ارزیابی مالیات عملکرد شرکت ها و تحلیل روندهای مالیاتی با استفاده از الگوریتم های داده کاوی

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 150

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JFR-17-2_002

تاریخ نمایه سازی: 20 بهمن 1400

چکیده مقاله:

همواره فاصله قابل توجهی میان مالیات ابرازی شرکت ها و مالیات تشخیصی آن ها وجود دارد که منجر به عدم رعایت عدالت میان مودیان شده است. یکی از علت های دشواربودن رعایت عدالت، شناسایی مودیان بر مبنای رفتار مالیاتی و برخورد مناسب با آ ن هاست. هدف اصلی پژوهش حاضر طراحی سیستم پیش بینی و تحلیل رفتار مالیاتی شرکت هاست. این سیستم کمک می کند تا با بهره گیری از متغیرهای کلیدی ارزیابی عملکرد مالیاتی، رفتار مالیاتی شرکت ها شناسایی و تحلیل شود. این سیستم برای سازمان امور مالیاتی کشور به منظور ارزیابی ریسک مالیاتی شرکت ها طراحی شده است و بر مبنای آن، ریسک مالیاتی شرکت ها به سه گروه پرریسک، با ریسک مالیاتی متوسط و کم ریسک تقسیم بندی شده است. همچنین، به کمک الگوریتم های خوشه بندی و طبقه بندی، خوشه های مالیاتی مشتریان شناسایی و درخت تصمیمی با دقت ۸۰% طراحی شد که رفتار مالیاتی هر یک از خوشه ها را بررسی و تحلیل می کند و با اضافه شدن شرکت های جدید به فهرست شرکت های مالیات دهنده، رفتار مالیاتی آن ها را نیز پیش بینی می نماید.

نویسندگان

بابک سهرابی

استاد گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

ایمان رئیسی وانانی

استادیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

وحیده قانونی شیشوان

دانشجوی کارشناسی ارشد رشته مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abasian, E., Mahmoodi, V. and Shaker, I. (۲۰۱۳/ ۱۳۹۱). Forecast ...
  • Abdulsalam, M. and Abd Manaf, N. (۲۰۱۴). Do trust and ...
  • Andrade, G., Ramos, G., Madeira, D., Sachetto, R., Ferreira, R. ...
  • Anil, K.J. and Richard, C.D. (۱۹۸۸). Algorithms for clustering data ...
  • Bernardino da Silva, B., Leitão Paes, N. and Ospina, R. ...
  • ۶.Lawson, D.J. and Falush, D. (۲۰۱۲). Similarity matrices and clustering ...
  • Falahpoor, S., Gol arzi, Q. and Fatore chiyan, N. (۲۰۱۴/ ...
  • Ghosh, S. and Kumar Dubey, S. (۲۰۱۳). Comparative Analysis of ...
  • Hasani, M., Shaban, M., Mokhtari Masinaee, M., and Moodi, M. ...
  • http://www.mathworks.com/help/stats/classificationtree-class.html. (Seen in July ۲۰۱۵)۱۱. Karami, A. and Johansson, R. ...
  • Lewis, R., Mello, C. and White, A. (۲۰۱۲). Tracking Epileptogenesis ...
  • Mohd Isa, K., Yussof, S. and Mohdali, R. (۲۰۱۴). The ...
  • Nurpratami, I. and Sitanggang, I. (۲۰۱۵). Classification rules for hotspot ...
  • Popa, M. (۲۰۱۴). Taxes, Fees and Obligations in Romania- Main ...
  • Raee, R., Falahpoor, S. and Ameri matin, H. (۲۰۱۳/ ۱۳۹۱). ...
  • Rokach, R. and Maimon, O. (۲۰۰۸). Data Mining with Decision ...
  • Wentian, J., Zhong Sheng, G. and En, Z. (۲۰۱۳). Improved ...
  • Wu, R.Sh., Ou, C.S., Chang Sh. and Yen, D.C. (۲۰۱۲). ...
  • Clusterevaluation http://www.uniweimar.de/medien/webis/teaching/lecturenotes/machine-learning/unit-en-cluster-analysis-evaluation.pdf. Seen at July ۲۰۱۵ ...
  • نمایش کامل مراجع