BiRank 对比 PageRank：在公司登记数据上运用社交网络分析进行财税风险预测
社会与信息网络
2022-09-07 v1
摘要
高效的财税管理部门需要在不过度增加人力成本或阻碍合规公司的前提下，确保所有纳税主体的合规行为。为此，准确预测不合规或欺诈行为至关重要。社交网络分析（SNA）为欺诈预测提供了有力工具，因为欺诈行为常常聚集在真实世界社交网络的某些区域。本文中，我们展示了比较 PageRank 与较新的 BiRank 以基于网络结构和既往欺诈信息推断风险排序的结果。具体而言，我们根据公司登记数据构建社交网络。我们发现，在该案例研究中，BiRank 在欺诈预测所得排序的质量与运行时间两方面均优于 PageRank。结果表明，这类算法对欺诈与风险预测普遍有用，更具体地也说明了 BiRank 相对而言的潜力，因其开启了新的建模可能。我们的结果显示，基于 BiRank 遴选公司进行税务审计，在前 20,000 个主体中精确率为 16.38%，并覆盖了全部欺诈案件的 83.4%（召回率）。
引用
@article{arxiv.2209.01945,
title = {BiRank vs PageRank: Using SNA on Company Register Data for Fiscal Risk Prediction},
author = {Bernhard Göschlberger and Dragos Deliu},
journal= {arXiv preprint arXiv:2209.01945},
year = {2022}
}
备注
6 pages, 3 figures