Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Теория и реализация информационных систем; Москва; Москва
Год издания: 2026
Ключевые слова: cash register equipment, tax control, anomaly detection, machine learning, receipt data analysis, automated system, контрольно-кассовая техника, налоговый контроль, обнаружение аномалий, машинное обучение, анализ чековых данных, автоматизированная система
Аннотация: Рассмотрен подход к построению автоматизированной системы анализа данных контрольно-кассовой техники для поддержки риск-ориентированного налогового контроля. Представлен сквозной программно-алгоритмический конвейер, включающий сбор обезличенных фискальных данных, агрегацию временных рядов, извлечение текстовых и поведенческих признПоказать полностьюаков, применение методов машинного обучения и визуализацию результатов для инспектора. Показано, что наибольшую эффективность при выявлении аномального поведения кассовой техники, включая признаки арендных схем, обеспечивает совместное использование фискальных показателей, статистических характеристик чеков и эмбеддингов текстового содержимого. Для комбинированных признаков достигнуты значения accuracy (точность) до 0,96 и F1-score (сбалансированная F-мера) до 0,94, а при использовании агрегатов совместно с эмбеддингами (векторное представление слова) BERTa — ROC-AUC (вероятность, что классификатор присвоит более высокий счет случайно выбранному положительному примеру, чем случайно выбранному отрицательному) до 0,9992 на размеченной выборке. Реализован интерактивный дашборд (визуализация), обеспечивающий формирование меток аномалий, объяснение решений модели и просмотр статистики по каждому объекту контроля. An approach to building an automated data analysis system for cash register equipment to support risk-oriented tax control is considered. An end-to-end software and algorithmic pipeline is presented, including the collection of depersonalized fiscal data, time-series aggregation, extraction of textual and behavioral features, application of machine learning methods, and visualization of results for a tax inspector. It is shown that the highest efficiency in detecting anomalous cash register behavior, including rental scheme patterns, is achieved by combining fiscal indicators, statistical receipt features, and text embeddings. For the combined feature space, accuracy up to 0,96 and F1-score up to 0,94 were obtained, while the combination of aggregated features with BERTa embeddings provided ROC-AUC up to 0,9992 on a labeled dataset. An interactive dashboard was implemented to generate anomaly labels, explain model decisions, and provide statistical views for each control object.
Журнал: Теория и реализация информационных систем
Номера страниц: 706-711
Место издания: Москва