税务智能决策支持系统

1、税务智能决策支持税收是国家财政收入的主要来源，起着聚财和宏观经济调控的作用。目前， 通过税务部门组织的收入一直占国家财政收入的90%以上。随着社会主义市 场经济体制的建立和完善，税收工作在国民经济建设中起着越来越重要的作 用。为了充分发挥税收在社会主义现代化建设中的重要作用，党中央、国务院 对此十分重视。在八届人大四次会议上批准的中华人民共和国国民经济和 社会发展九五计划和2010年远景目标纲要中明确指出：要完善税收征 管制度、强化管理监督，并要加快应用计算机进行税收征管的步伐。国家税 务总局为了贯彻落实这一科技兴税的战略目标，加快税务管理现代化进程 和税收电子化步伐，特制定了税收电子化工程九

2、五时期发展规划来统 筹部署全国范围内的税收电子信息化工程的建设。面对当前信息化技术的挑战，税收信息系统不仅要为税收各种业务的统计、 资料收集、处理提供现代化手段，还需要为管理部门制定经营计划、研究发 展战略和评估经营成果提供数据信息、计算处理、综合处理等辅助决策工具。 没有一个智能化的决策支持系统，很难有效地适应税收现代化的战略决策， 为税收领域的科学化管理、数据分析、风险分析和预测提供高科技手段。税 收领域智能决策支持系统是现代化的税收信息系统必不可少的组成部分，与 国民经济的发展密切相关。研究建立和发展现代化的税收领域智能决策支持 系统，准确地把握税源的动态，实现对整个税收活动有效地管理和

3、决策，具 有重大的经济效益和社会效益。税收领域智能决策支持系统是建立在税收管理信息系统的基础上，集成管 理科学、人工智能、神经计算等多学科技术，面向税务工作管理层的智能软 件系统。它运用高度智能化的技术来提高税务工作的管理效率，加强对纳税 人经济活动的全面监督管理，加速税收领域的电子化和科学化管理进程。现状国外经济发达国家早在六、七十年代就已将计算机技术应用到税收业务上。 各国政府投入巨额资金，建立庞大的全国计算机网络，有统一规范的信息系 统支持，各种纳税事务的处理，包括对纳税人的监控和稽查，都通过计算机 网络进行，收到很好的效果。近年来，许多发展中国家也把税收电子化作为 加强政府经济调控能力

4、的最主要措施来抓。可以说，除税收法制健全的因素 外，税务工作拥有先进的管理手段，是这些国家税收秩序良好的主要原因。 在技术上，税收信息系统大都采用客户机/服务器(Client/Server)体系结构， 采用先进的大型数据库和网络系统。另一方面由于西方发达国家，采用分税制较早，管理有一定的基础，制度 比较规范，所以应用效果比较明显。比如：美国分联邦税和州税，联邦税由 国家财政统一征收和管理，州税则由各州地方政府征收和管理。由于税收的 特殊地位，不管是联邦税的征管，还是州地方税的征管都自上而下地统筹规 划，加大对信息及电子化工程的投入，使税务部门在计算机应用上发挥了积 极作用。我国的税收信息化的建

5、设历程始于二十世纪八十年代。20年来，我国的税 务信息化的发展轨迹大致可划分为三个阶段：第一阶段是模拟手工操作的税 收电子化阶段，其总体特征为采用数据库技术，依托单机和局域网，涉及税 务应用的操作层次，对税收业务的重要环节实现了手工操作的计算机化。第 二阶段是步入面向管理的税收管理信息系统阶段，其总体特征为采用关系型 数据库、客户机/服务器模式及图形化界面，依托广域网进行分布式处理，涉 及税务应用的操作和管理层次。第三阶段是实现创造税收价值的全方位税收 服务系统阶段，其总体特征为采用WEB技术和组件化结构，依托互联网实 现集中式处理，涉及税务应用的操作、管理和决策层次，并对纳税人进行全 面的管

