1、稅務智能決策支持稅收是國家財政收入的主要來源，起著聚財和宏觀經濟調控的作用。目前， 通過稅務部門組織的收入一直占國家財政收入的90%以上。隨著社會主義市 場經濟體制的建立和完善，稅收工作在國民經濟建設中起著越來越重要的作 用。為了充分發揮稅收在社會主義現代化建設中的重要作用，黨中央、國務院 對此十分重視。在八屆人大四次會議上批準的中華人民共和國國民經濟和 社會發展九五計劃和2010年遠景目標綱要中明確指出：要完善稅收征 管制度、強化管理監督，并要加快應用計算機進行稅收征管的步伐。國家稅 務總局為了貫徹落實這一科技興稅的戰略目標，加快稅務管理現代化進程 和稅收電子化步伐，特制定了稅收電子化工程九

2、五時期發展規劃來統 籌部署全國范圍內的稅收電子信息化工程的建設。面對當前信息化技術的挑戰，稅收信息系統不僅要為稅收各種業務的統計、 資料收集、處理提供現代化手段，還需要為管理部門制定經營計劃、研究發 展戰略和評估經營成果提供數據信息、計算處理、綜合處理等輔助決策工具。 沒有一個智能化的決策支持系統，很難有效地適應稅收現代化的戰略決策， 為稅收領域的科學化管理、數據分析、風險分析和預測提供高科技手段。稅 收領域智能決策支持系統是現代化的稅收信息系統必不可少的組成部分，與 國民經濟的發展密切相關。研究建立和發展現代化的稅收領域智能決策支持 系統，準確地把握稅源的動態，實現對整個稅收活動有效地管理和

3、決策，具 有重大的經濟效益和社會效益。稅收領域智能決策支持系統是建立在稅收管理信息系統的基礎上，集成管 理科學、人工智能、神經計算等多學科技術，面向稅務工作管理層的智能軟 件系統。它運用高度智能化的技術來提高稅務工作的管理效率，加強對納稅 人經濟活動的全面監督管理，加速稅收領域的電子化和科學化管理進程。現狀國外經濟發達國家早在六、七十年代就已將計算機技術應用到稅收業務上。 各國政府投入巨額資金，建立龐大的全國計算機網絡，有統一規范的信息系 統支持，各種納稅事務的處理，包括對納稅人的監控和稽查，都通過計算機 網絡進行，收到很好的效果。近年來，許多發展中國家也把稅收電子化作為 加強政府經濟調控能力

4、的最主要措施來抓。可以說，除稅收法制健全的因素 外，稅務工作擁有先進的管理手段，是這些國家稅收秩序良好的主要原因。 在技術上，稅收信息系統大都采用客戶機/服務器(Client/Server)體系結構， 采用先進的大型數據庫和網絡系統。另一方面由于西方發達國家，采用分稅制較早，管理有一定的基礎，制度 比較規范，所以應用效果比較明顯。比如：美國分聯邦稅和州稅，聯邦稅由 國家財政統一征收和管理，州稅則由各州地方政府征收和管理。由于稅收的 特殊地位，不管是聯邦稅的征管，還是州地方稅的征管都自上而下地統籌規 劃，加大對信息及電子化工程的投入，使稅務部門在計算機應用上發揮了積 極作用。我國的稅收信息化的建

5、設歷程始于二十世紀八十年代。20年來，我國的稅 務信息化的發展軌跡大致可劃分為三個階段：第一階段是模擬手工操作的稅 收電子化階段，其總體特征為采用數據庫技術，依托單機和局域網，涉及稅 務應用的操作層次，對稅收業務的重要環節實現了手工操作的計算機化。第 二階段是步入面向管理的稅收管理信息系統階段，其總體特征為采用關系型 數據庫、客戶機/服務器模式及圖形化界面，依托廣域網進行分布式處理，涉 及稅務應用的操作和管理層次。第三階段是實現創造稅收價值的全方位稅收 服務系統階段，其總體特征為采用WEB技術和組件化結構，依托互聯網實 現集中式處理，涉及稅務應用的操作、管理和決策層次，并對納稅人進行全 面的管

