数据仓库和数据挖掘在纳税评估中的应用

摘要

随着税收业务的开展，纳税评估已经成为我国税收管理工作的重要组成部分，但传统的技术手段建立的纳税评估系统存在许多问题，影响着纳税评估的准确性和公正性。为了解决这些问题，本文从数据仓库和数据挖掘技术入手，结合纳税评估业务需求，建立了一套智能筛选纳税评估对象的模型，提高纳税评估的效率、质量。
　　 首先，本文对数据仓库技术在纳税评估中的应用进行了分析，并建立了相应的数据仓库逻辑模型，提高纳税评估指标计算和数据查询分析的效率。
　　 其次，本文对各种数据挖掘算法进行研究，特别是针对数据挖掘分类算法进行了深入的分析，建立了根据纳税评估指标筛选评估对象的纳税评估模型，该模型从数据仓库中提取出纳税评估指标值，利用基于相关性的特征属性选择（CFS）方法对纳税评估指标进行筛选，然后依据筛选后的指标基于决策树分类算法、朴素贝叶斯分类算法分别建立了数据挖掘分类模型，并对两种模型的准确率、灵敏性等进行了评估验证。

目录

文摘

英文文摘

图目录

表目录

绪论

0.1 研究背景

0.2 研究目的、方法及内容

0.3 论文结构

第一章 纳税评估业务分析

1.1 纳税评估概述

1.1.1 纳税评估概念

1.1.2 国内外纳税评估工作开展现状

1.2 纳税评估的业务流程

1.2.1 涉税数据收集

1.2.2 选定对象

1.2.3 评估分析

1.2.4 评估核实

1.2.5 评估处理

1.3 纳税评估指标体系

本章小结

第二章 数据仓库与数据挖掘技术概述

2.1 数据仓库概述

2.1.1 数据仓库的概念与特征

2.1.2 数据仓库技术的介绍

2.1.3 数据建模与联机分析技术概述

2.2 数据挖掘技术概述

2.2.1 数据挖掘概念

2.2.2 数据挖掘常用的分析技术

2.2.3 数据挖掘工具介绍

本章小结

第三章 数据挖掘分类算法的选择与分析

3.1 分类算法简述

3.2 决策树分类算法介绍

3.3 决策树分类算法分析

3.3.1 决策树分类算法结点分裂准则概述

3.3.2 属性选择度量

3.3.3 决策树建立算法描述

3.3.4 决策树剪枝分析

3.4 朴素贝叶斯分类算法分析

3.5 分类模型预测准确率评价

本章小结

第四章 纳税评估数据仓库的构建

4.1 建立纳税评估数据仓库的意义

4.2 纳税评估数据仓库体系架构

4.2.1 纳税评估数据仓库的应用环境

4.2.2 纳税评估数据仓库的应用模型架构

4.3 数据仓库的数据模型

4.3.1 概念模型

4.3.2 逻辑模型

4.3.3 物理模型

4.4 纳税评估ROLAP模型构建

4.4.1 维表定义

4.4.2 事实表定义及逻辑模型

4.5 纳税评估数据仓库ETL处理

4.5.1 数据源

4.5.2 数据清洗转换装载过程

4.6 数据仓库在纳税评估中应用

4.6.1 纳税评估指标提取

4.6.2 纳税评估相关数据分析

本章小结

第五章 数据挖掘技术在建立纳税评估模型中的应用

5.1 传统纳税评估方式的不足

5.2 纳税评估比率指标值规范化处理的必要性

5.3 比率指标值离散化处理

5.3.1 基于标准差分箱比率指标离散化

5.3.2 基于信息熵比率指标离散化

5.4 纳税评估模型总体设计思路

5.5 纳税评估数据库的建立及训练集数据的产生

5.5.1 纳税评估挖掘库基础定义

5.5.2 训练集数据生成及预处理

5.6 决策树分类模型的建立

5.6.1 决策树分类模型设计思路

5.6.2 决策树分类模型建立流程

5.6.3 决策树分类模型数据挖掘过程及评价

5.6.4 决策树分类模型的存储

5.7 朴素贝叶斯分类模型的建立

5.7.1 连续属性后验概率分布检测

5.7.2 朴素贝叶斯分类模型建立及评价

5.7.3 朴素贝叶斯分类模型的存储

5.8 两种数据挖掘分类模型与原纳税评估方法对比

5.9 不同地区的测试

5.10 CFS机制在纳税评估指标筛选中的应用

5.10.1 纳税评估指标筛选的必要性

5.10.2 线性相关性分析

5.10.3 特征属性选择与CFS原理

5.10.4 CFS在纳税评估指标筛选中的应用

本章小结

第六章 总结与展望

总结

展望

致谢

参考文献