基于数据挖掘的税收风险管理系统设计与实现

发布时间：2019-11-29 18:08

【摘要】：税收风险管理系统是税务系统发展的客观要求,是税收征管需求的驱动,是信息技术发展的必然。论文中的风险管理系统是基于OECD(经济合作与发展组织,简称OECD)风险模型理论进行设计开发的,基于J2EE技术并综合使用了其他多种成熟的技术和方法进行开发的,并融入数据挖掘模型进行风险设计。该系统将整个风险管理流程分解为特征管理、风险识别与评定、风险应对和反馈评价四个环节。该系统首先通过识别风险,抽象出风险特征、扫描生成风险信息,对风险进行评定排序进而通过风险统筹对风险任务进行统筹下发及应对,实现对风险的核实、排查和处理,最后对风险特征的准确性和合理性进行反馈评价的过程。论文详细地阐述了风险管理系统的设计与实现过程,架构设计上分解为风险管理平台和任务管理平台。论文详细说明了该系统的业务需求分析、业务流程设计、功能模块设计、系统模块实现以及系统测试等等。在此基础上,论文将系统功能进行设计说明并一一展示。该系统融入数据挖掘模型,目前在特征设计上主要以指标性为挖掘风险点手段,并以土地增值税综合分析模型说明该风险管理系统如何应用经验指标进行特征设计。论文详细地分析了税务风险管理系统开发需求和系统架构,阐述了该系统的设计思路和实现方式,充分研究了税收风险管理理论的基础上,结合了数据挖掘模型生命周期模型,完成了税收风险管理理论到软件成果的转化。同时,在架构设计(分解为风险管理平台和任务管理平台)上,该系统更具备可拓展性、可移植性和灵活性。
【图文】：

图 2.1 OECD 风险管理模型可以看出，税收风险管理是一个分层的、结构化的、循环往复的流程。.2 相关开发技术介绍.2.1 J2EE 简介J2EE[20-23]（Java 2 Enterprise Edition，现称 JAVAEE）是 SUN 公司提出的传统技术的技术架构，是一种开发基于 Web 的应用软件软件的技术、规范服务的框架，是 Java 技术的在企业级应用上的一种规范，也是 Java 技术不企业级应用的一个必然产物。该企业推出了 J2EE 这种技术，，实现了分布式计算，由服务（Services）、序接口（APIs）和协议构成。J2EE，能给利用 Java 技术开发的服务器应用供安全性更高、移植性更好、独立性更强的企业级应用平台。J2EE 典型的四层结构包括以下四个方面，见图 2.2。

图 2.3 Web 层 2.3 所示，J2EE Web 组件主要是由三大部分组成：一是 JSP 页eb 的 Applet ，三是显示 HTML 页面的 Servlet 组成。aBeans 类（位于 Web 层），是用来管理用户输入；同时，Enterpris层中运行的）将处理输入发送过来的数据。Web 组（运行在客器（充当中间件的角色）来支持客户请求和响应，来支持 Ente。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP311.13;F812.42

【相似文献】

相关期刊论文 前10条

1 韩海萌;信息时代的指南针——数据挖掘[J];江苏统计;2002年05期

2 韩双霞;李萍;;数据挖掘:构筑企业竞争优势[J];金卡工程;2002年08期

3 李菁菁,邵培基,黄亦潇;数据挖掘在中国的现状和发展研究[J];管理工程学报;2004年03期

4 ;中国科学院数据挖掘与知识管理学术研讨会在京举行[J];管理评论;2004年07期

5 李峰;数据挖掘在企业中的应用[J];商场现代化;2004年15期

6 魏瑜,陆静;数据挖掘与统计学的关系浅析[J];沿海企业与科技;2005年09期

7 罗锦珠;数据挖掘与知识管理的结合应用[J];技术经济;2005年10期

8 袁卫,林桢顺,谢邦昌;工业领域的数据挖掘——改善流程,提高效率[J];中国统计;2005年04期

9 王琳;;统计学方法在数据挖掘中的应用[J];当代经理人;2006年02期

10 刘晓华;;数据挖掘在商业中的应用[J];商场现代化;2006年34期

相关会议论文 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

相关重要报纸文章 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

相关博士学位论文 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 李荣;生物信息数据挖掘若干关键问题研究与应用[D];复旦大学;2004年

7 李玉华;面向服务的数据挖掘关键技术研究[D];华中科技大学;2006年

8 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年

9 王珊珊;知识指导下的数据挖掘在新闻和金融工具之间因果关系上的应用[D];中国科学技术大学;2009年

10 杨虎;序列数据挖掘的模型和算法研究[D];重庆大学;2003年

相关硕士学位论文 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

本文编号：2567564