other انتخاب برای حسابرسی مالیاتی با استفاده از الگوریتم‌های داده‌کاوی مدیریتی Management پژوهشي Research <span style="font-size:12pt"><span style="text-autospace:none"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">با تصویب قانون مالیات&shy;های مستقیم در سال 1394 و اصلاح ماده 97 آن، سازمان امور مالیاتی کشور مکلف است اظهارنامه مالیاتی تسلیمی اشخاصی که شروع سال مالی آنها از 27/05/1397 و به بعد می&shy;باشد را بپذیرد و صرفاً تعدادی از آنها را براساس شاخص&shy;های ریسک انتخاب و مورد حسابرسی قرار دهد. یکی از روش&shy;های تعیین مؤدیان پرریسک مالیاتی استفاده از روش&shy;های داده&shy;کاوی می&shy;باشد که به موجب آن می&shy;توان براساس اطلاعات هر مؤدی، مؤدیان پرریسک را تعیین نمود. در این تحقیق، اطلاعات اظهارنامه‌های مالیاتی اشخاص حقوقی از سال 1393 تا 1395 برای ارزیابی ریسک مورداستفاده قرار گرفته&shy;است. الگوریتم‌های مورد استفاده در این پژوهش، روش‌های دسته‌بندی ماشین بردار پشتیبان، شبکه عصبی، درخت تصمیم و نزدیک‌ترین همسایه بوده است. نتایج پژوهش مؤید آن است که الگوریتم شبکه عصبی به عنوان بهترین الگوریتم برای برآورد ریسک اظهارنامه، معرفی می‌شود.</span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:12pt"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times="">Since the direct taxes law was approved in 2014, and its article 97 was amended, the State tax affairs organization has been required to accept tax returns from individuals whose financial year begins on 29/07/2018, and to select and audit only a few of those returns, based on risk indicators. Using data mining methods, it is possible to determine high-risk taxpayers based on their information. In this way, high-risk taxpayers can be identified. During this study, tax returns information for legal entities from 2014 to 2016 was used in order to assess the level of risk.. Finally, the success of the methods has been evaluated. The algorithms used are vector machine classification methods, neural network support, decision tree and nearest neighbor. The results of the research confirm that the neural network algorithm is introduced as the best algorithm for estimating the risk of the statement.</span></span></span><br> &nbsp; ماده 97 قانون مالیات‌های مستقیم, ریسک اظهارنامه مالیاتی, روش های داده‌کاوی, مؤدیان پرریسک مالیاتی Article 97 of Direct Taxes Act, risk of tax returns, data mining methods, high- risk taxpayers 8 25 http://taxjournal.ir/browse.php?a_code=A-10-1909-6&slc_lang=other&sid=1 Mohamad Barzegari Dehaj Barzegari Dehaj محمد برزگری دهج mba9090@iran.ir 100319475328460010049 100319475328460010049 No Ahmad Ya’ghoobnejad Ya’ghoobnejad احمد یعقوب نژاد yaghoobacc@gmail.com 100319475328460010050 100319475328460010050 Yes Amirreza Keighobadi امیررضا کیقبادی acc1388@gmail.com 100319475328460010051 100319475328460010051 No Azita Jahanshad آزیتا جهانشاد az_jahanshad@yahoo.com 100319475328460010052 100319475328460010052 No