税收优惠政策关键要素抽取与可视化分析

doi:10.11959/j.issn.2096-0271.2022035

大数据 ›› 2022, Vol. 8 ›› Issue (5): 106-123.doi: 10.11959/j.issn.2096-0271.2022035

税收优惠政策关键要素抽取与可视化分析

关海山¹^,², 郑玉龙¹^,², 魏笔凡²^,³, 张泽民¹^,², 岳浩¹^,², 师斌²^,⁴, 董博²^,⁴

¹ 西安交通大学软件学院，陕西西安 710049
² 陕西省天地网技术重点实验室，陕西西安 710049
³ 西安交通大学继续教育学院，陕西西安 710049
⁴ 西安交通大学计算机科学与技术学院，陕西西安 710049

出版日期:2022-09-15 发布日期:2022-09-01
作者简介:关海山（1996- ），男，西安交通大学软件学院硕士生，主要研究方向为自然语言处理、文本问题生成
郑玉龙（1996- ），男，西安交通大学软件学院硕士生，主要研究方向为自然语言处理、文本问题生成
魏笔凡（1977- ），男，博士，西安交通大学继续教育学院研究员，主要研究方向为Web信息抽取、教育知识图谱构建及应用
张泽民（1999- ），男，西安交通大学软件学院硕士生，主要研究方向为自然语言处理、深度学习、问题生成等
岳浩（1999- ），男，西安交通大学软件学院硕士生，主要研究方向为大数据、深度学习等
师斌（1992- ），男，博士，西安交通大学计算机科学与技术学院讲师，主要研究方向为金融数据挖掘、云计算及虚拟化技术
董博（1983- ），男，博士，西安交通大学计算机科学与技术学院高级工程师，主要研究方向为金融数据挖掘、智能教育
基金资助:
国家重点研发计划资助项目(2020AAA0108800);国家自然科学基金资助项目(62137002);国家自然科学基金资助项目(61937001);国家自然科学基金资助项目(62176209);国家自然科学基金资助项目(62176207);国家自然科学基金资助项目(62106190);国家自然科学基金资助项目(62050194);国家自然科学基金创新研究群体资助项目(61721002);教育部创新团队资助项目(IRT_17R86);中国工程院咨询研究资助项目“基于MOOC中国的‘一带一路’人才培养的线上线下混合教学支撑信息化平台与服务体系”;中国博士后科学基金项目(2020M683493);中国工程科技知识中心资助项目

Extraction and visualization analysis of key elements of tax preferential policies

Haishan GUAN¹^,², Yulong ZHENG¹^,², Bifan WEI²^,³, Zemin ZHANG¹^,², Hao YUE¹^,², Bin SHI²^,⁴, Bo DONG²^,⁴

¹ School of Software Engineering, Xi’an Jiaotong University, Xi’an 710049, China
² Shaanxi Key Laboratory of Satellite ＆Terrestrial Network Technology R＆D, Xi’an 710049, China
³ School of Continuing Education, Xi’an Jiaotong University, Xi’an 710049, China
⁴ School of Computer Science and Technology, Xi’an Jiaotong University, Xi’an 710049, China

Online:2022-09-15 Published:2022-09-01
Supported by:
The National Key Research and Development Program of China(2020AAA0108800);The National Natural Science Foundation of China(62137002);The National Natural Science Foundation of China(61937001);The National Natural Science Foundation of China(62176209);The National Natural Science Foundation of China(62176207);The National Natural Science Foundation of China(62106190);The National Natural Science Foundation of China(62050194);Innovative Research Group of the National Natural Science Foundation of China(61721002);Innovation Research Team of Ministry of Education(IRT_17R86);Consulting Research Project of Chinese Academy of Engineering “The Online and Offline Mixed Educational Service System for ‘The Belt and Road’ Training in MOOC China”;China Postdoctoral Science Foundation(2020M683493);Project of China Knowledge Centre for Engineering Science and Technology

摘要/Abstract

摘要：

随着税收优惠政策数量的迅速增加，纳税人面对海量的税收优惠政策难以快速定位与自身相关的优惠内容，导致许多纳税人没有享受到应该享受的优惠政策。基于预训练语言模型BERT与规则处理相结合的方法实现了对税收优惠政策法规的表示、关键要素抽取和税收优惠的可视化查询，使纳税人可以快速准确地定位与自身相关的税收优惠信息，并对结果进行可视化展示。实验结果表明，关键要素抽取性能优越，税收优惠政策查询快速直观，可有效缓解海量税收优惠信息过载。

关键词: 税收优惠政策, 预训练语言模型, 信息抽取, 可视化

Abstract:

With the rapid increase in the number of preferential tax policies, taxpayers face a large number of preferential tax policies, and it is difficult for taxpayers to quickly locate the preferential content related to them.As a result, many taxpayers do not enjoy the preferential policies they should enjoy.Based on the combination of pre-training language model BERT and rule processing, the visualization was realized of the characterization of preferential tax policies and regulations, the extraction of key elements, and the visual query of tax incentives, so that taxpayers can intuitively and quickly locate tax incentives related to themselves, and visualize the results.The experimental results show that the extraction performance of key elements is superior, and the query of preferential tax policies is quick and intuitive, which can effectively alleviate the problem of massive tax preferential information overload.