6、理与服务。业界专家、神州数码软件有限公司政府事业部总经理孙可加博士指出，目 前，中国的税务信息化正处于由面向管理的税收管理信息系统的第二阶段向 建立全方位税收服务系统的第三阶段迈进的时刻。加快建设世界一流的税收 管理信息系统，实现税务信息化的跨越式发展，使之符合电子政务发展的 需求，已是摆在我们面前的十分现实的奋斗目标，也是中国税务信息化发展 的必然趋势。基于我国电子政务的大环境，国家对于税务信息化工作已经明确提出了其 总体目标，即根据一体化原则，用4到5年的时间，建设一个基于统一税务 规范的应用系统平台，税务机关将依托税务系统的计算机广域网，以总局为 主，以省局为辅，高度集中处理信息，税务信

7、息化系统的功能设计将覆盖各 级税务机关的所有职能。1999年，神州数码承建国家税务总局的”中国税收征管信息系统CTAIS”， 目前该系统已在全国21个省市的73个城市的国税部门推广应用，涉及税收 占全国国税总收入的30%。此外，神州数码的其它税收征管应用软件产品还 在北京地税、广东地税、贵阳国税、云南国税和新疆国税等地推广运行。CTAIS系统全面覆盖基层业务处理、管理监控和辅助决策等各个税收征管 环节的业务，提供了管理服务、征收监控、税务稽查、税收法制及税务执行 等五个系列的基层税收征管系统和市局级管理与监控系统。CTAIS较充分地 考虑了税收应用系统的特点，功能全面，业务监控关系严密，能够满

8、足全国 统一规范的要求。目的与意义面对当前信息化技术的挑战，税收信息系统不仅要为税收各种业务的统计、 资料收集、处理提供现代化手段，还需要为管理部门制定经营计划、研究发 展战略和评估经营成果提供数据信息、计算处理、综合处理等辅助决策工具。 没有一个智能化的决策支持系统，很难有效地适应税收现代化的战略决策， 为税收领域的科学化管理、数据分析、风险分析和预测提供高科技手段。税 收领域智能决策支持系统是现代化的税收信息系统必不可少的组成部分，与 国民经济的发展密切相关。研究建立和发展现代化的税收领域智能决策支持 系统，准确地把握税源的动态，实现对整个税收活动有效地管理和决策，具 有重大的经济效益和社

9、会效益。自八十年代中期以来，在全国各地已有大量税收软件系统交付使用，但这 些系统绝大多数运行于局域网环境下，功能上仅仅是模仿手工处理方式来进 行事务处理，目前还没有做到对信息的有效管理，更谈不上辅助决策能力。 税收数据量十分浩繁，这些数据是非常宝贵的信息资源，如果不进行整理、 分析、提取，将使税务工作人员陷于大量的数据中，严重地影响工作效率， 同时造成资源的大量浪费。较之发达国家，我国的税收计算机信息系统相对 落后，尚处在引进、消化和创建阶段。由于我国的国情与国外有较大的差异。 我们必须根据我国税法及经济状况，运用先进的科学技术，高起点地研制出 适合我国国情的税收领域智能决策支持系统，以适应目

10、前我国征管改革的需 要。税收领域智能决策支持系统是建立在税收管理信息系统的基础上，集成管 理科学、人工智能、神经计算等多学科技术，面向税务工作管理层的智能软 件系统。它运用高度智能化的技术来提高税务工作的管理效率，加强对纳税 人经济活动的全面监督管理，加速税收领域的电子化和科学化管理进程。在税收智能决策支持系统中，数据分析理论和智能技术是重要的组成部分。 现代税收数据分析的理论和模型，是掌握和分析税收的行为与趋势的有效工 具。为了对税收政策、科学管理、数据分析、税收预测和决策、以及对税源 发展目标的评佑、偷漏税行为的控制和管理提供更有效的手段，可以采用专 家系统、数据开采、基于范例推理等技术。

