数据挖掘技术在税收风险管理系统中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 本文研究的主要内容和结构 | 第10-12页 |
| 第二章 税收风险管理系统和数据挖掘技术 | 第12-18页 |
| 2.1 税收风险管理系统 | 第12-15页 |
| 2.1.1 税收风险管理系统简介 | 第12-13页 |
| 2.1.2 税收风险管理系统中用到的技术 | 第13-15页 |
| 2.2 数据挖掘技术 | 第15-18页 |
| 第三章 关联规则方法 | 第18-31页 |
| 3.1 关联规则的基本概念 | 第18-19页 |
| 3.1.1 支持度和置信度 | 第18页 |
| 3.1.2 项集、频繁项集、闭项集和关联规则 | 第18-19页 |
| 3.2 Apriori算法 | 第19-24页 |
| 3.2.1 利用先验性质产生频繁项集 | 第20页 |
| 3.2.2 频繁项集产生关联规则 | 第20-21页 |
| 3.2.3 提升Apriori算法的性能 | 第21-23页 |
| 3.2.4 实验及结果分析 | 第23-24页 |
| 3.3 FP-Growth算法 | 第24-27页 |
| 3.3.1 FP-Growth集算法简介 | 第24-25页 |
| 3.3.2 挖掘步骤 | 第25-26页 |
| 3.3.3 实验及结果分析 | 第26-27页 |
| 3.4 关联规则挖掘的分类 | 第27-28页 |
| 3.5 挖掘多层和多维关联规则 | 第28-29页 |
| 3.5.1 多层关联规则 | 第28页 |
| 3.5.2 多维关联规则 | 第28-29页 |
| 3.6 关联规则的评估 | 第29-31页 |
| 第四章 关联规则方法在税收风险管理系统中的应用 | 第31-44页 |
| 4.1 确定挖掘目标 | 第31-34页 |
| 4.2 业务分析和数据加工 | 第34-37页 |
| 4.2.1 业务分析 | 第34-35页 |
| 4.2.2 数据加工 | 第35-37页 |
| 4.3 运用关联规则算法 | 第37-38页 |
| 4.4 税收风险管理模块设计与实现 | 第38-44页 |
| 4.4.1 税收风险管理流程 | 第38-39页 |
| 4.4.2 建立风险识别模型 | 第39-40页 |
| 4.4.3 设置指标和预警值 | 第40-42页 |
| 4.4.4 质效评价 | 第42-44页 |
| 第五章 总结和展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |
