fa شناسایی صورت حساب جعلی مودیان مالیاتی به کمک تکنیک‌های داده‌کاوی اقتصادی Economic پژوهشي Research در این مقاله شاخص&rlm;هایی ارائه می&shy;شود که با استفاده از آن&rlm;ها می&rlm;توان آن دسته از کاربرانی که مشکوک به ارائه صورت&rlm;حساب&shy;های جعلی هستند را شناسایی نمود. به کمک روش&rlm;های داده&rlm;کاوی می&shy;توان به صورت&rlm;سازی&rlm;هایی 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 الگوریتم&rlm;های خوشه بندی[1] مانند شبکه&shy;های خودسازمانده[2] و شبکه&shy;های عصبی گازی[3]، گروه&rlm;هایی از مودیان مالیاتی را که رفتار مشابهی دارند، شناسایی و سپس با استفاده از الگوریتم&rlm;های درخت تصمیم گیری، شبکه&rlm;های عصبی[4] و شبکه&rlm;های بیزی[5] به شناسایی متغیرهای مربوط به رفتارهای متقلبانه، الگوهای رفتاری مرتبط و تشخیص موارد تقلب مبادرت نمود. جامعه آماری این پژوهش بنگاه&rlm;های اقتصادی اعم از شرکت&rlm;ها، کارخانه&rlm;ها، کارگاه&rlm;ها در شهر و استان تهران می&shy;باشد. نتایج روش&rlm;های داده&rlm;کاوی این پژوهش، متغیرهایی که در مورد بنگاه&rlm;های 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 داده&shy;های آموزش با درصد صحت 88% بر روی داده&shy;های اعتبار سنجی و با درصد صحت 89% بر روی &nbsp;&nbsp; داده&shy;های آزمون توانسته موفق به کشف فرار مالیاتی گردد.<br> <br> &nbsp; In this paper, we present indices by which it is possible to characterize and detect those potential users of false invoices in a given year, depending on the information of their tax payment, their historical performance and characteristics, using different types of data mining techniques. In this research first, clustering algorithms like Self- Organizing Map (SOM) and neural gas networks are used to identify groups of similar behaviors of taxpayers. Then decision trees, neural networks and Bayesian networks are used to identify those variables that are related to conduct of fraud and/or no fraud, detect patterns of associated behavior and establishing to what extent cases of fraud and/or no fraud can be detected with the available information. We utilize some information gained from tax auditors who are working in the Tax offices of Tehran and the informal unofficial statistics and anonymous questionnaire from some companies to gain primary data to detect fraud and compare different techniques of false invoices. To determine the main indexes in false invoices, we divided taxpayers to the micro and small enterprises and on the other side medium and large enterprises and examined the factors of fraud on each groups, with neural gas networks, separately. Particularly the neural gas method found that it was possible to identify some relevant variables to differentiate between good or bad behavior, not necessarily associated with the use and sale of false invoices. Kohonen&rsquo;s method however, did not provide any behavioral patterns. In the case of micro and small businesses, the percentage of correctly detected fraud cases was 92%, while in the case of medium and large enterprises, this percentage was 89%. فاکتورهای جعلی, کشف تقلب, داده کاوی, خوشه بندی, شبکه های عصبی, شبکه های عصبی گازی : False Invoices, Fraud Detection, Data Mining, Clustering, Neural Networks, Gas Neural Networks 167 193 http://taxjournal.ir/browse.php?a_code=A-10-942-2&slc_lang=fa&sid=1 ابوالفضل قربانی 10031947532846004158 10031947532846004158 No دانشگاه آزاد اسلامی ، واحد تهران شمال کامران لایقی 10031947532846004159 10031947532846004159 No دانشگاه آزاداسلامی واحد تهران شمال فاطمه داوودی 10031947532846004160 10031947532846004160 Yes سازمان امورمالیاتی کشورمرکز فناوری اطلاعات