Key words: preferential tax policy, pre-trained language model, information extraction, visualization

中图分类号:

TP391.1

关海山, 郑玉龙, 魏笔凡, 张泽民, 岳浩, 师斌, 董博. 税收优惠政策关键要素抽取与可视化分析[J]. 大数据, 2022, 8(5): 106-123.

Haishan GUAN, Yulong ZHENG, Bifan WEI, Zemin ZHANG, Hao YUE, Bin SHI, Bo DONG. Extraction and visualization analysis of key elements of tax preferential policies[J]. Big Data Research, 2022, 8(5): 106-123.

图/表 14

图1

图2

图3

图4

表1

图5

表2

图6

图7

表3

表4

图8

表5

表6

参考文献 19

[1]	汪疆平, 肖戎 . 税务大数据分析的技术和典型应用[J]. 大数据, 2017,3(2): 92-103.
	WANG J P , XIAO R . Big data analysis technology and application on taxation[J]. Big Data Research, 2017,3(2): 92-103.
[2]	邵凌云 . 基于纳税人需求优化纳税服务机制[J]. 税务研究, 2013(5): 76-79.
	SHAO L Y . Optimize the tax service mechanism based on the demand of taxpayers[J]. Taxation Research, 2013(5): 76-79.
[3]	谢学刚, 苟仁金 . 提升纳税服务质量的现实选择[J]. 税务研究, 2014(11): 96.
	XIE X G , GOU R J . A realistic choice to improve the quality of tax services[J]. Taxation Research, 2014(11): 96.
[4]	谢波峰 . 基于大数据的税收经济分析和预测探索[J]. 大数据, 2017,3(3): 15-24.
	XIE B F . Exploratory research on big data application of analysis and forecasting in economics of tax[J]. Big Data Research, 2017,3(3): 15-24.
[5]	ZHANG R X , YANG W , LIN L Y ,et al. Rapid adaptation of bert for information extraction on domain-specific business documents[J]. arXiv preprint,2020,arXiv:2002.01861.
[6]	NGUYEN M T , LE D T , LINH L T ,et al. AURORA:an information extraction system of domainspecific business documents with limited data[C]// Proceedings of the 29th ACM International Conference on Information ＆ Knowledge Management. New York:ACM Press, 2020: 3437-3440.
[7]	FRIEDRICH A , ADEL H , TOMAZIC F ,et al. The SOFC-exp corpus and neural approaches to information extraction in the materials science domain[C]// Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. Stroudsburg:Association for Computational Linguistics, 2020: 1255-1268.
[8]	ZEGHDAOUI M W , BOUSSAID O , BENTAYEB F ,et al. Medical-based text classification using FastText features and CNN-LSTM model[C]// Database and Expert Systems Applications. Cham:Springer, 2021: 155-167.
[9]	BRANDES U , KENIS P , WAGNER D . Communicating centrality in policy network drawings[J]. IEEE Transactions on Visualization and Computer Graphics, 2003,9(2): 241-253.
[10]	BRANDES U , PICH C . More flexible radial layout[J]. Journal of Graph Algorithms and Applications, 2011,15(1): 157-173.
[11]	RAJ M , WHITAKER R T . Anisotropic radial layout for visualizing centrality and structure in graphs[C]// Graph Drawing and Network Visualization.[S.l.:s.n.], 2018: 351-364.
[12]	FENU G , SPANO L D . Recommendation Centre:inspecting and controlling recommendations with radial layouts[C]// Workshop on Engineering Computer-Human Interaction in Recommender Systems.[S.l.:s.n.], 2016: 54-61.
[13]	BOSTOCK M , HEER J . Protovis:a graphical toolkit for visualization[J]. IEEE Transactions on Visualization and Computer Graphics, 2009,15(6): 1121-1128.
[14]	BOSTOCK M , OGIEVETSKY V , HEER J . D3 data-driven documents[J]. IEEE Transactions on Visualization and Computer Graphics, 2011,17(12): 2301-2309.
[15]	LI D Q , MEI H H , SHEN Y ,et al. ECharts:a declarative framework for rapid construction of web-based visualization[J]. Visual Informatics, 2018,2(2): 136-146.
[16]	DEVLIN J , CHANG M W , LEE K ,et al. Bert:pre-training of deep bidirectional transformers for language understanding[J]. Proceedings of NAACLHLT, 2019: 4171-4186.
[17]	MCCALLUM A , LI W . Early results for named entity recognition with conditional random fields,feature induction and web-enhanced lexicons[C]// Proceedings of the 7th Conference on Natural Language Learning at HLTNAACL 2003. Morristown:Association for Computational Linguistics, 2003: 188-191.
[18]	HUANG Z H , XU W , YU K . Bidirectional LSTM-CRF models for sequence tagging[J]. arXiv preprint,2015,arXiv:1508.01991.
[19]	QIU X P , SUN T X , XU Y G ,et al. Pretrained models for natural language processing:a survey[J]. Science China Technological Sciences, 2020,63(10): 1872-1897.

