[论文解读] Detecting Transaction-based Tax Evasion Activities on Social Media Platforms Using Multi-modal Deep Neural Networks

Lelin Zhang, Xi Nan+2 more|arXiv (Cornell University)|Jul 27, 2020

Taxation and Compliance Studies参考文献 20被引用 5

一句话总结

本文提出了一种多模态深度神经网络Regtech工具，通过使用Instagram帖子检测基于交易的逃税行为。通过融合文本（评论、标签）和图像特征，该模型实现了0.808的AUC和0.762的F1分数，显著优于单模态模型，并将审计效率提高了三倍以上。

ABSTRACT

Social media platforms now serve billions of users by providing convenient means of communication, content sharing and even payment between different users. Due to such convenient and anarchic nature, they have also been used rampantly to promote and conduct business activities between unregistered market participants without paying taxes. Tax authorities worldwide face difficulties in regulating these hidden economy activities by traditional regulatory means. This paper presents a machine learning based Regtech tool for international tax authorities to detect transaction-based tax evasion activities on social media platforms. To build such a tool, we collected a dataset of 58,660 Instagram posts and manually labelled 2,081 sampled posts with multiple properties related to transaction-based tax evasion activities. Based on the dataset, we developed a multi-modal deep neural network to automatically detect suspicious posts. The proposed model combines comments, hashtags and image modalities to produce the final output. As shown by our experiments, the combined model achieved an AUC of 0.808 and F1 score of 0.762, outperforming any single modality models. This tool could help tax authorities to identify audit targets in an efficient and effective manner, and combat social e-commerce tax evasion in scale.

研究动机与目标

• 为国际税务机构开发一种Regtech工具，用于检测社交媒体平台上的隐性经济活动。
• 收集并手动标注58,660条与#lipstick相关的Instagram帖子，以识别基于交易的逃税指标。
• 设计一种整合文本和视觉特征的多模态深度神经网络，以检测可疑帖子。
• 将模型性能与单模态基线进行对比评估，并证明其检测效率的提升。
• 实现可扩展的、自动化的潜在逃税目标识别，以支持审计优先级排序。

提出的方法

• 使用#lipstick标签收集58,660条Instagram帖子，并从样本中手动标注2,081条帖子，涵盖多种与逃税相关的属性。
• 设计了一种模块化的多模态深度神经网络，处理三种输入模态：评论（NLP嵌入）、标签（文本特征）和图像（基于CNN的特征）。
• 采用最先进的预训练模型提取高级语义特征，如用于文本的（例如BERT类）和用于图像的（例如ResNet）。
• 通过晚期融合策略组合各模态的特征，最终预测基于所有三种模态表示的拼接结果。
• 使用二元交叉熵损失进行模型训练，并在保留的测试集上使用AUC和F1分数进行评估。
• 针对视频内容，采用随机噪声图像替代视频片段，尽管这限制了性能，表明未来需整合专用的视频模态处理。

实验结果

研究问题

• RQ1 多模态深度学习模型能否有效利用文本和图像特征，在社交媒体帖子中检测基于交易的逃税行为？
• RQ2 与仅使用文本或仅使用图像的单模态模型相比，多模态模型在检测逃税指标方面的性能如何？
• RQ3 与税务机构的随机抽样相比，该模型在多大程度上能提升审计效率？
• RQ4 各模态（文本、图像、标签）对最终检测性能的贡献如何？它们之间如何互补？
• RQ5 该模型如何扩展以检测涉及未见过产品或新模态（如视频内容）的逃税活动？

主要发现

• 多模态模型实现了0.808的AUC和0.762的F1分数，显著优于任何单模态模型。
• 联合模型每推荐100个可疑帖子可识别72起真实的逃税活动，相比随机抽样（每100个帖子识别22起）审计效率提升超过300%。
• 图像特征贡献了更高的精确率，而文本特征表现出更高的召回率，表明各模态具有互补优势。
• 当视频片段被替换为随机噪声图像时，模型性能下降，凸显未来版本中需集成专用视频处理能力。
• 2,081条人工标注的Instagram帖子数据集为未来关于社交电商和隐性经济检测的研究提供了坚实基线。
• 该工具已引起中国国家税务总局和澳大利亚联邦警察的关注，计划将其集成至中国的“金税工程”并扩展至医疗口罩等其他产品。