TY - JOUR T1 - The Detection of Taxpayers with False Invoices using Data Mining Techniques TT - شناسایی صورت حساب جعلی مودیان مالیاتی به کمک تکنیک‌های داده‌کاوی JF - Journal-of-Tax-Research JO - Journal-of-Tax-Research VL - 25 IS - 33 UR - http://taxjournal.ir/article-1-1113-fa.html Y1 - 2017 SP - 167 EP - 193 KW - : False Invoices KW - Fraud Detection KW - Data Mining KW - Clustering KW - Neural Networks KW - Gas Neural Networks N2 - در این مقاله شاخص‏هایی ارائه می­شود که با استفاده از آن‏ها می‏توان آن دسته از کاربرانی که مشکوک به ارائه صورت‏حساب­های جعلی هستند را شناسایی نمود. به کمک روش‏های داده‏کاوی می­توان به صورت‏سازی‏هایی که مربوط به درج اطلاعات نادرست مالی و عملیاتی برای فرار از پرداخت مالیات یا کاهش آن است، پی برد. در این پژوهش، ابتدا با استفاده از الگوریتم‏های خوشه بندی[1] مانند شبکه­های خودسازمانده[2] و شبکه­های عصبی گازی[3]، گروه‏هایی از مودیان مالیاتی را که رفتار مشابهی دارند، شناسایی و سپس با استفاده از الگوریتم‏های درخت تصمیم گیری، شبکه‏های عصبی[4] و شبکه‏های بیزی[5] به شناسایی متغیرهای مربوط به رفتارهای متقلبانه، الگوهای رفتاری مرتبط و تشخیص موارد تقلب مبادرت نمود. جامعه آماری این پژوهش بنگاه‏های اقتصادی اعم از شرکت‏ها، کارخانه‏ها، کارگاه‏ها در شهر و استان تهران می­باشد. نتایج روش‏های داده‏کاوی این پژوهش، متغیرهایی که در مورد بنگاه‏های اقتصادی کوچک و بزرگ و متوسط جهت ممیزی باید مد نظر قرار بگیرد را متمایز کرد و مدل شبکه عصبی با درصد صحت 92% بر روی داده­های آموزش با درصد صحت 88% بر روی داده­های اعتبار سنجی و با درصد صحت 89% بر روی داده­های آزمون توانسته موفق به کشف فرار مالیاتی گردد. M3 ER -