6、理與服務。業界專家、神州數碼軟件有限公司政府事業部總經理孫可加博士指出，目 前，中國的稅務信息化正處于由面向管理的稅收管理信息系統的第二階段向 建立全方位稅收服務系統的第三階段邁進的時刻。加快建設世界一流的稅收 管理信息系統，實現稅務信息化的跨越式發展，使之符合電子政務發展的 需求，已是擺在我們面前的十分現實的奮斗目標，也是中國稅務信息化發展 的必然趨勢。基于我國電子政務的大環境，國家對于稅務信息化工作已經明確提出了其 總體目標，即根據一體化原則，用4到5年的時間，建設一個基于統一稅務 規范的應用系統平臺，稅務機關將依托稅務系統的計算機廣域網，以總局為 主，以省局為輔，高度集中處理信息，稅務信

7、息化系統的功能設計將覆蓋各 級稅務機關的所有職能。1999年，神州數碼承建國家稅務總局的”中國稅收征管信息系統CTAIS”， 目前該系統已在全國21個省市的73個城市的國稅部門推廣應用，涉及稅收 占全國國稅總收入的30%。此外，神州數碼的其它稅收征管應用軟件產品還 在北京地稅、廣東地稅、貴陽國稅、云南國稅和新疆國稅等地推廣運行。CTAIS系統全面覆蓋基層業務處理、管理監控和輔助決策等各個稅收征管 環節的業務，提供了管理服務、征收監控、稅務稽查、稅收法制及稅務執行 等五個系列的基層稅收征管系統和市局級管理與監控系統。CTAIS較充分地 考慮了稅收應用系統的特點，功能全面，業務監控關系嚴密，能夠滿

8、足全國 統一規范的要求。目的與意義面對當前信息化技術的挑戰，稅收信息系統不僅要為稅收各種業務的統計、 資料收集、處理提供現代化手段，還需要為管理部門制定經營計劃、研究發 展戰略和評估經營成果提供數據信息、計算處理、綜合處理等輔助決策工具。 沒有一個智能化的決策支持系統，很難有效地適應稅收現代化的戰略決策， 為稅收領域的科學化管理、數據分析、風險分析和預測提供高科技手段。稅 收領域智能決策支持系統是現代化的稅收信息系統必不可少的組成部分，與 國民經濟的發展密切相關。研究建立和發展現代化的稅收領域智能決策支持 系統，準確地把握稅源的動態，實現對整個稅收活動有效地管理和決策，具 有重大的經濟效益和社

9、會效益。自八十年代中期以來，在全國各地已有大量稅收軟件系統交付使用，但這 些系統絕大多數運行于局域網環境下，功能上僅僅是模仿手工處理方式來進 行事務處理，目前還沒有做到對信息的有效管理，更談不上輔助決策能力。 稅收數據量十分浩繁，這些數據是非常寶貴的信息資源，如果不進行整理、 分析、提取，將使稅務工作人員陷于大量的數據中，嚴重地影響工作效率， 同時造成資源的大量浪費。較之發達國家，我國的稅收計算機信息系統相對 落后，尚處在引進、消化和創建階段。由于我國的國情與國外有較大的差異。 我們必須根據我國稅法及經濟狀況，運用先進的科學技術，高起點地研制出 適合我國國情的稅收領域智能決策支持系統，以適應目

10、前我國征管改革的需 要。稅收領域智能決策支持系統是建立在稅收管理信息系統的基礎上，集成管 理科學、人工智能、神經計算等多學科技術，面向稅務工作管理層的智能軟 件系統。它運用高度智能化的技術來提高稅務工作的管理效率，加強對納稅 人經濟活動的全面監督管理，加速稅收領域的電子化和科學化管理進程。在稅收智能決策支持系統中，數據分析理論和智能技術是重要的組成部分。 現代稅收數據分析的理論和模型，是掌握和分析稅收的行為與趨勢的有效工 具。為了對稅收政策、科學管理、數據分析、稅收預測和決策、以及對稅源 發展目標的評佑、偷漏稅行為的控制和管理提供更有效的手段，可以采用專 家系統、數據開采、基于范例推理等技術。