关键要素	描述	任务处理方式
条款内容	即税收优惠主题，指包含税收优惠信息的条款内容	文本分类
享受主体	描述享受优惠的主体对象	序列标注
税种	优惠涉及的税种	文本多标签分类
减免类型	优惠的减免类型	文本分类
减免方式	优惠的方式	文本分类
政策类型	该优惠条款属于何种政策类型	文本分类
有效期限	优惠条款的时间期限	基于规则
标题	优惠条款所属公告标题	基于规则
文号	优惠条款所属公告文号	基于规则

字段名称	举例（正则）
有效期限	[0-9]{1,4}年[0-9]{1,2}月[0-9]{1,2}日(?=起执行)、(?<=执行时间为)[0-9]{1,4}年[0-9]{1,2}月[0-9]{1,2}日至[0-9]{1,4}年[0-9]{1,2}月[0-9]{1,2}日……
标题	(?<=\s)[\u4e00-\u9fa5]+[0-9]*[\u4e00-\u9fa5]+(?<=通知\|公告)、(?<=\s)[\u4e00-\u9fa5]+(?<=通知\|公告)……
文号	(?<=通知\|公告)[\u4e00-\u9fa5]{1,10}〔[0-9]{4,}〕[0-9]+号、[\u4e00-\u9fa5]{1,10}〔[0-9]{4,}〕[09]+号……

关键要素	标题	文号	有效期限
precision	0.939（avg）	0.896（avg）	0.933（avg）

关键要素	BERT			Fasttext			TextCNN
关键要素	F1分数	precision	recall	F1分数	precision	recall	F1分数	precision	recall
条款内容	0.914	0.921	0.898	0.505	0.923	0.347	0.825	0.83	0.825
减免类型/方式	0.97	0.99	0.96	0.857	0.897	0.82	0.663	0.964	0.611
政策类型	0.831 (Micro)	0.83	0.847	0.864 (Micro)	0.592	0.646	0.675 (Micro)	0.658	0.711

关键要素	模型直接处理的Hamming Loss	分步处理后的Hamming Loss
税种	0.023	0.016

税收优惠政策关键要素抽取与可视化分析

Extraction and visualization analysis of key elements of tax preferential policies

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 19

相关文章 10

Metrics

推荐阅读 0

关键要素	BERT+BiLSTM+CRF（本文方法）			BERT+Linear+CRF			BERT+BiGRU+CRF
关键要素	F1分数	precision	recall	F1分数	precision	recall	F1分数	precision	recall
享受主体	0.73	0.71	0.75	0.69	0.67	0.71	0.71	0.68	0.75

[1]	吴亚东, 陈家鸣, 罗焱, 王学锋, 黄德春, 倪超, 蓝集明, 李随群, 张巍瀚, 代唯. 彩灯元宇宙研究综述[J]. 大数据, 2023, 9(3): 97-113.
[2]	崔雨萌, 王靖亚, 闫尚义, 陶知众. 基于深度学习的警情记录关键信息自动抽取[J]. 大数据, 2022, 8(6): 127-142.
[3]	韩立帆, 季紫荆, 陈子睿, 王鑫. 数字人文视域下面向历史古籍的信息抽取方法研究[J]. 大数据, 2022, 8(6): 26-39.
[4]	罗煜楚, 吴昊, 郭宇涵, 谭绍聪, 刘灿, 蒋瑞珂, 袁晓如. 数字人文中的可视化[J]. 大数据, 2022, 8(6): 74-93.
[5]	范良, 张晓蓉, 吴亚东, 陈呈, 王昉. 一种基于sort-last架构的非结构网格并行体可视化算法[J]. 大数据, 2021, 7(4): 117-129.
[6]	温景熙, 于胡飞, 辛江, 唐艳. 基于深度学习的大脑性别差异分析[J]. 大数据, 2021, 7(4): 130-140.
[7]	陈超, 吴亚东, 付朝帅, 童兴, 李攀, 褚琦凯, 王雪楠. 中国白酒文化可视化研究[J]. 大数据, 2021, 7(2): 78-98.
[8]	王扬, 田野, 李铁山, 陈俊龙, 彭东成, 周义华. 基于Gephi的航运招聘信息可视化分析[J]. 大数据, 2018, 4(3): 81-91.
[9]	卢亿雷. 混合异构营销数据平台实践[J]. 大数据, 2018, 4(3): 104-110.
[10]	程致远, 鲍玉斌, 冷芳玲. 面向大规模图数据的并行图布局算法[J]. 大数据, 2016, 2(5): 12-21.