【作　　者】
夏 会（博士），程 平（博士生导师），张 砾

【摘　　要】

目前的税收风险管控模型通常是基于税务人员的先验知识构建的，在海量数据环境下模型的实用性、可扩展性和精确性都有较大的局限。为解决这一问题，提出改进的K-means聚类算法。该方法是无监督学习模型，可以在无先验知识的前提下构建指标，快速且精确地对实例进行聚类，将出现明显异常的小类识别为异常，判定其存在税收风险。基于该模型对房地产类企业股权转让中的税收风险进行分析和评估，发现税收风险等级高的企业及其风险疑点，验证了本方法的有效性。

【关键词】税收风险；K-means聚类算法；大数据；股权转让

【中图分类号】F812.42

【文章编号】1004-0994（2019）21-0143-4