1、數(shù)據(jù)挖掘(DataMining，DM)就是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律、提取有用知識(shí)的方法和技術(shù)。近年來(lái)，數(shù)據(jù)挖掘受到了國(guó)內(nèi)外的普遍關(guān)注，己經(jīng)成為信息系統(tǒng)和計(jì)算機(jī)科學(xué)領(lǐng)域研究中最活躍的前沿領(lǐng)域。由于傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)是基于單一關(guān)系基礎(chǔ)之上的，不能完全滿足現(xiàn)實(shí)中數(shù)據(jù)復(fù)雜情況下的應(yīng)用，本文提出了多關(guān)系數(shù)據(jù)挖掘技術(shù)。 當(dāng)前，納稅評(píng)估已經(jīng)成為我國(guó)稅收管理工作的一個(gè)重要組成部分。隨著計(jì)算機(jī)技術(shù)及網(wǎng)絡(luò)的應(yīng)用，我國(guó)稅務(wù)系統(tǒng)在信息化建設(shè)中，相繼實(shí)現(xiàn)

2、了省級(jí)以上的數(shù)據(jù)集中模式，初步形成了多個(gè)應(yīng)用系統(tǒng)共享一個(gè)網(wǎng)絡(luò)的格局。這些系統(tǒng)的運(yùn)行又產(chǎn)生了大量業(yè)務(wù)數(shù)據(jù)，如何將這些數(shù)據(jù)進(jìn)行整合、分析和挖掘，以支持目前和今后稅收的科學(xué)管理與決策，成為目前稅務(wù)信息化的重要工作。采用傳統(tǒng)的技術(shù)手段建立的納稅評(píng)估信息系統(tǒng)存在諸多問(wèn)題，而使用多關(guān)系數(shù)據(jù)挖掘的方法能有效的解決這些問(wèn)題。 本文通過(guò)研究多關(guān)系數(shù)據(jù)挖掘的過(guò)程模型和方法模型，分析目前納稅評(píng)估系統(tǒng)的應(yīng)用及現(xiàn)狀，以納稅評(píng)估系統(tǒng)中評(píng)估指標(biāo)能由計(jì)算機(jī)系統(tǒng)

3、自動(dòng)建立和維護(hù)從而使得評(píng)估對(duì)象的產(chǎn)生具有一定的科學(xué)性和公證性為目標(biāo)，選擇了適用的多關(guān)系數(shù)據(jù)挖掘方法一一分類方法。在研究了分類方法的多種算法后，結(jié)合稅務(wù)數(shù)據(jù)和納稅指標(biāo)的實(shí)際，確定了運(yùn)用多關(guān)系決策樹(shù)算法中的快速可伸縮(SupervisedLearningInQuest)算法，但由于該算法無(wú)法直接利用數(shù)據(jù)庫(kù)管理系統(tǒng)(Database-ManagementSystem，DBMS)中的數(shù)據(jù)，并且構(gòu)建決策樹(shù)過(guò)程中計(jì)算量過(guò)大，進(jìn)而選擇并使用了其改進(jìn)算

4、法QLIQ算法來(lái)進(jìn)行實(shí)現(xiàn)。最后，根據(jù)數(shù)據(jù)挖掘的過(guò)程模型，借助于當(dāng)前廣泛使用的大型關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)一-SQLServer所提供的AnalysisManager，設(shè)計(jì)了基于QLIQ算法的納稅評(píng)估對(duì)象篩選系統(tǒng)，實(shí)現(xiàn)了納稅評(píng)估指標(biāo)的自動(dòng)建立和維護(hù)以及評(píng)估對(duì)象產(chǎn)生的科學(xué)性和公正性。實(shí)驗(yàn)表明，該算法能有效地解決以往納稅評(píng)估系統(tǒng)中存在的諸如指標(biāo)選擇難并且需要手工設(shè)置以及評(píng)估對(duì)象的產(chǎn)生缺乏科學(xué)依據(jù)等問(wèn)題，滿足業(yè)務(wù)需要，而且高效、易于實(shí)現(xiàn)。隨后在論文的末尾