11、從當前的國際和國內情況來看， 智能決策系統模型和信息系統模型，特別是稅務領域的信息系統模型越來越 依賴于建立對變化環境具有自適應性的計算模型和工具。在稅收信息系統的 決策模型工程中，基于機器學習，非線性動力學系統和適應性技術的模型更 適合于理解動態變化的市場行為。人工智能技術（包括機器學習系統，基于知 識和規則的推理系統）是稅務決策系統中起著關鍵影響的技術。內容面向稅收業務的智能決策專題是根據我國國情，按照稅法和稅收征管改革 的需要，在稅收管理信息系統的基礎上，運用現代管理學的理論和方法以及 先進的計算機技術，使用傳統的數學統計方法、基于范例推理、專家系統、 數據開采和人工神經網絡等智能技術相

12、結合進行稅收數據分析、稅款征收預 測、計算機自動稽查選案等稅收領域任務。1稅收數據分析預測稅收數據分析預測主要包括兩方面的內容：稅收預測其中主要是稅收能力的估算，稅收預測的主要作用是澄清稅收和國民經濟 宏觀指標之間的關系，這些宏觀經濟指標包括國內生產總值、固定資產投資、 社會商品零售總額、貨幣投放量等國民經濟先行指標，還需要估算稅種結構、 地區結構、地區都市化程度的不同對稅收的影響，得出宏觀稅負、稅收和國 內生產總值的增長彈性，增長波動幅度，稅收的絕對增長，稅收結構變動等 綜合結論，在此基礎上估算納稅能力，從而為預算稅收收入和制訂稅收計劃 提高決策的依據.稅收計劃包括計算年度、月度的稅收計劃。

13、科學、準確的稅收計劃對于政府各部門 制訂計劃起著重要的參考作用，同時也是考查稅務干部工作成績的一項重要 依據。稅收數據分析預測不僅是稅務部門本身制訂計劃的重要參考，而且為國家 及各級政府財政預算提供科學的依據，是稅務部門的一項重要職能。稅收數 據分析預測除了和稅收征管的數據有關外，更多的和宏觀經濟數據有關，涉 及的因素較多，數據量龐大，由于受過去的計劃經濟體制影響和計算機應用 水平的限制，這方面的問題的未得到根本解決。對于稅收數據的分析預測任務，傳統的決策分析和數據分析理論中數學模 型是必不可少的，它是進行數據分析和預測的最基本的手段。但是對時間段 較短的數據和非結構化的數據來說，單純使用數學

14、模型可能滿足不了實際的 需要，而人工神經網絡作為一種并行的動力學系統模型，特別適用于在統計 推理、模式識別、聯想記憶、聚類和分類活動方面模擬人的智能，它的出現 和發展解決了這類問題。2稅務稽查計算機自動選案稅務稽查對象的確定，是指按照稅務稽查計劃范圍、工作目標以及稅務違 法案源線索對稽查對象的選擇和確定。科學地確定稽查對象對于開展稽查工 作具有重大意義。稅務稽查行為，是國家賦予稅務機關的行政執法權力，它必須符合法律規 定，并受法律約束。稅務稽查行為是由具體稅務人員來完成的，在稽查人員 同納稅人有某種利害關系的情況下，人的感情因素和個人意志很容易同執法 行為相混淆，而使執法行為失之公正。這就要求

15、稽查對象的確定應該是客觀 公正的，在客觀條件相同的情況下的納稅人接受稽查的機會應該是均等的， 只有科學地確定稽查對象，才能保證稽查工作的順利進行。稅收的原則之一即是效率原則，稅務稽查也必須遵循這一基本原則，使稽 查活動以最少的人力、物力消耗，收到最大的稽查成果。這就要求確定稽查 對象必須具有科學性、準確性，即能通過對納稅人財務信息和納稅情況的分 析、處理，最大限度地發現疑點和問題，為稽查提供可靠充分的線索和依據。由此可見，科學、準確地確定稅務稽查對象，有利于保證稽查執法的客觀 公正，提高稽查的質量和效益，促進稽查計劃目標的順利實現。我們將使用基于規則和基于范例推理相結合的專家系統技術和數據開采

16、技 術建立高效、開放、靈活的稅務稽查計算機自動選案系統。關鍵技術面向稅收業務的智能決策專題是根據我國國情，按照稅法和稅收征管改革 的需要，在稅收管理信息系統的基礎上，運用現代管理學的理論和方法以及 先進的計算機技術，使用傳統的數學統計方法、基于范例推理、專家系統、 數據開采和人工神經網絡等智能技術相結合進行稅收數據分析、稅款征收預 測、計算機自動稽查選案等稅收領域任務。分類規則發現是最常用的數據開采操作，其目的是利用歷史數據紀錄，從 中自動推導生成能總結出對給定歷史數據的推廣描述，從而能預測未來數據 的行為。例如通過對給定的納稅數據推導出偷漏稅情況的泛化規則，可以發 現偷漏稅這種異常規則。當前

