品及二者之间的匹配度，然后根据销项商品的金额来表示所述销项商品集合中对应销项商品的权重，然后通过加权求和的方式计算该纳税人的进销商品集合的匹配度。

4.如权利要求3所述的方法，其特征在于，基于各商品对应的最终语义向量计算该销项商品集合中每个销项商品和该纳税人的进项商品集合中每个进项商品的相似度，然后选择与每个销项商品最相似的进项商品；然后通过公式计算每个销项商品j与其最相似进项商品i的匹配度score_j；然后通过公式计算该纳税人的进销商品集合的匹配度；其中，score_j为销项商品j的进销匹配度，sim_i,j为与销项商品j最相似的进项商品i的语义相似度，sim_threshold为用户指定的相似度阈值，profit_rate为用户指定的商品的可以接受的利润率，m_j为销项商品j的销售金额,m_i为与销项商品最相似的进项i的购进金额；score为整体进销商品集合匹配度，sum_m所有销项商品金额的总和。

5.如权利要求1或2所述的方法，其特征在于，所述步骤1)中，利用Word2Vec模型将规范化后的各商品名称映射到向量空间，得到对应商品的初始语义向量。

6.如权利要求5所述的方法，其特征在于，所述步骤2)中，训练得到各商品对应的最终语义向量的方法为：将每一文档作为一训练数据，基于各训练数据采用CBOW方法对Word2Vec模型进行训练，得到各商品对应的最终语义向量。

7.如权利要求6所述的方法，其特征在于，采用CBOW方法对Word2Vec模型进行训练，每次训练更新商品对应的语义向量，其方法为：选定文档中的一个单词作为目标单词进行预测，该单词上下文的单词作为Word2Vec模型的输入数据，每个单词到Word2Vec模型的隐藏层有一个连接权重向量，输入数据在隐藏层汇总以后在输出层采用Softmax预测输出每个单词的概率，然后计算预测输出结果与设定的对应期望值之间的误差，通过反向传播的方法将误差信息向输入方向传播，更新该目标单词的语义向量，即目标商品的语义向量。

8.如权利要求7所述的方法，其特征在于，输入层通过一个V×N维的权重矩阵W来连接隐藏层，隐藏层通过一个N×V的权重矩阵W′来连接到输出层；初始时矩阵W和W′均随机初始化，输入数据通过Word2Vev模型得到输出层的预测输出，利用交叉熵作为损失函数来计算输出的误差损失，然后通过反向传播来逐步调整权重矩阵W和W′，采用W矩阵中每个商品与隐藏层的连接权重作为商品的语义向量表示；其中，N为隐藏层的节点数量，V为输入层词汇表的维度。

9.如权利要求1或2所述的方法，其特征在于，所述步骤2)中，训练得到各商品对应的最终语义向量的方法为：将每一文档作为一训练数据，基于各训练数据采用Skip-Gram方法对Word2Vec模型进行训练，得到各商品对应的最终语义向量。