ارائه يك الگوريتم يادگيري عميق با رويكرد نيمه نظارتي براي تشخيص ناهنجاري

كارشناسي ارشد

چكيده در حال حاضر، مميزان مالياتي با چالش شناسايي و جمع‌آوري درست ماليات از كسب‌وكارهايي روبرو هستند كه از پرداخت صحيح ماليات به گونه‌اي طفره مي‌روند. در مقابله با اين فرار مالياتي، مسئولان مالياتي از منابع محدود و روش‌هاي سنتي صحت ماليات استفاده مي‌كنند. اين روش‌ها كه اغلب زمان‌بر و پرهزينه هستند، در مقابل روش‌هاي نويني قرار مي‌گيرند كه از تكنيك‌هاي كامپيوتري به منظور كشف سريع و كم‌هزينه‌ي مظنونان به فرار مالياتي استفاده مي‌كنند.در اين مطالعه تكنيك‌هاي مختلف داده‌كاوي و يادگيري ماشين به عنوان روشي براي مقابله با فرار مالياتي مطرح و مورد استفاده قرار گرفته‌اند. هم‌چنين اين تكنيك‌ها با يكديگر مقايسه و در انتها ‌يك الگوريتم‌ يادگيري عميق با رويكردنيمه نظارتي به منظور كمك به كاهش فرار مالياتي ارائه شده است. در اين الگوريتم پيشنهادي، از داده‌هاي مربوط به سازمان مالياتي كشور به صورت ناشناخته استفاده شده است و نتايج حاصله از اجراي تكنيك‌هاي مختلف داده‌كاوي بر روي آن بررسي شده‌اند. بنابراين نتايج حاصله بيانگر آن است كه ميزان دقت و كارآيي روش پيشنهادي به مراتب از روش‌هاي موجود مناسب‌تر و همچنين كم هزينه‌تر است. كلمات كليدي: ماليات، داده‌كاوي، يادگيري ماشين، فرار مالياتي

189281

دانشگاه علم و صنعت ايران

دكتر محمدرضا دليري

هوش مصنوعي و رباتيك

دكتر بهروز مينايي