17、這方面已有大量的成熟技術，如CART、C4.5 等符號歸納技術，以及反向傳播等神經網絡技術。2-6項技術都可以進行分 類規則發現。計算機選案指標是稅務機關對已儲存的有關信息資料進行加工、處理后取 得的可供分析納稅人納稅情況的指標。科學設置計算機選案指標是決定計算 機選案的深度和廣度的關鍵。從目前情況來看，計算機選案（主要是增值稅、 消費稅、營業稅、企業所得稅選案指標）使用的主要變量有：進項稅額、銷 項稅額、應納稅額、應稅銷售額、銷售成本、期初存貨、期末存貨、銷售收 入、銷售稅金、銷售利潤、銷售毛利、應收賬款、負債總額、資產總額、本 期折舊額、固定資產原值、投資收益額、長期投資、短期投資、工資總

18、額、 平均職工人數、產值，共計22項。而選案指標更多，有進項、銷項稅額比較， 銷售稅金負擔率，加成率分析，銷售利潤率變化幅度（橫行比較、縱向比較） 華華 等等。選案指標會隨著經濟形勢的發展和稅制結構、稅收政策的變化、稅收違法 手段以及對計算機開發應用程度的變化而相應變化，各級稽查機關應當根據 不同階段的經濟發展情況以及稅收政策的調整等經常調整和修改這些指標， 以適應選案的實際需要。1主成分分析在眾多的指標中，每個指標對選案的影響是不一樣的；而且指標對選案的 影響也會隨著經濟形勢的變化而變化。如何從眾多的指標中選擇對選案最有 映像的指標呢？我們講采用主成分分析來確定對選案有最大影響的指標。2神經

19、網絡人工神經網絡是一種并行的非線性動力學系統模型，設計合理的神經網絡 結構和選擇合適的學習算法，是人工神經網絡數據分析預測的關鍵步驟。我 們將根據稅收數據分析預測的具體需要，設計一個多種神經網絡模型集成的 人工神經網絡系統，對稅收數據進行分析和處理。具體說來，基于人工神經 網絡的稅收數據分析預測包括以下過程：（1）原始數據統計預處理分析：由統計模型實現，主要采用平均移動，波動分柝偏差分析和相對差異率分 析來實現經濟環境特征指標的抽取。（2）前饋神經網絡模型經濟環境特征指標預測：由前饋神經網絡模型實現，它實現經濟環境特征指標的時間序列預處理分 析，給出了未來經濟環境特征指標的時間序列預測，通過它

20、實現對未來經濟 環境特征指標的預測、分析處理。（3）自組織神經網絡模型的對于經濟環境特征指標的可視化表示：由自組織特征映射（SOM）神經網絡實現，它對經濟環境特征指標進行可 視化表示，實現對于政策因素和人為因素離散指標的分類可視化表示。（4）混合神經網絡模型作為經濟環境特征指標與稅收數據關系的決策模型：由混合結構專家神經網絡模型實現，它實際上是經濟環境特征指標與稅收 數據關系的決策系統，由它實現對于經濟環境特征指標與稅收數據間關系的 分析。（5）適應性智能處理模型：用作為對預測分析處理的數據進行決策分析，綜合集成與匹配，產生最終 的預測、決策的結果，統計圖表和圖表的比較。人工神經網絡數據分析和

21、預測和基于傳統統計方法的數學模型的分析預測 并不矛盾，兩者之間互為有益的補充。人工神經網絡數據分析預測特別適用 于下列情況：數據的時間段很短，難以建立數學模型的數據集；難于用傳統統計方法描述的非結構化數據；傳統統計模型難以描述的數據分析預測。神經網絡除了可以用來進行稅收數據分析預測外，還可以進行進行稽查選 案，具體步驟如下：（1）對計算機選案的結果進行評估，然后作為訓練樣本，送入神經網絡進 行訓練(2)來了新的樣本后，即可使用該神經網絡進行選擇。然后對新的選案結 果進行評估，加入樣本庫，用來進行下次訓練。3決策樹決策樹(decision tree)學習是以實例為基礎的歸納學習算法。它著眼于從

