fa ارائه مدل پیش‌بینی فرار مالیاتی برمبنای الگوریتم درخت تصمیم ID3 و شبکه بیزین اقتصادی Economic پژوهشي Research <span style="font-family:B Mitra;"><span style="font-size:13.0pt;">امروزه دانش به‌عنوان یک منبع ارزشمند و استراتژیک و نیز یک دارایی برای ارزیابی و پیش‌بینی مطرح است و ارائه این راهکارها در زمینه کشف فرار مالیاتی شرکت&shy;ها امروزه به بحث داغی تبدیل شده است و راهکارهای مختلفی در این زمینه ارائه شده است. هدف از این تحقیق ارائه مدل جدید برای تشخیص مؤدیان که دارای فرار مالیاتی هستند، می&shy;باشد. ایده اصلی مقاله از مقایسه نسبت&shy;های مالی شرکت مورد نظر با نسبت&shy;های سال گذشته و همچنین برآورد مالیات سال مورد رسیدگی از روی مالیات سال قبل گرفته شده است. الگوریتمی که در این تحقیق از آن استفاده شده مبتنی بریک الگوریتم ترکیبی است که از ترکیب الگوریتم درخت تصمیم</span></span><span dir="LTR"><span style="font-size:13.0pt;">ID3</span></span><span style="font-family:B Mitra;"><span style="font-size:13.0pt;"> و شبکه بیزین تشکیل شده است. نتایج حاصل از اجرای مدل&shy;ها نشان می&shy;دهد که که الگوریتم پیشنهادی با 60.58% دقت، دارای بالاترین دقت صحت و با 43.76% اشتباه دارای کمترین میزان اشتباه می&shy;باشد. که از الگوریتم های</span></span><span dir="LTR"><span style="font-size:13.0pt;">ID3</span></span><span style="font-family:B Mitra;"><span style="font-size:13.0pt;"> و الگوریتم بیزین که الگوریتم&shy;های پایه روش پیشنهادی می&shy;باشند، نیز بسیار بهتر عمل می&shy;کند.</span></span><span dir="LTR"><span style="font-size:13.0pt;"></span></span> Nowadays, knowledge is a valuable and strategic source as well as an asset for evaluation and forecasting. Presenting these strategies in discovering corporate tax evasion has become an important topic today and various solutions have been proposed. In the past, various approaches to identify tax evasion and the like have been presented, but these methods have not been very accurate and the overhead of calculations has also been high. Hence, in this study, a solution is proposed that is based on a combination of the three methods of ID3, Bayesian network and SVM algorithm. In this research, the hybrid RAF set algorithm and hierarchical decision algorithm are used for pre-processing and selecting effective data. The proposed solution in Visual Studio environment using C # programming language and help from Veka library has been compared with popular methods such as ID3, Bayesian and SVM and it is found that this method has much higher accuracy than other methods. The case has been investigated and this indicates the robustness of the proposed method compared to the methods investigated<span dir="RTL">.</span> الگوریتم ID3, شبکه بیزین, مجموعه راف, تصمیم گیری سلسله مراتبی ID3 Algorithm, Bayesian Network, Rough Set, Hierarchical Decision Making 59 87 http://taxjournal.ir/browse.php?a_code=A-10-1751-3&slc_lang=fa&sid=1 سیدحسین نسل موسوی nseyedhossein2@yahoo.com 10031947532846007158 10031947532846007158 Yes میرسعید حسینی شیروانی mirsaeid_hosseini@yahoo.com 10031947532846007159 10031947532846007159 No محمود نظرپور mahmoodnazarpoor@yahoo.com 10031947532846007160 10031947532846007160 No