11、从当前的国际和国内情况来看， 智能决策系统模型和信息系统模型，特别是税务领域的信息系统模型越来越 依赖于建立对变化环境具有自适应性的计算模型和工具。在税收信息系统的 决策模型工程中，基于机器学习，非线性动力学系统和适应性技术的模型更 适合于理解动态变化的市场行为。人工智能技术（包括机器学习系统，基于知 识和规则的推理系统）是税务决策系统中起着关键影响的技术。内容面向税收业务的智能决策专题是根据我国国情，按照税法和税收征管改革 的需要，在税收管理信息系统的基础上，运用现代管理学的理论和方法以及 先进的计算机技术，使用传统的数学统计方法、基于范例推理、专家系统、 数据开采和人工神经网络等智能技术相

12、结合进行税收数据分析、税款征收预 测、计算机自动稽查选案等税收领域任务。1税收数据分析预测税收数据分析预测主要包括两方面的内容：税收预测其中主要是税收能力的估算，税收预测的主要作用是澄清税收和国民经济 宏观指标之间的关系，这些宏观经济指标包括国内生产总值、固定资产投资、 社会商品零售总额、货币投放量等国民经济先行指标，还需要估算税种结构、 地区结构、地区都市化程度的不同对税收的影响，得出宏观税负、税收和国 内生产总值的增长弹性，增长波动幅度，税收的绝对增长，税收结构变动等 综合结论，在此基础上估算纳税能力，从而为预算税收收入和制订税收计划 提高决策的依据.税收计划包括计算年度、月度的税收计划。

13、科学、准确的税收计划对于政府各部门 制订计划起着重要的参考作用，同时也是考查税务干部工作成绩的一项重要 依据。税收数据分析预测不仅是税务部门本身制订计划的重要参考，而且为国家 及各级政府财政预算提供科学的依据，是税务部门的一项重要职能。税收数 据分析预测除了和税收征管的数据有关外，更多的和宏观经济数据有关，涉 及的因素较多，数据量庞大，由于受过去的计划经济体制影响和计算机应用 水平的限制，这方面的问题的未得到根本解决。对于税收数据的分析预测任务，传统的决策分析和数据分析理论中数学模 型是必不可少的，它是进行数据分析和预测的最基本的手段。但是对时间段 较短的数据和非结构化的数据来说，单纯使用数学

14、模型可能满足不了实际的 需要，而人工神经网络作为一种并行的动力学系统模型，特别适用于在统计 推理、模式识别、联想记忆、聚类和分类活动方面模拟人的智能，它的出现 和发展解决了这类问题。2税务稽查计算机自动选案税务稽查对象的确定，是指按照税务稽查计划范围、工作目标以及税务违 法案源线索对稽查对象的选择和确定。科学地确定稽查对象对于开展稽查工 作具有重大意义。税务稽查行为，是国家赋予税务机关的行政执法权力，它必须符合法律规 定，并受法律约束。税务稽查行为是由具体税务人员来完成的，在稽查人员 同纳税人有某种利害关系的情况下，人的感情因素和个人意志很容易同执法 行为相混淆，而使执法行为失之公正。这就要求

15、稽查对象的确定应该是客观 公正的，在客观条件相同的情况下的纳税人接受稽查的机会应该是均等的， 只有科学地确定稽查对象，才能保证稽查工作的顺利进行。税收的原则之一即是效率原则，税务稽查也必须遵循这一基本原则，使稽 查活动以最少的人力、物力消耗，收到最大的稽查成果。这就要求确定稽查 对象必须具有科学性、准确性，即能通过对纳税人财务信息和纳税情况的分 析、处理，最大限度地发现疑点和问题，为稽查提供可靠充分的线索和依据。由此可见，科学、准确地确定税务稽查对象，有利于保证稽查执法的客观 公正，提高稽查的质量和效益，促进稽查计划目标的顺利实现。我们将使用基于规则和基于范例推理相结合的专家系统技术和数据开采

16、技 术建立高效、开放、灵活的税务稽查计算机自动选案系统。关键技术面向税收业务的智能决策专题是根据我国国情，按照税法和税收征管改革 的需要，在税收管理信息系统的基础上，运用现代管理学的理论和方法以及 先进的计算机技术，使用传统的数学统计方法、基于范例推理、专家系统、 数据开采和人工神经网络等智能技术相结合进行税收数据分析、税款征收预 测、计算机自动稽查选案等税收领域任务。分类规则发现是最常用的数据开采操作，其目的是利用历史数据纪录，从 中自动推导生成能总结出对给定历史数据的推广描述，从而能预测未来数据 的行为。例如通过对给定的纳税数据推导出偷漏税情况的泛化规则，可以发 现偷漏税这种异常规则。当前

