(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110985738.8 (22)申请日 2021.08.26 (71)申请人 浪潮软件科技有限公司 地址 250100 山东省济南市高新区浪潮路 1036号浪潮科技园 (72)发明人 张瑞　李道强　曹苗苗　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 代理人 姜丽洁 (51)Int.Cl. G06F 16/26(2019.01) G06F 16/21(2019.01) G06F 30/27(2020.01) G06N 3/08(2006.01) G06Q 40/00(2012.01) (54)发明名称 一种办税人 行为分析方法 (57)摘要 本发明涉及税务领域， 具体提供了一种办税 人行为分析方法， 具有以下步骤： S1、 构建专家样 本数据集； S2、 对所述数据集进行数据探索分析 与预处理； S3、 建立办税行为识别模型； S4、 根据 办税行为识别模型结果应用并对办税行为划分 进行优化； S5、 调用办税行为识别模型。 与现有 技 术相比， 本发明提出的办税人行为分析， 给税务 机构提供了一种为纳税人提供精准服务的解决 方案， 通过与现有的一些导税设备相结合， 能够 极大地帮助税务人员更精准的服务纳税人， 提升 纳税人满意度。 权利要求书1页 说明书3页 附图1页 CN 114138891 A 2022.03.04 CN 114138891 A 1.一种办税人 行为分析 方法， 其特 征在于， 具有以下步骤： S1、 构建专 家样本数据集； S2、 对所述数据集进行 数据探索分析与预处 理； S3、 建立办税行为识别模型； S4、 根据办税行为识别模型 结果应用并对办税行为划分进行优化； S5、 调用办税行为识别模型。 2.根据权利要求1所述的一种办税人行为分析方法， 其特征在于， 在步骤S1中， 对办税 人的历史涉税业 务数据进行选择性抽取， 构建专 家样本数据集。 3.根据权利要求2所述的一种办税人行为分析方法， 其特征在于， 在步骤S2中， 对所述 数据集进 行数据探索分析与预处理， 包括探索各 受教育程度、 各年龄段、 各办税 人身份类型 情况， 删除冗余属性， 识别涉税业务数据的缺失值， 并对缺失值作处理， 根据建模的需要进 行属性构造 。 4.根据权利要求3所述的一种办税人行为分析方法， 其特征在于， 在步骤S2中， 对数据 集中办税行为数据建立时间间隔识别模型和划分一次完整的涉税业务办理模型， 在一次完 整的涉税业 务办理模型业 务办理划分结果的基础上， 剔除未完结的业 务量缩小识别范围。 5.根据权利要求4所述的一种办税人行为分析方法， 其特征在于， 在步骤S3 中模型的建 模样本数据基础上， 建立办税行为识别模型， 对办税行为模型进行模型分析评价。 6.根据权利要求5所述的一种办税人行为分析方法， 其特征在于， 在步骤S5中， 调用办 税行为识别模型， 对实时监控的办税场所业 务办理数据进行办税行为自动识别。 7.根据权利要求6所述的一种办税人行为分析方法， 其特征在于， 建立办税行为识别模 型时， 采用BP神经网络模 型， 根据办税服务场所提供的业务办理数据， 将数据的办税人特征 作为训练样本训练BP神经网络 。 8.根据权利要求7所述的一种办税人行为分析方法， 其特征在于， 训练BP神经网络模型 时， 选取受教育程度、 年龄段、 办税人身份类型和办理时间4个属性作为BP神经网络模型的 输入， 输出为碰撞成功后的各个渠道和各类业务事项的频率， 是否碰撞成功的标签是根据 业务办理日志得到 。权　利　要　求　书 1/1 页 2 CN 114138891 A 2一种办税人行为分析方 法 技术领域 [0001]本发明涉及税务领域， 具体提供一种办税人 行为分析 方法。 背景技术 [0002]目前在税务行业， 传统的纳税人行为分析方法并没有明确的算法， 大部分都是基 于办税人在不同渠道的办理业务量的占比， 通过量化办税人 的业务数据,直接产生办税人 的行为数据,对不同受教育程度、 不同年龄段、 不同身份类型等都没有参考， 得出的行为分 析并不准确。 [0003]由此， 办税人行为习惯无法准确预测， 税务人员对于办税人的涉税信息无法提前 预知， 且办税人 行为分析 无明确算法， 无法全面推广。 发明内容 [0004]本发明是针对上述现有技 术的不足， 提供一种实用性强的办税人 行为分析 方法。 [0005]本发明解决其 技术问题所采用的技 术方案是： [0006]一种办税人 行为分析 方法， 具有以下步骤： [0007]S1、 构建专 家样本数据集； [0008]S2、 对所述数据集进行 数据探索分析与预处 理； [0009]S3、 建立办税行为识别模型； [0010]S4、 根据办税行为识别模型 结果应用并对办税行为划分进行优化； [0011]S5、 调用办税行为识别模型。 [0012]进一步的， 在步骤S1中， 对办税人的历史涉税业务数据进行选择性抽取， 构建专家 样本数据集。 [0013]进一步的， 在步骤S2中， 对所述数据集进行数据探索分析与预处理， 包括探索各受 教育程度、 各年龄段、 各办税人身份类型情况， 删除冗余属性， 识别涉税业务数据的缺 失值， 并对缺失值作处 理， 根据建模的需要 进行属性构造 。 [0014]进一步的， 在步骤S2中， 对数据集中办税行为数据建立时间间隔识别模型和划 分 一次完整的涉税业务办理模型， 在一次完整的涉税业务办理模型业务办理划分结果的基础 上， 剔除未完结的业 务量缩小识别范围。 [0015]进一步的， 在步骤S3中模型的建模样本数据基础上， 建立办税行为识别模型， 对办 税行为模型进行模型分析评价。 [0016]进一步的， 在步骤S5中， 调用办税行为识别模型， 对实时监控的办税场所业务办理 数据进行办税行为自动识别。 [0017]进一步的， 建立办税行为识别模型时， 采用BP神经 网络模型， 根据办税服务场所提 供的业务办理数据， 将数据的办税人 特征作为训练样本训练BP神经网络 。 [0018]进一步的， 训练BP神经网络模型时， 选取受教育程度、 年龄段、 办税人身份类型和 办理时间4个属 性作为BP神经网络模型的输入， 输出为碰撞成功后的各个渠道和各类业务说　明　书 1/3 页 3 CN 114138891 A 3