典型文献
基于多任务深度神经网络的企业纳税行为甄别研究
文献摘要：
随着数字经济时代的到来,丰富的数据资源有利于全面精准地刻画企业纳税情况,但数据来源广、类别不平衡以及噪音多等问题,也给企业纳税行为的甄别工作带来挑战.本文融合企业报表以及证监会、海关和税务等部门的多来源涉税数据,基于K-S检验和随机森林算法,构建了企业纳税行为甄别指标体系;将不同行业企业纳税行为甄别工作视为不同任务,提出基于多任务深度神经网络的企业纳税行为甄别模型,充分利用了不同行业任务间的相关性和差异性信息;针对样本数据集不平衡问题,引入焦点损失函数进一步改进了甄别模型.研究发现,相对于传统Logistic、支持向量机和神经网络等单任务模型,本文多任务模型的企业纳税行为甄别能力、泛化能力和稳健性更强.当模型预测某企业纳税不遵从的概率超出阈值时,即可判定该企业为重点稽查对象,以辅助税务部门提升稽查效率.本研究为政府智慧税务治理工作提供了新的思路.
文献关键词：
多源数据;多任务深度神经网络;企业纳税行为甄别
中图分类号：
作者姓名：
李国锋;李祚娟;王哲吉
作者机构：
山东财经大学统计与数学学院
文献出处：
引用格式：
[1]李国锋;李祚娟;王哲吉-.基于多任务深度神经网络的企业纳税行为甄别研究)[J].统计研究,2022(07):137-149
A类：
多任务深度神经网络,企业纳税行为甄别
B类：
数字经济时代,数据资源,数据来源,类别不平衡,噪音,企业报表,证监会,海关,多来源,涉税,随机森林算法,同行业,行业企业,样本数据集,不平衡问题,焦点损失函数,单任务,多任务模型,泛化能力,遵从,可判,稽查,税务部门,智慧税务,治理工作,多源数据
AB值：
0.21991
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
