فهرست نشریات علمی دسترسی آزاد ایران

با ظهور عصر دیجیتال، پیشرفت علم هوش مصنوعی و تغییرات در سیستم مدیریت سازمان‌ها، حرکت به سمت به‌کارگیری هوش مصنوعی در مدیریت اجتناب‌ناپذیر است. پیش بینی رابطه بین مؤدیان مالیاتی یکی از چالش‌هایی است که در مقایسه با سایر وظایف کمتر مورد توجه قرار گرفته است. در این پژوهش هدف آن است که با استفاده از داده‌های مربوط به خرید و فروش‌(معاملات فصلی) مؤدیان مالیاتی، ارتباطات مالی آنها که در آینده رخ خواهند داد پیش بینی گردد و چنانچه در مشاهدات بعدی این معاملات ثبت نگردیده باشند فرار مالیاتی کشف خواهد شد. پژوهش حاضر نوعی مطالعه پژوهشی کاربردی می‌باشد که از نظر هدف، کاربردی و با روش پیاده سازی الگوریتم انجام شده است. منابع اطلاعاتی این پژوهش را مطالعات انجام شده در خصوص تشخیص تقلب و جلوگیری از فرار مالیاتی با ابزار تحلیل گراف و به‌کارگیری یادگیری ماشین بین سال‌های 2017 تا 2023 تشکیل می‌دهند و بر این اساس از ترکیب الگوریتم‌های یادگیری ماشین نظیر شبکه‌های عصبی و تحلیل گراف، الگوریتم پیشنهادی شکل و مورد تست و ارزیابی قرار گرفت. خروجی‌های این پژوهش مربوط به تست الگوریتم‌ها برای تعداد 797,107 رکورد است که مربوط به خریدهای تابستان 1401‌(ارسالی به سازمان امورمالیاتی) می‌باشد. کلیه شبیه‌سازی‌ها به زبان پایتون انجام و در محیط PyCharm تست گرفته شدند و نتایج قابل قبولی در جهت بهبود شناسایی فرار مالیاتی به دست آمد. با استفاده از این روش پیشنهادی یعنی شبکه عصبی گراف و به‌کارگیری الگوریتم‌های یادگیری ماشین تشخیص می‌دهیم که آیا معامله‌ای بوده است که طرفین ابراز نکرده‌اند و به عبارتی آیا می‌توان با توجه به پیشرفت روش‌های پیش‌بینی و تشخیص، جلوی فرار مالیاتی را گرفت؟ نتیجة این پژوهش، افزایش بهره‌وری سازمان امورمالیاتی با به‌کارگیری تکنیک‌های تحلیل گراف و یادگیری ماشین جهت شناسایی و تشخیص تقلب با رویکرد جلوگیری از فرار مالیاتی در سازمان امورمالیاتی است که می‌توان با به‌کارگیری این روش به سمت مالیات ستانی عادلانه پیش رفت.