16892

16892

ارائه يك الگوريتم يادگيري عميق با رويكرد نيمه نظارتي براي تشخيص ناهنجاري

كارشناسي ارشد

هوش مصنوعي و رباتيك

بهمن 1395

دكتر بهروز مينايي

دكتر محمدرضا دليري

كامپيوتر

چكيده در حال حاضر، مميزان مالياتي با چالش شناسايي و جمع‌آوري درست ماليات از كسب‌وكارهايي روبرو هستند كه از پرداخت صحيح ماليات به گونه‌اي طفره مي‌روند. در مقابله با اين فرار مالياتي، مسئولان مالياتي از منابع محدود و روش‌هاي سنتي صحت ماليات استفاده مي‌كنند. اين روش‌ها كه اغلب زمان‌بر و پرهزينه هستند، در مقابل روش‌هاي نويني قرار مي‌گيرند كه از تكنيك‌هاي كامپيوتري به منظور كشف سريع و كم‌هزينه‌ي مظنونان به فرار مالياتي استفاده مي‌كنند.در اين مطالعه تكنيك‌هاي مختلف داده‌كاوي و يادگيري ماشين به عنوان روشي براي مقابله با فرار مالياتي مطرح و مورد استفاده قرار گرفته‌اند. هم‌چنين اين تكنيك‌ها با يكديگر مقايسه و در انتها ‌يك الگوريتم‌ يادگيري عميق با رويكردنيمه نظارتي به منظور كمك به كاهش فرار مالياتي ارائه شده است. در اين الگوريتم پيشنهادي، از داده‌هاي مربوط به سازمان مالياتي كشور به صورت ناشناخته استفاده شده است و نتايج حاصله از اجراي تكنيك‌هاي مختلف داده‌كاوي بر روي آن بررسي شده‌اند. بنابراين نتايج حاصله بيانگر آن است كه ميزان دقت و كارآيي روش پيشنهادي به مراتب از روش‌هاي موجود مناسب‌تر و همچنين كم هزينه‌تر است. كلمات كليدي: ماليات، داده‌كاوي، يادگيري ماشين، فرار مالياتي

1395/12/17

1/1/1900 12:00:00 AM

Abstract Nowadays, tax auditors face different challenges like accurate tax identification an​d collection of various businesses which do tax evasion. Against with them, tax auditors have limited resources an​d choose traditional tax integrity verification approaches. These approaches are almost cost an​d time consuming, but modern approaches are avilable using computer techniques to detect tax evasion dubiouses in a cost effective fast way. In this study, different data mining an​d machine learning techniqueshave been used an​d proposed as an effective approach to challenge tax evasion an​d perform fraud detection for tax administration. Data mining models, algorithms an​d validation approaches are widely described an​d at last, a data mining framework has been introduced to reduce tax evasion by detecting tax evasion dubiouses. This general framework is based on fraud detection an​d tax evasion reduction processes, so we tried to present a general framework to set various types of tax evasion reduction objectives. At last, we provided information transform into the knowledge as an output. This framework also applied on Iran’s tax administration data as a practical an​d valuable data source for tax mining to reduce tax evasion. Keywords: data mining – tax evasion- fraud detection - framework