22、一組無次序、無規則的事例中推理出決策樹表示形式的分類規則。它采用自 頂向下的遞歸方式，在決策樹的內部結點進行屬性值的比較并根據不同的屬 性值判斷從該結點向下的分支，在決策樹的葉結點得到結論。所以從根到葉 結點的一條路徑就對應著一條合取規則，整棵決策樹就對應著一組析取表達 式規則。基于決策樹的學習算法的一個最大的優點就是它在學習過程中不需 要使用者了解很多背景知識(這也同時是它最大的缺點)，只要訓練例子能夠 用屬性-結論式的方式表達出來，就能使用該算法來學習。一棵決策樹的內部結點是屬性或屬性的集合，葉結點是所要學習劃分的類， 下面將內結點的屬性稱為測試屬性。當經過一批訓練實例集的訓練產生一棵 決

23、策樹，決策樹可以根據屬性的取值對一個未知實例集進行分類。使用決策 樹對實例進行分類的時候，由樹根開始對該對象的屬性逐漸測試其值，并且 順著分支向下走，直至到達某個葉結點，此葉結點代表的類即為該對象所處 的類。4貝葉斯網絡貝葉斯網絡是用來表示變量間連接概率的圖形模式，它提供了一種自然的 表示因果信息的方法，用來發現數據間的潛在關系。在這個網絡中，用節點 表示變量，有向邊表示變量間的依賴關系。貝葉斯理論給出了信任函數在數 學上的計算方法，具有穩固的數學基礎，同時它刻畫了信任度與證據的一致 性及其信任度隨證據而變化的增量學習特性；在數據挖掘中，貝葉斯網絡可 以處理不完整和帶有噪聲的數據集，它用概率測

24、度的權重來描述數據間的相 關性，從而解決了數據間的不一致性，甚至是相互獨立的問題；用圖形的方 法描述數據間的相互關系，語義清晰、可理解性強，這有助于利用數據間的 因果關系進行預測分析。貝葉斯方法正在以其獨特的不確定性知識表達形式、 豐富的概率表達能力、綜合先驗知識的增量學習特性等成為當前數據挖掘眾 多方法中最為引人注目的焦點之一。5支持向量機支持向量機(Support Vector Machine, SVM)建立在計算學習理論的結構 風險最小化原則之上。其主要思想是針對兩類分類問題，在高維空間中尋找 一個超平面作為兩類的分割，以保證最小的分類錯誤率。而且SVM 一個重 要的優點是可以處理線性不

25、可分的情況。6粗糙集知識約簡在保持知識庫的分類或決策能力不變的條件下，刪除其中 不相關或不重要知識冗余知識一一資源的浪費；干擾人們作出正確而簡潔的決策 Rough Set一把那些無法確認的個體都歸屬于邊界線區域，而這種邊界 線區域被定義為上近似集和下近似集之差集(Z.Pawlak)知識約簡是粗糙集的核心內容之一7統計分析最基本的統計分析方法。8關聯規則關聯規則發掘的研究是近幾年研究較多的數據挖掘方法，在數據挖掘的各 種方法中應用也最為廣泛。在數據挖掘的知識模式中，關聯規則模式是比較 重要的一種。關聯規則的概念由Agrawal、Imielinski、Swami提出，是數據 中一種簡單但很實用的規

26、則。關聯規則模式屬于描述型模式，發現關聯規則 的算法屬于無監督學習的方法。在稽查選案中，可以使用關聯規則判斷各個指標間的關聯程度，然后可以 進行指標合并，從而簡化選案的復雜度。9隱馬爾科夫模型俄國有機化學家Vladimir Vasilyevich Markovnikov于1870年提出了馬爾科 夫(Markov)模型，其本質上是一種隨機過程。隱馬爾科夫模型(Hidden Markov Model, HMM)是一個二重馬爾科夫隨機過程，它包括具有狀態轉移概率的 Markov鏈和輸出觀測值的隨機過程。其狀態是不確定或不可見的，只有通過 觀測序列的隨機過程才能表現出來。按狀態的觀測概率密度的連續性，