17、这方面已有大量的成熟技术，如CART、C4.5 等符号归纳技术，以及反向传播等神经网络技术。2-6项技术都可以进行分 类规则发现。计算机选案指标是税务机关对已储存的有关信息资料进行加工、处理后取 得的可供分析纳税人纳税情况的指标。科学设置计算机选案指标是决定计算 机选案的深度和广度的关键。从目前情况来看，计算机选案（主要是增值税、 消费税、营业税、企业所得税选案指标）使用的主要变量有：进项税额、销 项税额、应纳税额、应税销售额、销售成本、期初存货、期末存货、销售收 入、销售税金、销售利润、销售毛利、应收账款、负债总额、资产总额、本 期折旧额、固定资产原值、投资收益额、长期投资、短期投资、工资总

18、额、 平均职工人数、产值，共计22项。而选案指标更多，有进项、销项税额比较， 销售税金负担率，加成率分析，销售利润率变化幅度（横行比较、纵向比较） 华华 等等。选案指标会随着经济形势的发展和税制结构、税收政策的变化、税收违法 手段以及对计算机开发应用程度的变化而相应变化，各级稽查机关应当根据 不同阶段的经济发展情况以及税收政策的调整等经常调整和修改这些指标， 以适应选案的实际需要。1主成分分析在众多的指标中，每个指标对选案的影响是不一样的；而且指标对选案的 影响也会随着经济形势的变化而变化。如何从众多的指标中选择对选案最有 映像的指标呢？我们讲采用主成分分析来确定对选案有最大影响的指标。2神经

19、网络人工神经网络是一种并行的非线性动力学系统模型，设计合理的神经网络 结构和选择合适的学习算法，是人工神经网络数据分析预测的关键步骤。我 们将根据税收数据分析预测的具体需要，设计一个多种神经网络模型集成的 人工神经网络系统，对税收数据进行分析和处理。具体说来，基于人工神经 网络的税收数据分析预测包括以下过程：（1）原始数据统计预处理分析：由统计模型实现，主要采用平均移动，波动分柝偏差分析和相对差异率分 析来实现经济环境特征指标的抽取。（2）前馈神经网络模型经济环境特征指标预测：由前馈神经网络模型实现，它实现经济环境特征指标的时间序列预处理分 析，给出了未来经济环境特征指标的时间序列预测，通过它

20、实现对未来经济 环境特征指标的预测、分析处理。（3）自组织神经网络模型的对于经济环境特征指标的可视化表示：由自组织特征映射（SOM）神经网络实现，它对经济环境特征指标进行可 视化表示，实现对于政策因素和人为因素离散指标的分类可视化表示。（4）混合神经网络模型作为经济环境特征指标与税收数据关系的决策模型：由混合结构专家神经网络模型实现，它实际上是经济环境特征指标与税收 数据关系的决策系统，由它实现对于经济环境特征指标与税收数据间关系的 分析。（5）适应性智能处理模型：用作为对预测分析处理的数据进行决策分析，综合集成与匹配，产生最终 的预测、决策的结果，统计图表和图表的比较。人工神经网络数据分析和

21、预测和基于传统统计方法的数学模型的分析预测 并不矛盾，两者之间互为有益的补充。人工神经网络数据分析预测特别适用 于下列情况：数据的时间段很短，难以建立数学模型的数据集；难于用传统统计方法描述的非结构化数据；传统统计模型难以描述的数据分析预测。神经网络除了可以用来进行税收数据分析预测外，还可以进行进行稽查选 案，具体步骤如下：（1）对计算机选案的结果进行评估，然后作为训练样本，送入神经网络进 行训练(2)来了新的样本后，即可使用该神经网络进行选择。然后对新的选案结 果进行评估，加入样本库，用来进行下次训练。3决策树决策树(decision tree)学习是以实例为基础的归纳学习算法。它着眼于从

