| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 2 税收分析相关研究 | 第13-23页 |
| 2.1 税收分析概念 | 第13页 |
| 2.2 数据挖掘中的分类算法 | 第13-19页 |
| 2.2.1 数据挖掘 | 第13-14页 |
| 2.2.2 分类预测 | 第14-15页 |
| 2.2.3 特征选择 | 第15页 |
| 2.2.4 常见分类算法 | 第15-17页 |
| 2.2.5 分类算法性能评估指标和提高分类效果的技术 | 第17-19页 |
| 2.3 数据仓库在数据挖掘中的应用 | 第19-22页 |
| 2.3.1 数据仓库的概念与特点 | 第19页 |
| 2.3.2 数据仓库的系统结构 | 第19-21页 |
| 2.3.3 数据仓库的实现策略和设计 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 税收数据数据仓库设计 | 第23-35页 |
| 3.1 税收数据概述 | 第23-25页 |
| 3.2 税收数据过滤 | 第25-28页 |
| 3.2.1 纳税数据分析 | 第26页 |
| 3.2.2 数据过滤方法 | 第26-27页 |
| 3.2.3 数据过滤结果 | 第27-28页 |
| 3.3 数据仓库的建立 | 第28-30页 |
| 3.3.1 数据分析目标 | 第28页 |
| 3.3.2 多维数据模型设计 | 第28-29页 |
| 3.3.3 数据库维度表数据准备 | 第29-30页 |
| 3.3.4 使用Data Tools建立数据仓库 | 第30页 |
| 3.4 多维税务分析 | 第30-33页 |
| 3.4.1 行业主题分析 | 第30-31页 |
| 3.4.2 税务机关主题分析 | 第31-33页 |
| 3.4.3 税收数据分析总结 | 第33页 |
| 3.5 企业关联网络分析 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 税源企业欠税预测模型 | 第35-43页 |
| 4.1 税源欠税预测概述 | 第35-36页 |
| 4.1.1 欠税预测目标 | 第35页 |
| 4.1.2 欠税预测假设 | 第35-36页 |
| 4.1.3 欠税预测方法 | 第36页 |
| 4.2 基于分类的欠税预测模型 | 第36-42页 |
| 4.2.1 针对税源企业的欠税预测模型 | 第37-41页 |
| 4.2.2 分类预测算法 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 5 实验与性能评估 | 第43-52页 |
| 5.1 实验设计 | 第43-45页 |
| 5.1.1 实验环境 | 第43-44页 |
| 5.1.2 实验数据集 | 第44页 |
| 5.1.3 评价指标 | 第44-45页 |
| 5.2 实验结果及分析 | 第45-51页 |
| 5.2.1 预处理的税收数据 | 第45页 |
| 5.2.2 税源企业欠税的预测结果 | 第45-51页 |
| 5.3 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 本文工作总结 | 第52页 |
| 6.2 未来工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录 | 第57-60页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第57页 |
| B. 分类预测模型特征构建举例 | 第57-60页 |