27、隱馬 爾科夫模型可分為連續隱馬爾科夫模型(Continuous Hidden Markov Model, CHMM)、半連續隱馬爾科夫模型(Semi- Continuous Hidden Markov Model, SCHMM)、離散隱馬爾科夫模型(Discrete Hidden Markov Model, DHMM)。10超曲面分類11范例推理根據財務信息、申報信息、發票購買使用信息，以及各種違章信息，建立 計算機自動選案系統，為稅務稽查工作提供科學、規范的依據，從而做到 有據可依。這項工作適于使用基于范例推理的技術來完成。基于范例推理(CBR)已經是人工智能的一個發展較為成熟的分枝，各種

28、成功的應用充分顯示了這項新的人工智能技術前景遠大。例如，ARPA-Rome Planning Initiative在95年底的一份報告中提到的幾個大型的人工智能系統， 它們都使用了基于規則和基于范例推理子系統來解決復雜的真實世界問題。CBR是一種基于過去的實際經驗或經歷的推理。傳統的推理觀點把推理理 解為通過前因后果鏈(如規則鏈)導出結論的一個過程。許多專家系統使用 的就是這種規則鏈式的推理方法。在CBR中，使用的主要知識不是規則而是 范例或案例(case)，對于納稅稽查來講，這些范例記錄了納稅人的各種有 關數據。在稅務稽查中，采用CBR方法有如下好處:知識獲取容易：開發基于規則的知識系統時，

29、獲取規則或模型是最繁瑣的一件事務，需要 領域專家（納稅業務熟悉人員）和知識工程師的反復密切合作甚至推倒重來。采用CBR反復則輕松多了，因為它存儲的是范例，是納稅人的各種納稅情況， 而獲取這種范例對于領域專家來講非常方便。知識維護方便：編寫知識系統所需的啟動知識庫還僅僅是第一步。隨著系統的運行，常常 會發現初始的知識不完整而需要更新，新的知識可能會與原有知識產生沖突， 導致非常大的系統變動。CBR方法則不存在這些問題，因為范例存儲的納稅 數據是一種相對來講更貼近于納稅業務用戶的數據。用戶易接受：CBR推理的根據則是歷史事實，事實勝于雄辯，因此對用戶有說服力。在 對被懷疑的納稅人進行稽查時，由于提

30、供的依據是歷史事實依據，因此說服 力強。設計基于范例的稅務稽查選案系統要涉及如下關鍵問題：（1）.范例表示研究如何將過去所遇到的稅務稽查選案問題以一種合適的、統一的表示方 法表示出來，并將它們組織成范例庫以便統一管理。稅務稽查中涉及到財務 信息、申報信息、發票購買使用信息以及各種違章信息等不同內容的多種信 息，如何將這些信息表示成范例的形式是系統實現的第一步。范例的表示有兩部分內容，一是范例的內容，即范例應該包含哪些有關的 東西才能對問題的解決有用；二是范例的索引，它和范例的組織結構以及檢 索有關，反應了不同范例間的區別。范例一般有如下三個主要組成部分： 情景描述：范例發生時要解決的問題及周圍

31、世界的狀態；解決方案：對問 題的解決方案；后果：執行解決方案后導致的結果（周圍世界的新的狀態）。對于稅務稽查選案來講，情景描述主要是納稅人的各種數據，如財務報表、 申報征收、發票購買使用等等信息。解決方案則指該情況是否屬于可懷疑的 偷漏稅對象。范例的后果內容部分則記錄了實施解決方案后（即斷定是否偷 漏稅）的后果情況，是誤判還是正確的斷定。(2).范例檢索范例檢索過程的輸入為當前納稅人情況。通過推理分析，納稅人情況得到 細化，特別是推導出一些關鍵的可當作索引的納稅信息。檢索算法使用當前 納稅情況和細化出來的索引在范例庫中搜索。搜索需要借助匹配過程來決定 當前范例和范例庫中遇到的范例之間的匹配度或

32、相似度。檢索算法返回一組 (部分)匹配的相似范例，這些范例都有可能對當前情況有用。根據稅務稽 查選案的具體特點和需要，確定范例間的相似度準則是實現基于范例的稅務 稽查選案的關鍵。檢索過程有三個核心部分組成：檢索算法、匹配函數和情景分析。下面略 著重討論檢索算法。我們知道，數據結構和算法之間有著緊密相連的關系， 因此探討檢索算法必須和范例庫的組織結構聯系在一起，不同的范例庫組織 自然要有相應的不同算法來檢索。表結構或平面組織結構是一種簡單的組織， 而樹和圖結構則是復雜的組織。不同的范例組織有利有弊，我們將在設計時 充分考慮稽查選案的特點依具體情況而定。CBR界的研究人員已形成了一系列的范例組織和

