應用資料採礦與雲端技術於智慧型稅務選案

Application of Data Mining and Cloud Computing in Intelligent Tax Model

10.6338/JDA.201110_6(5).0004

楊雅茹(Ya-Ju Yang)；歐益昌(Yih-Chang Ou)

雲端運算 ； 模擬 ； 智慧型稅務選案 ； 資料採礦 ； Intelligent Tax Model ； Data Mining ； Cloud Computing

Journal of Data Analysis

6卷5期（2011 / 10 / 01）

57 - 75

繁體中文

政府的財政收入主要來自向人民或企業課徵租稅，因此稅收是穩固一個國家的主要財源。近年來，由於稅務的申報管道多元且便利化，申報案件快速增加，加上逃漏稅的風氣糜爛。在查核人員不足下，無法逐一查核而改為選案查核。因此如何有效的進行逃漏稅查緝及稽查機關效率的提升是個迫切的問題。本研究將嘗試以資料採礦方法與雲端技術建構智慧型稅務選案查核之模型。首先，將資料採礦的建模流程，導入稅務選案標準作業流程。將此分析流程與統計計算將應用於R程式軟體，並建立專業智慧型稅務選案平台在雲端上。本研究以台北市國稅局98年零稅率冒退案件作為分析資料。由研究結果得知最終羅吉斯迴歸模型在整體預測率達八成左右，反查率也達八成二左右，故本研究建立之「稅務選案標準作業流程」對於查核稅務選案有一定的效力。再加上本研究建構之智慧型稅務選案系統，介面操作簡單且方便，使稽查人員不需要具備相關的統計背景，也不須購買昂貴的統計軟體及熟悉特定的程式語言，只要連結上網路即可建立稅務選案預測模型。

Government incomes come from the tax; therefore tax is an important financial resource of countries. In recent years, due to tax channels are multiform and convenient, tax cases increase so fast and tax evasion is very serious. But they lack of staff, so they can't afford to check each case. Therefore, how to investigate tax evasion and improve the efficiency is a pressing issue. This study will combine data mining methods and cloud computing to build Intelligent Tax Model. First, we use Cross-Industry Standard Process for Data Mining to establish Standard Operation Procedure. We use R Project for Statistical Computing, and build Intelligent Tax Model System.In this study, the data is Taipei National Tax Administration in 2009. Research conclusion showed that the logistic regression model with 80% in Accuracy Rata and 82% in Recall Rate. So, the Standard Operation Procedure is effective to select tax. Besides, the system interface operation is simple and convenient. So inspectors don't have the statistical background, don't buy statistical software, too. As long as to connect with internet, we just can establish Tax Model.

1. 陳彥文(2003)。碩士論文(碩士論文)。銘傳大學資訊管理學系碩士班。
   連結：
2. http://download.boulder.ibm.com/ibmdl/pub/software/dw/wes/hipods/Cloud_computing_wp_final_8Oct.pdf
3. 林宗勳（2010）。Support Vector Machines 簡介。取自：http://www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/SVM2.pdf
4. Boss, Greg,Malladi, Padma,Quan, Dennis,Legregni, Linda,Hall, Harold(2007).Cloud ComputingIBM WhitePaper.
5. Breiman, L.(2001).Random Forest.Machine Learning J.,45,5-32.
6. Brrry, M. J. A.,Linoff, G.(1997).Data Mining Techniques: For Marketing Sale and Customer Support.Wiley Computer.
7. Burges, C. J. C.(1998).A tutorial on support vector machines for pattern recognition.Data Mining and Knowledge discovery,2(2),121.
8. Cristianini, N.,Shawe-Tayor, J.(2000).An Introduction to support vector machines.Cambridge, UK:Cambridge University Press.
9. Frawley, W.,Piatetsky-Shapiro, G.,Matheus, C.(1992).Knowledge Discovery in Databases: An Overview.AI Magazine,1992(Fall),213-228.
10. Freeman, J. A.,Skapura, D. M.(1992).Neural networks algorithms, applications, and programming techniques.MA:Addison-Wesley Publishing Company.
11. Grupe, F.H.,Owrang, M.M.(1995).Database Mining Discovering New Knowledge And Cooperative Advantage.Information System Management,12(4)
12. Hand, D.,Mannila, H.,Smyth, P.(2001).Principles of Data Mining.Cambridge, MA:MIT Press.
13. Li, S. T.,Shiue, W.,Huang, M. H.(2006).The evaluation of consumer loans using support vector machines.Expert Systems with Applications,30,772-782.
14. Rothstein, H. G.(1986).The effects of time pressure on judgment in multiple cue probability learning.Organizational Behavior and Human Decision Process,73(1),83-92.
15. Smola, A. J.(1998).Learning with kernels.Berlin:Technology University.
16. Sultan, Nabil(2010).Cloud computing for education: A new dawn?.International Journal of Information Management,30(2),109-116.
17. 吳慶輝(2006)。碩士論文(碩士論文)。國立中正大學會計與資訊科技研究所。
18. 李浩維(2010)。碩士論文(碩士論文)。嶺東科技大學數位媒體設計研究所。
19. 周貞慧(1985)。碩士論文(碩士論文)。國立中央大學統計研究所。
20. 林坤淵(2002)。碩士論文(碩士論文)。國立交通大學經營管理研究所。
21. 林俊劭、楊之瑜(2009)。雲端運算為何改變10億人？。商業週刊，1146，50。
22. 陳會安、陳峰棋(2003)。PHP網頁設計範例教本。學貫行銷股份有限公司。
23. 陳瀅(2010)。雲端策略：雲端運算與虛擬化技術。天下雜誌。
24. 黃傳益(2008)。碩士論文(碩士論文)。國立成功大學工程研究所。
25. 黃壽佐(1970)。碩士論文(碩士論文)。國立政治大學財政研究所。
26. 熊毅晰(2009)。大公子林顯東的e化奇謀60歲長春用iphone自我革命。天下雜誌，438
27. 劉興浚(1998)。碩士論文(碩士論文)。元智大學管理研究所。
28. 謝邦昌、蘇志雄、鄭宇庭、葉紹緯(2005)。資料採礦與商業智慧─SQL Server 2005。鼎茂圖書出版股份有限公司。