税务信用评价方法、设备及可读存储介质与流程

本发明属于税务信用评价指标领域，涉及一种税务信用评价方法、设备及可读存储介质。
背景技术：
：随着国家经济的不断稳定增长，税务数据也呈现爆发态势，以信用评价指标为标准的纳税人评级也显得越来越重要，纳税信用评价指标和评价方式既丰富了信息采集渠道，还大幅度提升纳税信用评价的准确性。然而，以往的信用评价指标权重计算方式，都需要依赖专家经验，且仅仅是对指标数据的归一化，并以此为权重，一旦指标体系发生改变，就必须重新组织人力、物力来解决，此外这种计算方式容易丢失部分信息，甚至是关键信息，再者以往指标权重的计算都属于绝对重要性，即没有在指标之间进行两两比较。因此这样就忽略了指标之间的相对联系，无法体现指标的相对重要性，容易造成不合理、甚至是无效的结果。为了完善国家市场经济体制的发展要求，进一步规范纳税信用管理，保证评价结果的统一性，提高纳税人依法诚信纳税意识和税法遵从度，迫切需要一种新的计算税务信用评价指标权重的方法，以应对当下日益复杂的形势，确保国家税务工作向更精准、更高效化发展。综上，亟需一种新的税务信用评价方法。技术实现要素：本发明的目的在于克服上述现有技术中由于税务信用评价指标权重确定方式不合理，导致纳税信用评价的准确性低或难以有效评价的缺点，提供一种税务信用评价方法、设备及可读存储介质。为达到上述目的，本发明采用以下技术方案予以实现：一种税务信用评价方法，包括以下步骤：s101：获取税务信用评价数据指标，将税务信用评价数据指标取值进行归一化处理，根据归一化的税务信用评价数据指标取值得到税务信用评价数据指标取值的信息熵和统计信息；s102：将税务信用评价数据指标取值的信息熵两两比较，得到信息熵比较矩阵；将税务信用评价数据指标取值的统计信息两两比较，得到统计信息比较矩阵；s103：根据信息熵比较矩阵和统计信息比较矩阵得到信息熵指标权重和统计信息指标权重；s104：融合信息熵指标权重和统计信息指标权重得到税务信用评价指标权重；s105：根据税务信用评价数据指标和税务信用评价指标权重进行税务信用评价。本发明税务信用评价方法进一步的改进在于：所述s101的具体方法为：获取税务信用评价数据指标，通过式(1)将税务信用评价数据指标取值进行归一化处理，将税务信用评价数据指标取值xij归一化为n(0,1)区间的数值：其中，表示归一化的税务信用评价数据指标取值，α表示税务信用评价数据指标取值中的最大值；通过式(2)计算税务信用评价数据指标取值的信息熵e(αi)：其中，αi表示税务信用评价数据指标的向量；计算税务信用评价数据指标取值的统计信息s(αi)，统计信息s(αi)为统计区间(μ-3δ，μ+3δ)外的税务信用评价数据所占全体税务信用评价数据的比率。所述s102的具体方法为：将每个税务信用评价数据指标取值的信息熵与所有税务信用评价数据指标取值的信息熵均两两比较，得到信息熵比较矩阵aentropy：将每个税务信用评价数据指标取值的统计信息与所有税务信用评价数据指标取值的统计信息均两两比较，得到统计信息比较矩阵astatistic：所述s103的具体方法为：通过式(3)得到信息熵指标权重ωentropy_i：其中，aij为信息熵比较矩阵aentropy中第i行第j列元素；通过式(4)得到统计信息指标权重ωstatistic_i：其中，bij为统计信息比较矩阵aentropy中第i行第j列元素。所述s104的具体方法为：将信息熵指标权重和统计信息指标权重取平均值，得到税务信用评价指标权重。本发明另一方面，一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现税务信用评价方法的步骤。本发明又一方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现税务信用评价方法的步骤。与现有技术相比，本发明具有以下有益效果：通过从信息熵和统计信息两个角度综合考虑，通过对指标信息的两两比较，构建对应的比较矩阵，在此基础上，进一步计算基于信息熵的信息熵权重和基于统计信息的统计信息权重，最后，根据信息熵权重和统计信息权重确定最终的指标权重，通过计算得到的最终指标权重，可以得知，当权重越大时，则该指标的重要程度越大，因此，税务人员可以把更多的考虑该指标对税务信用评价的重要性，极大地降低税务评价信息工作的时间耗费及人力资源，规范纳税信用管理。此外，两种计算权重方法的优势互补，保证了评价结果更具有合理性、有效性，提高纳税人依法诚信纳税的意识和税法的遵从度，使税务信用评价的工作更高效、更精准、更可靠，将更有利于国家经济健康稳步发展。附图说明图1为本发明的方法流程图；图2为本发明的构建比较矩阵步骤的具体流程图。具体实施方式为了使本
技术领域：
的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。下面结合附图对本发明做进一步详细描述：参见图1，本发明税务信用评价方法，包括以下步骤：步骤s101：根据输入的税务信用评价数据指标，对税务信用评价数据指标取值进行归一化为n(0,1)区间的值，得到税务信用评价数据指标取值的归一化结果，并计算其信息熵和统计信息。具体包括以下内容：获取税务信用评价数据指标，通过下式将税务信用评价数据指标取值进行归一化处理，将税务信用评价数据指标取值xij归一化为n(0,1)区间的数值：其中，表示归一化的税务信用评价数据指标取值，α表示税务信用评价数据指标取值中的最大值。然后，根据归一化结果，计算税务信用评价数据指标的信息熵和税务信用评价数据指标的统计信息s(αi)；s(αi)表示αi所包含异常值的比率，为统计区间(μ-3δ，μ+3δ)外的税务信用评价数据所占全体税务信用评价数据的比率，其中，αi表示税务信用评价数据指标向量。步骤s102：根据每个信息熵与所有信息熵的两两比较结果，构建信息熵比较矩阵。相应的，根据每个统计信息与所有统计信息的两两比较结果，构建统计信息比较矩阵。