22、一组无次序、无规则的事例中推理出决策树表示形式的分类规则。它采用自 顶向下的递归方式，在决策树的内部结点进行属性值的比较并根据不同的属 性值判断从该结点向下的分支，在决策树的叶结点得到结论。所以从根到叶 结点的一条路径就对应着一条合取规则，整棵决策树就对应着一组析取表达 式规则。基于决策树的学习算法的一个最大的优点就是它在学习过程中不需 要使用者了解很多背景知识(这也同时是它最大的缺点)，只要训练例子能够 用属性-结论式的方式表达出来，就能使用该算法来学习。一棵决策树的内部结点是属性或属性的集合，叶结点是所要学习划分的类， 下面将内结点的属性称为测试属性。当经过一批训练实例集的训练产生一棵 决

23、策树，决策树可以根据属性的取值对一个未知实例集进行分类。使用决策 树对实例进行分类的时候，由树根开始对该对象的属性逐渐测试其值，并且 顺着分支向下走，直至到达某个叶结点，此叶结点代表的类即为该对象所处 的类。4贝叶斯网络贝叶斯网络是用来表示变量间连接概率的图形模式，它提供了一种自然的 表示因果信息的方法，用来发现数据间的潜在关系。在这个网络中，用节点 表示变量，有向边表示变量间的依赖关系。贝叶斯理论给出了信任函数在数 学上的计算方法，具有稳固的数学基础，同时它刻画了信任度与证据的一致 性及其信任度随证据而变化的增量学习特性；在数据挖掘中，贝叶斯网络可 以处理不完整和带有噪声的数据集，它用概率测

24、度的权重来描述数据间的相 关性，从而解决了数据间的不一致性，甚至是相互独立的问题；用图形的方 法描述数据间的相互关系，语义清晰、可理解性强，这有助于利用数据间的 因果关系进行预测分析。贝叶斯方法正在以其独特的不确定性知识表达形式、 丰富的概率表达能力、综合先验知识的增量学习特性等成为当前数据挖掘众 多方法中最为引人注目的焦点之一。5支持向量机支持向量机(Support Vector Machine, SVM)建立在计算学习理论的结构 风险最小化原则之上。其主要思想是针对两类分类问题，在高维空间中寻找 一个超平面作为两类的分割，以保证最小的分类错误率。而且SVM 一个重 要的优点是可以处理线性不

25、可分的情况。6粗糙集知识约简在保持知识库的分类或决策能力不变的条件下，删除其中 不相关或不重要知识冗余知识一一资源的浪费；干扰人们作出正确而简洁的决策 Rough Set一把那些无法确认的个体都归属于边界线区域，而这种边界 线区域被定义为上近似集和下近似集之差集(Z.Pawlak)知识约简是粗糙集的核心内容之一7统计分析最基本的统计分析方法。8关联规则关联规则发掘的研究是近几年研究较多的数据挖掘方法，在数据挖掘的各 种方法中应用也最为广泛。在数据挖掘的知识模式中，关联规则模式是比较 重要的一种。关联规则的概念由Agrawal、Imielinski、Swami提出，是数据 中一种简单但很实用的规

26、则。关联规则模式属于描述型模式，发现关联规则 的算法属于无监督学习的方法。在稽查选案中，可以使用关联规则判断各个指标间的关联程度，然后可以 进行指标合并，从而简化选案的复杂度。9隐马尔科夫模型俄国有机化学家Vladimir Vasilyevich Markovnikov于1870年提出了马尔科 夫(Markov)模型，其本质上是一种随机过程。隐马尔科夫模型(Hidden Markov Model, HMM)是一个二重马尔科夫随机过程，它包括具有状态转移概率的 Markov链和输出观测值的随机过程。其状态是不确定或不可见的，只有通过 观测序列的随机过程才能表现出来。按状态的观测概率密度的连续性，

