臺灣博碩士論文加值系統

本研究嘗試運用資料探勘技術於龐大稅務資料，將資料分為15個行業別，利用SPSS Clementine 12.0套裝軟體，進行資料探勘的訓練、測試、模型的建置，並對虛設行號的特徵進行預測，比較不同行業別虛設行號之預警警示效果，俾利找出最佳的預警模式及規則，以改善電腦選案正確率進而提升查核稽徵效率。本研究結果顯示各行業別均以C5.0建置之模型，預測的選案正確率最高，以Discriminant之預測效果最差，其餘各行業別在不同模型各有不同的正確率；另應用不同的建模方式，在關鍵因子不變的情況下，對不同行業別的虛設行號，會有不一樣的選案正確率，顯示不同行業別可能有不同的虛設型態，可以做為實務上選案的參考。

This research used data mining technique among a huge tax database. The SPSS Clementine 12.0 software was used on training, testing and model-building the data mining process that was looking into 15 different occupations. Yet, I built virtual companies and set up a taxation pre-warning systems for each of them. As the simulation ran, I could find out the best pre-warning systems and their rules. According to the simulation results, computer could analytically tell me which model worked the best on efficient taxation enhancement. At the end, this research showed C5.0 model gave the best result for every occupation taxation performance. On the other end, the discriminant method gave the worst prediction result. However, among the rest of the models I tested, it carried out different accuracies respectively. And yet, if the key factors remained fixed, different models also resulted different accuracies as well. To sum up, modeling simulations on different occupations can be used for reference in real-life practices of case selection.

書名頁….… ……………………………………….…………...……….……………. i
論文口試委員審定書……………………….….………………….………. ii
授權書…. …………………………………….…………….….…………iii
中文摘要……………….…………………………………….……….……………….iv
英文摘要……………….……………………………….…………….…………….....v
誌謝 v
目錄 vii
表目錄 ix
圖目錄 x
第一章 緒論…………………………………………………………………………1
第一節　研究背景及動機 1
第二節　研究目的 4
第三節　研究方法及流程 4
第四節　章節介紹 5
第二章 文獻探討..……………………………………………………………………6
第一節　營業稅介紹……………………………………………………………6
第二節 營業稅逃漏型態介紹 7
第三節　資料探勘簡介 8
第四節　不同類型資料之前置處理 11
第三章 研究方法…………………………………………………………………..23
第一節　資料探勘模型簡介 23
第二節　研究流程 27
第三節　變數選擇及變數名稱定義 29
第四章　實證研究 31
第一節　資料前置處理 31
第二節　整體資料簡介 32
第三節　資料描述 33
第四節　資料探勘過程 44
第五章　結論與建議 57
第一節　研究結論 57
第二節　研究建議 58
參考文獻 59

