Maksupettused põhjustavad valitsustele üle maailma märkimisväärseid finantskahjusid. Valitsused üritavad maksupettuste avastamise võimekust parandada ja valitsuse tulude kaitset suurendada, kasutades üha enam masinõppe strateegiaid. Kuid praegused avastamisstrateegiad on piiratud, mis tekitab vajaduse uue lähenemisviisi järele.
King Saudi Ülikooli teadlaste hiljutine publikatsioon tutvustab revolutsioonilist masinõppe raamistikku maksupettuste avastamiseks. Selle raamistiku eripära on see, et see ühendab juhendatud ja juhendamata mudelid, kasutades ansambliõppe paradigmasid täpsuse ja ülevaatlikkuse parandamiseks.
Raamistik koosneb neljast moodulist:
1. Juhendatud moodul: Rakendab maksudeklaratsioonide klassifitseerimiseks äärmusliku graadienttõusude (XGBoost) mudelit. Mudel genereerib maatriksi, mis esindab maksudeklaratsioonide omistamist iga puu lehenodele ning see muutub järgmise mooduli sisendiks.
2. Juhendamata moodul: Kasutab autokodeerijaid, et tuvastada algandmetes anomaaliaviiteid. Sisendi kodeerimise ja taasloomise abil tuvastatakse anomaaliad koos taasloomise veaga. Saadud maatriks ja anomaalia skoorid suunatakse järgmisesse moodulisse.
3. Käitumismoodul: Mõõdab iga maksukohustuslase kohta vastavusskoori, võttes arvesse auditi tulemusi ja aega. See skoor kajastab vastavust või mittevastavust aja jooksul, pakkudes väärtuslikku teavet pettuste avastamiseks.
4. Ennustusmoodul: Ühendab kõik loodud omadused maksupettuste ennustamiseks. Selleks kasutatakse juhendatud mooduli, juhendamata mooduli ja käitumismooduli sisendeid, kasutades kahte klassifikaatorit (tehislik neuronvõrk ja toeturvektormasin) loodud omaduste jõudluse testimiseks.
Saudi Maksu-, Tolli- ja Tulumaksuameti andmete alusel läbi viidud hindamisuuring näitas paljulubavaid tulemusi. Tehislik neuronvõrk mudel näitas suurt täpsust “pettus” klassi ennustamisel. Raamistik ületas mudelid, mis kasutasid ainult algandmeid, näidates oma potentsiaali ülemaailmseks vastuvõtmiseks.
Raamistikul on mõned piirangud, hoolimata selle edust. Need hõlmavad eeldusi ühtlase käitumise kohta sektoris/ettevõtte suuruses ning paljude maksukohustuslaste puhul vastavusskoori lähedast nulli. Siiski suurendab see innovaatiline lähenemisviis märkimisväärselt maksuhaldurite võimet maksupettusi avastada. Raamistiku juhendatud ja juhendamata mudelite integreerimine käitumise vastavusskooridega pakub potentsiaalset paradigmamuutust pettuste avastamisel, soodustades täpsemaid ja ülevaatlikumaid meetmeid.
The source of the article is from the blog yanoticias.es