27、隐马 尔科夫模型可分为连续隐马尔科夫模型(Continuous Hidden Markov Model, CHMM)、半连续隐马尔科夫模型(Semi- Continuous Hidden Markov Model, SCHMM)、离散隐马尔科夫模型(Discrete Hidden Markov Model, DHMM)。10超曲面分类11范例推理根据财务信息、申报信息、发票购买使用信息，以及各种违章信息，建立 计算机自动选案系统，为税务稽查工作提供科学、规范的依据，从而做到 有据可依。这项工作适于使用基于范例推理的技术来完成。基于范例推理(CBR)已经是人工智能的一个发展较为成熟的分枝，各种

28、成功的应用充分显示了这项新的人工智能技术前景远大。例如，ARPA-Rome Planning Initiative在95年底的一份报告中提到的几个大型的人工智能系统， 它们都使用了基于规则和基于范例推理子系统来解决复杂的真实世界问题。CBR是一种基于过去的实际经验或经历的推理。传统的推理观点把推理理 解为通过前因后果链(如规则链)导出结论的一个过程。许多专家系统使用 的就是这种规则链式的推理方法。在CBR中，使用的主要知识不是规则而是 范例或案例(case)，对于纳税稽查来讲，这些范例记录了纳税人的各种有 关数据。在税务稽查中，采用CBR方法有如下好处:知识获取容易：开发基于规则的知识系统时，

29、获取规则或模型是最繁琐的一件事务，需要 领域专家（纳税业务熟悉人员）和知识工程师的反复密切合作甚至推倒重来。采用CBR反复则轻松多了，因为它存储的是范例，是纳税人的各种纳税情况， 而获取这种范例对于领域专家来讲非常方便。知识维护方便：编写知识系统所需的启动知识库还仅仅是第一步。随着系统的运行，常常 会发现初始的知识不完整而需要更新，新的知识可能会与原有知识产生冲突， 导致非常大的系统变动。CBR方法则不存在这些问题，因为范例存储的纳税 数据是一种相对来讲更贴近于纳税业务用户的数据。用户易接受：CBR推理的根据则是历史事实，事实胜于雄辩，因此对用户有说服力。在 对被怀疑的纳税人进行稽查时，由于提

30、供的依据是历史事实依据，因此说服 力强。设计基于范例的税务稽查选案系统要涉及如下关键问题：（1）.范例表示研究如何将过去所遇到的税务稽查选案问题以一种合适的、统一的表示方 法表示出来，并将它们组织成范例库以便统一管理。税务稽查中涉及到财务 信息、申报信息、发票购买使用信息以及各种违章信息等不同内容的多种信 息，如何将这些信息表示成范例的形式是系统实现的第一步。范例的表示有两部分内容，一是范例的内容，即范例应该包含哪些有关的 东西才能对问题的解决有用；二是范例的索引，它和范例的组织结构以及检 索有关，反应了不同范例间的区别。范例一般有如下三个主要组成部分： 情景描述：范例发生时要解决的问题及周围

31、世界的状态；解决方案：对问 题的解决方案；后果：执行解决方案后导致的结果（周围世界的新的状态）。对于税务稽查选案来讲，情景描述主要是纳税人的各种数据，如财务报表、 申报征收、发票购买使用等等信息。解决方案则指该情况是否属于可怀疑的 偷漏税对象。范例的后果内容部分则记录了实施解决方案后（即断定是否偷 漏税）的后果情况，是误判还是正确的断定。(2).范例检索范例检索过程的输入为当前纳税人情况。通过推理分析，纳税人情况得到 细化，特别是推导出一些关键的可当作索引的纳税信息。检索算法使用当前 纳税情况和细化出来的索引在范例库中搜索。搜索需要借助匹配过程来决定 当前范例和范例库中遇到的范例之间的匹配度或

32、相似度。检索算法返回一组 (部分)匹配的相似范例，这些范例都有可能对当前情况有用。根据税务稽 查选案的具体特点和需要，确定范例间的相似度准则是实现基于范例的税务 稽查选案的关键。检索过程有三个核心部分组成：检索算法、匹配函数和情景分析。下面略 着重讨论检索算法。我们知道，数据结构和算法之间有着紧密相连的关系， 因此探讨检索算法必须和范例库的组织结构联系在一起，不同的范例库组织 自然要有相应的不同算法来检索。表结构或平面组织结构是一种简单的组织， 而树和图结构则是复杂的组织。不同的范例组织有利有弊，我们将在设计时 充分考虑稽查选案的特点依具体情况而定。CBR界的研究人员已形成了一系列的范例组织和

