[发明专利]一种适用于财税领域指标自定义和自动化运行的应用方法

说明书

本发明属于计算机技术领域，具体涉及一种适用于财税领域指标自定义和自动化运行的应用。所述应用包括以下方法：步骤1：将税务数据按照设定的特征划分为多个数据群；所述设定的特征包括：时间特征和/或款项特征；同时，统计每个数据群中可能存在的彼此交集部分；步骤2：在每个数据群内部进行数据关联，具体包括：对数据群中的每个数据均进行分析，以计算该数据与其他数据的关联程度值，并将关联的数据进行连接。其通过将税务数据分解为多个数据群，再在数据群内部通过关联程度值进行关联，最后通过风险权值的计算的分散和整合来征程税务风险指标，大幅度提升了效率和准确率。

背景技术

在财税领域，专业的业务人员制定一个针对企业税务风控的指标是一个需要不断制定和验证，多次反复的过程；在此过程中，业务人员需要对风控指标模型多次反复修改，验证后交付开发实现，此过程周期较长，难以满足企业生产的需要。

最短路径问题是图论研究中的一个经典算法问题，旨在寻找图(由结点和路径组成的)中两结点之间的最短路径。算法具体的形式包括：确定起点的最短路径问题：即已知起始结点，求最短路径的问题。确定终点的最短路径问题：与确定起点的问题相反，该问题是已知终结结点，求最短路径的问题。在无向图中该问题与确定起点的问题完全等同，在有向图中该问题等同于把所有路径方向反转的确定起点的问题。

专利号为CN202110518344.1A的专利公开了涉及一种基于机器学习对企业所得税风险评估的方法。具体包括：首先规划机器学习数据集的特征集合，根据企业所得税的管理特点从特征集中选择机器学习的290个目标集合；对数据分类抽取，按照不同特征所在的系统和表单进行分类各自抽取数据；再后数据按户归集形成机器学习最终的数据集；选择决策树和支持向量机算法模型进行集成和联接，形成适应于所得税的机器学习算法模型；最终运算输出结果和结果核实反馈。

其通过机器学习的方式来对税务的数据集进行分析和计算，其方法虽然能够提高税务风险评估的效率，但在面对数据量较大的企业时，其处理速度会显著降低，首先是因为无法在大量数据中找到税务数据，其次对税务数据的获取也因为没有找到较短路径，而增大处理的工作量。

发明内容

有鉴于此，本发明的主要目的在于提供一种适用于财税领域指标自定义和自动化运行的应用方法，其通过将税务数据分解为多个数据群，再在数据群内部通过关联程度值进行关联，最后通过风险权值的计算的分散和整合来征程税务风险指标，大幅度提升了效率和准确率。

为达到上述目的，本发明的技术方案是这样实现的：

一种适用于财税领域指标自定义和自动化运行的应用方法，所述应用方法包括以下方法：

步骤1：将税务数据按照设定的特征划分为多个数据群；所述设定的特征包括：时间特征和/或款项特征；同时，统计每个数据群中可能存在的彼此交集部分；

步骤2：在每个数据群内部进行数据关联，具体包括：对数据群中的每个数据均进行分析，以计算该数据与其他数据的关联程度值，并将关联的数据进行连接；

步骤3：在每个数据群内部使用预设的数据分析模型进行数据风险分析，得到该数据群对应的风险权值；再对每个交集部分进行数据风险分析，得到交集部分对应的风险权值；基于数据群对应的风险权值和交集部分对应的风险权值，求出非交集部分的风险权值；

步骤4：当接收到风险指标生成命令时，对风险指标生成命令进行分析，以获得风险指标生成命令的税务数据群；筛选出税务数据群后，使用判别器判断筛选出的税务数据群是否存在交集的部分，若存在，则将所有交集的部分所对应的风险权值进行累加，再计算所有非交集部分的风险权值，基于计算出的非交集部分的风险权值的大小，按照从大到小的顺序将非交集部分进行排序，筛选出风险权值排列在前三的非交集部分；

步骤5：在非交集部分和交集部分中，基于风险指标生成命令，找到入口值，基于入口数据，在每个交集部分和非交集部分中，开始数据搜寻，具体包括：从入口数据开始，找到与前一数据的关联程度值最高的数据，作为下一数据，直到遍历到数据的终点；