具体包括以下内容：首先，对信息熵e(αi)，当i＝1,2，···，n时，将e(αi)与e(αi)(i∈i＝1,2，···，n)依次两两比较。例如，i＝1时，分别将e(α1)与e(α1)、e(α2)、e(α3)、…和e(αn)比较，即e(α1)/e(α1)、e(α1)/e(α2)、e(α1)/e(α3)、…和e(α1)/e(αn)。进一步根据e(αi)两两比较的结果，构建如下的信息熵比较矩阵aentropy。然后，对统计信息s(αi)，当i＝1,2·····n时，将s(αi)与s(αi)(i∈1,2......n)依次两两比较。例如，i＝1时，分别将s(α1)与s(α1)、s(α2)、s(α3)、….和s(αn)比较，即s(α1)/s(α1)、s(α1)/s(α2)、s(α1)/s(α3)、….和s(α1)/s(αn)。进一步根据s(αi)两两比较的结果，构建如下的统计信息比较矩阵astatistic。步骤s103：根据信息熵比较矩阵和统计信息比较矩阵，分别计算信息熵指标权重和统计信息指标权重。具体包括以下内容：首先，根据构建的信息熵比较矩阵aentropy，计算信息熵的指标权重即将信息熵比较矩阵的元素aij累积与累积的和相除，并将相除的结果开n次方，得到信息熵的指标权重；然后，相对应的，根据构建的统计信息比较矩阵astatistic，计算统计信息的指标权重即将信息熵比较矩阵的元素bij累积与累积的和相除，并将相除的结果开n次方，得到统计信息的指标权重。步骤s104：将信息熵的指标权重和统计信息的指标权重进行融合，得到最终指标的权重。具体包括以下内容：根据s103中得到的信息熵指标权重和统计信息指标权重，采用均值法将两个指标权重融合，即得到指标信息的最终权重，其中表示最终指标的权重。s105：根据税务信用评价数据指标和税务信用评价指标权重进行税务信用评价。下面结合具体实例说明本发明：参见表1，税务信用评价数据指标取值表，第一行为指标类型，之后20行为每个指标的20个取值，现有方法仅仅是对指标数据先求和在做归一化处理，并以归一化结果作为指标权重，结果参见表2，现有方法税务信用评价数据指标取值权重表，通过观察权重的变化，可以发现，整体上每个指标的权重变化差异不大，因此上无法凸显出指标的重要性，无法有效的帮助税务人员进行指标重要性的判别，进而在进行纳税信用评价时容易造成不合理、甚至是无效的结果。表1税务信用评价数据指标取值表表2现有方法税务信用评价数据指标取值权重表求和：160019101465.20833318401632.8472221434.027778124010001548.8888891640权重：0.104500220.1247470.09569660.12017520.10664550.09366010.08098760.06531260.10116200.1071127采用本发明税务信用评价方法，首先对税务信用评价数据指标取值做归一化处理，参见表3，税务信用评价数据指标取值归一化表。表3税务信用评价数据指标取值归一化表其次，对归一化的税务信用评价数据指标取值分别计算信息熵和统计信息，并构建各自的比较矩阵。信息熵结果：e(αi)＝[5.1508,1.0806,6.2810,1.9558,3.6414,3.9216,8.4014,9.7095,4.1384,4.6357]信息熵比较矩阵：统计信息结果：s(αi)＝[0.9，0.8，0.85，0.65，0.5，0.45，0.9，0.5，0.5，0.9]统计信息比较矩阵：再次，计算信息熵指标权重和统计信息指标权重。信息熵指标权重：ωentropy_i＝[0.1052,0.0221,0.1284,0.0399,0.0744,0.0801,0.1717,0.1984,0.0846,0.0947]统计信息指标权重：ωstatistic_i＝[0.1294,0.1151,0.1223,0.0935,0.0719,0.0647,0.1294,0.0719,0.0719,0.1294]最后，将信息熵指标权重和统计信息指标权重融合，得到最终的税务信用评价指标权重：与现有的权重计算方法比较，可以发现现有方法计算的税务信用评价指标权重差异不明显，无法有效的帮助税务人员进行税务信用评价指标重要性的判别，而本方法最终的各个税务信用评价指标权重之间差异较大，税务人员根据这种差异大小，就能够判断相对应的税务信用评价指标重要程度，进而有效的进行税务信用评价，缩短评价时间，在指标体系发生改变时，也能极快适应，保证评价结果的准确性。本发明税务信用评价方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。在示例性实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述税务信用评价方法的步骤。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nandflash)、固态硬盘(ssd))等。在示例性实施例中，还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述税务信用评价方法的步骤。处理器可能是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。本发明提出的税务信用评价方法，税务信用评价所用的税务信用评价指标权重从信息熵和统计信息两个角度综合考虑，通过对指标信息的两两比较，构建对应的比较矩阵，在此基础上，进一步计算基于信息熵的权重和基于统计信息的权重，最后，确定最终的指标权重，能够极大地降低税务评价信息工作的时间耗费及人力资源，规范纳税信用管理。此外，两种计算权重方法的优势互补，保证了评价结果更具有合理性、有效性，提高纳税人依法诚信纳税的意识和税法的遵从度，进而使税务信用评价的工作更高效、更精准、更可靠，将更有利于国家经济健康稳步发展。以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。当前第1页12