ارائه راهکاری برای پیش بینی شرکت های متقلب مالیاتی مبتنی بر الگوریتم های داده کاوی درخت تصمیم بهینه شده، ماشین بردار پشتیبان و شبکه بیزین

بسیاری از شرکت ها با تخلف در صورت های مالی موجب به هم ریختگی نظام اقتصادی می شوند و این امر موجب یک بحران مهم نظام اقتصادی شده است. راهکارهای مختلفی برای تشخیص وجود دارد که اکثرا انسانی می باشند. این راهکارها دارای هزینه های بالایی برای محاسبه و بررسی صورت های مالی تمامی شرکت ها دارند ازاین جهت باید به دنبال راهکاری بود که بتواند با استفاده از داده کاوی و خودکار این فرآیند تشخیص را انجام دهد. البته روش های داده کاوی نیز برای این قضیه ارایه شده اند که هر یک دارای مزایا و معایبی می باشند. روش های داده کاوی که تا به اینجا برای این کار ارایه شدند دارای سربار بالای محاسباتی و یا دقت پایین بودند. حال آنکه در روش پیشنهادشده در این تحقیق از درخت تصمیم گیری ID3 بهبودیافته به همراه شبکه بیزین و ماشین بردار پشتیبان به عنوان یک روش ترکیبی استفاده شده است. در این روش پیشنهادی برای بهبود عملکرد و دقت از الگوریتم مجموعه راف و تحلیل سلسله مراتبی در جهت انتخاب ویژگی های موثر کمک گرفته شده است. درختی که در روش پیشنهادی ایجاد می شود دارای کمترین عمق ممکن است و ازاین رو دارای سرعت بالایی است. سربار محاسباتی روش پیشنهادی به دلیل استفاده از الگوریتمی بهینه پایین می باشد. داده های استفاده شده در ارزیابی داده های مربوط به 3 سال از 60 شرکت است. در ارزیابی روش پیشنهادی نشان داده شده است که روش پیشنهادی دارای دقت 80 درصد می باشد که نسبت به روش های مشابه به خود دقت بالایی به حساب می آید. سربار زمانی در روش پیشنهادی O(m.n) و سربار حافظه O(n) است که m، نشان دهنده اندازه مجموعه آموزش و n نشان دهنده مجموعه ویژگی مورد استفاده در آموزش می باشد.