33、檢索策略和算法。有串行 的、有并行的；有平面型的、有層次型的；有在細粒度級上建立索引以區別 不同的范例、有在粗粒度級上建立索引的。用得最多的則是倒排索引之類的 方法，既可以采用串行也可用并行策略來檢索。具體地說，有如下三種有名 的檢索方法：近鄰法、歸納法，以及模板檢索。我們也將根據稽查選案的實 際需要選擇最佳的檢索算法來完成范例檢索任務。(3).范例獲取范例收集分為兩個階段：初始范例(范例庫種子)收集階段和范例求精階 段。前者要求保證范例庫對納稅業務領域有足夠的覆蓋度以及具有可靠性。 范例求精，也就是不停的范例訓練過程，即是對范例中的有關納稅信息反復 精化，它貫穿于系統的整個生命周期。初始范例

34、的獲取是通過軟件設計人員和納稅專家之間的合作完成的，這個 工作不太復雜，不象專家系統那樣需要大量的精力和時間。順利完成的前提 是范例的表示已經定義得較好了。至于范例求精，則在系統的實際運行過程 中，根據納稅問題的具體需要，做適當的必要的修改，一般來說，由于使用 的是范例推理的方法，因此該改進工作也是較為輕松的。12專家系統稅務稽查選案有一套完整的指標體系和參數設置，同時專家的經驗又起著 重要的作用。把這些和稅務稽查選案相關的知識和經驗提取出來，以合理的 知識表示方法表示出來，是設計計算機自動稽查選案系統的基礎工作和需要 解決的關鍵問題。專家系統是運用知識進行推理的計算機程序。專家系統把某一領域

35、里被公 認的權威專家的知識或法規及各種規則精選出來，并用某種形式表示出來， 計算機將根據這些知識去模仿專家分析問題的方法和解決問題的策略，求得 問題的解答。專家系統是實現智能決策的關鍵，用從稅收業務專家頭腦中發 掘出來的稅收知識和經驗構筑起來的稅收專家系統，可使稅收業務專家的專 長不受時間和空間的限制，為更多的稅務工作者提供咨詢和建議，從而提高 一般稅務干部的工作水平。根據稅法及各種條例，分析納稅人的各種資料（基本信息，工商登記信息， 納稅申報信息，發票使用情況，違章信息及財務信息等），智能、準確地鑒 定應納稅種，同時監控納稅人的登記變化情況及納稅活動，做到對稅源宏觀 監控，微觀管理，控制漏征

36、面，是稅源分析的任務。目前增值稅專用發票管 理上還存在漏洞，利用增值稅專用發票進行犯罪的案件屢禁不止，同時還存 在增值稅與營業稅，增值稅與消費稅相互交叉問題。如何管理好發票（尤其 是增值稅專用發票），是擺在每個稅務干部面前的一個重大課題。同時，還 存在分析、審核、確認納稅人是否具有享受納稅活動中各種資格的待批文書 審核問題。如果利用稅收業務專家的知識和經驗構造成稅收專家系統，將大 大提高各項管理工作的準確性和高效性，同時可以避免可能出現的違法亂紀 現象。專家系統技術從八十年代后期開始出現第二代專家系統工具，例如： CLIPS、NEXPERTOBJECT、KEE 的工作站 C 版本 PROKAPPA、ART-IM 等。 我們將在分析、消化國外技術的基礎上，使用面向對象的技術研究適用于稅 收領域的知識表示方法，開發適用于稅收領域的面向對象的知識處理系統， 它由推理機、語言解釋器、工具庫、可視化知識管理工具四部分組成，同時 考慮以稅收管理信息系統為基礎，這個知識信息處理系統需要具有直接從數 據庫中讀取數據的功能。在此基礎上，使用這個知識信息處理系統開發適用 于文件審核、發票稽核、稅務檢查結果分析等任務的專家系統。稅務稽查選案步驟計算機選案是依據計算機占有的征管資料，進行分析、對比、排列和組合， 從中發