[1]財政統計年報（99年7月出版），http://www.mof.gov.tw
[2] 財政部稅務入口網，http://www.etax.nat.gov.tw
[3]中華民國98年度臺灣省北區國稅統計第17期，財政部臺灣省北區國稅局編印（99年7月出版）， http://www.ntx.gov.tw
[4]全國法規資料庫，http://law.moj.gov.tw
[5]陳國元，「加值型營業稅中營業人涉嫌虛設行號之實證研究」，朝陽科技大學財務金融系碩士論文，2002。
[6]賴志鏹，「虛設行號案件調查蒐證之研究」，中原大學財經法律研究所碩士論文，2005。
[7]王達暐、李啟弘、謝明憲，「營業稅選案系統導入商業智慧可行性之研究」，財政部臺灣省北區國稅局97年度研究報告，2008。
[8]吳德章，「我國營業稅逃漏型態及防制方法之研究」，中國文化大學經濟研究所碩士論文，1988。
[9]翁慈宗，「資料探勘的發展與挑戰」 ，科學發展月刊， 442期， 32-39頁，2009年10月。
[10]曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯著，資料探勘 Data Mining，旗標出版股份有限公司，2006年。
[11]顏秀珍、李御璽、王秋光，「改善不平衡資料集中少數類別資料之分類正確性的方法」，電子商務學報，第十一卷第四期， 847-858頁，2009年12月。
[12]曾綜源、蔡依穎，「以多點分割決策樹於逆流性食道炎資料集之資料探勘」，2009 數位科技與創新管理研討會，華梵大學，2009年6月20日。
[13]陳心懋，「結合集群分析於不平衡資料之分類預測方法」，銘傳大學資訊工程學系碩士班碩士論文，2009。
[14]張云濤、龔玲，資料探勘原理與技術，五南圖書出版股份有限公司，2007年4月。
[15]楊雅如，「類別屬性關聯性考驗離散化演算法」，國立台南大學資訊教育學院研究所碩士論文，2005。
[16]Shaw M. J., Subramaniam C. and Tan G. W, “Knowledge management and data mining for marketing,”Decision Support Systems, 2001. pp. 127-137.
[17] Fayyad U., Piatetsky G., and Smyth P, “From data mining to knowledge discovery in databases,” AI Magazine, FALL,1996. pp. 37-54.
[18] Frawley, W. J., Paitetsjy-Shapiro, G. and Matheus, C.J., “Knowledge Discovery in Databases: An Overview,” Knowledge Discovery in Databasee, California, edited by G.Piatetsky-Shapiro and W.J. Frawley, AAAI/MIT Press, 1991. pp. 1-30.
[19] Grupe, F. H. and Owrang, M. M., “Data Base Mining Discovering New Knowledge and Coperative Advantage,” Information Systems Management, Vol.12, No. 4. Fall,1995, pp.35-41.
[20]Han, K., and Kamber, M., Data Mining: Concepts and Techniques, Morgan Kaufmann, CA, 2001.
[21]Alex Berson and Stephen J. Smith, Data warehousing, data mining, and OLAP, McGraw-Hill, USA, 1997
[22] Sahami, M., Yusufali, S., and Baldonado, M. Q. W., “SONIA: A Service for Organizing Networked Information Autonomously,” Proceedings of the Third ACM Conference on Digital Libraries, 1998, pp.200-209.
[23] Lewis, D. and Catlett, J., “Heterogeneous Uncertainty Sampling for SupervisedLearning,” 11th, Machine Learning, 1994, pp.144-156.
[24] Zhang， J. and Mani，I. (2003), "KNN approach to unbalanced data distriibutions: A case stu¬dy involving information extraction，" in Proceedings of the ICML Workshop on Learning from Imbalanced Data Sets.
[25] B. Zadrozny and C. Elkan, “Learning and Making Decisions When Costs and Probabilities are Both Unknown,” In Proceedings of the Seventh International Conference on Knowledge Discovery and Data Mining, San Francisco, pp. 204-213 , 2001.
[26]P. Riddle, R. Segal and O. Etzioni, “Representation Design and Brute Force Induction in a Boeing Manufacturing Domain,” Applied Artificial Intelligence, Vol. 8, 1994, pp. 125-147.
[27] Guha, S., Rastogi, R., and Shim, K., “CURE: An Efficient Clustering Algorithm for Large Databases, ”In ACM SIGMOD International Conference on Management of Data, Seattle,1998,pp.73-84.
[28] Guha, S., Rastogi, R., and Shim, K.,“ROCK: A Robust Clustering Algorithm for Categorical Attribute, ”In 15th International Conference on Data Engineering, Sydney, 1999, pp.512-521.
[29] Karypis, G.,Han,E.H.,and Kumar,V., “CHAMELEON: Hierarchical Clustering Using Dynamic Modeling”, IEEE Computer,Vol.32,No.8,1999, pp.68–75.
[30] Mac Queen, J.,“Some Methods for Classification and Analysis of Multivariate Observations,” Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, Vol.1, 1967, pp. 281-297.
[31]Vinod, H.,“Integer Programming and the theory of grouping,” J.Amer.Statist.Assoc.64, 1969, pp.506-517.
[32] J. Dougherty, R. Kohavi, and M. Sahami, “Supervised and Unsupervised Discretization of Continuous Features,” Proc. 12th Int’l Conf. Machine Learning, 1995, pp. 194-202.
[33] L. Kurgan and K.J. Cios, “CAIM discretization algorithm”, IEEE Trans. Knowledge and Data Engineering, vol. 16, no. 2, pp.145-153, 2004.
[34] Berry, M. J. A. and G. Linoff, Data Mining Technique for Marketing, Sale, and Customer Support, Wiley Computer, New York, 1997.
[35] Burges, C. A tutorial on support vector machines for pattern recognition, Data Mining and Knowledge Discovery, Vol. 2, 1998, pp. 121-167.