33、检索策略和算法。有串行 的、有并行的；有平面型的、有层次型的；有在细粒度级上建立索引以区别 不同的范例、有在粗粒度级上建立索引的。用得最多的则是倒排索引之类的 方法，既可以采用串行也可用并行策略来检索。具体地说，有如下三种有名 的检索方法：近邻法、归纳法，以及模板检索。我们也将根据稽查选案的实 际需要选择最佳的检索算法来完成范例检索任务。(3).范例获取范例收集分为两个阶段：初始范例(范例库种子)收集阶段和范例求精阶 段。前者要求保证范例库对纳税业务领域有足够的覆盖度以及具有可靠性。 范例求精，也就是不停的范例训练过程，即是对范例中的有关纳税信息反复 精化，它贯穿于系统的整个生命周期。初始范例

34、的获取是通过软件设计人员和纳税专家之间的合作完成的，这个 工作不太复杂，不象专家系统那样需要大量的精力和时间。顺利完成的前提 是范例的表示已经定义得较好了。至于范例求精，则在系统的实际运行过程 中，根据纳税问题的具体需要，做适当的必要的修改，一般来说，由于使用 的是范例推理的方法，因此该改进工作也是较为轻松的。12专家系统税务稽查选案有一套完整的指标体系和参数设置，同时专家的经验又起着 重要的作用。把这些和税务稽查选案相关的知识和经验提取出来，以合理的 知识表示方法表示出来，是设计计算机自动稽查选案系统的基础工作和需要 解决的关键问题。专家系统是运用知识进行推理的计算机程序。专家系统把某一领域

35、里被公 认的权威专家的知识或法规及各种规则精选出来，并用某种形式表示出来， 计算机将根据这些知识去模仿专家分析问题的方法和解决问题的策略，求得 问题的解答。专家系统是实现智能决策的关键，用从税收业务专家头脑中发 掘出来的税收知识和经验构筑起来的税收专家系统，可使税收业务专家的专 长不受时间和空间的限制，为更多的税务工作者提供咨询和建议，从而提高 一般税务干部的工作水平。根据税法及各种条例，分析纳税人的各种资料（基本信息，工商登记信息， 纳税申报信息，发票使用情况，违章信息及财务信息等），智能、准确地鉴 定应纳税种，同时监控纳税人的登记变化情况及纳税活动，做到对税源宏观 监控，微观管理，控制漏征

36、面，是税源分析的任务。目前增值税专用发票管 理上还存在漏洞，利用增值税专用发票进行犯罪的案件屡禁不止，同时还存 在增值税与营业税，增值税与消费税相互交叉问题。如何管理好发票（尤其 是增值税专用发票），是摆在每个税务干部面前的一个重大课题。同时，还 存在分析、审核、确认纳税人是否具有享受纳税活动中各种资格的待批文书 审核问题。如果利用税收业务专家的知识和经验构造成税收专家系统，将大 大提高各项管理工作的准确性和高效性，同时可以避免可能出现的违法乱纪 现象。专家系统技术从八十年代后期开始出现第二代专家系统工具，例如： CLIPS、NEXPERTOBJECT、KEE 的工作站 C 版本 PROKAPPA、ART-IM 等。 我们将在分析、消化国外技术的基础上，使用面向对象的技术研究适用于税 收领域的知识表示方法，开发适用于税收领域的面向对象的知识处理系统， 它由推理机、语言解释器、工具库、可视化知识管理工具四部分组成，同时 考虑以税收管理信息系统为基础，这个知识信息处理系统需要具有直接从数 据库中读取数据的功能。在此基础上，使用这个知识信息处理系统开发适用 于文件审核、发票稽核、税务检查结果分析等任务的专家系统。税务稽查选案步骤计算机选案是依据计算机占有的征管资料，进行分析、对比、排列和组合， 从中发