부동산 취득세 신고 업무에 딥러닝 기반 이상치 선별기법 적용방안

국문 초록 (Abstract)

본 연구에서는 부동산 취득신고 자료를 대상으로 효율적인 이상치 선별방법을 모색하였다. 군집분석이나 차원축소기법 같은 전통적인 방법 외에, 딥러닝 방식에 속하는 비지도학습 모형인 오토인코더를 적용하여 부동산 취득신고 건 중 이상치, 즉 불성실 신고 건을 파악하였다. 그 결과 전통적 선별방법보다 오토인코더를 활용한 접근이 이상치 파악에 보다 효율적임을 확인할 수 있었다. 아울러 이상치를 전혀 포함하지 않은 정상사례만을 대상으로 단일범주 학습을 수행한 후 이상치를 선별하였다는 점에서 이상치 사례가 전체 사례 수 대비 극히 적은 분야에 본 연구 결과가 널리 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This study investigates efficient outlier detection methods for frauds in property acquisition and reporting. We create an autoencoder, a type of unsupervised deep learning model for detecting frauds in property acquisition and reporting business, and compare its performance with those from traditional models such as clustering analysis and dimensionality reduction techniques. The result indicates that the autoencoder significantly outperformed the traditional models. We gave only one-class cases (normal cases) to a model and it learned how to discriminate whether new cases belong to normal or outlier groups. The approach taken in this study is expected to be used widely in tasks where extremely rare outliers have to be identified from a large amount of normal observations.

목차 (Table of Contents)

• 국문요약
• Ⅰ. 서론
• Ⅱ. 이상치 선별방법
• Ⅲ. 분석 자료 및 비교 지표
• Ⅳ. 이상치 선별 성능의 비교
• Ⅴ. 결론
• 참고문헌
• Abstract

참고문헌 (Reference)

1 배수진, "성실납세자 혜택은 조세순응을 유도 하는가: 조건별 보상여부와 혜택 유형을 중심으로" 한국회계학회 42 (42): 141-175, 2017

2 심한택, "부동산 실거래가액 신고제도의 도입에 따른 납세자의 신고가액 변화" 한국회계학회 16 (16): 87-104, 2007

3 서정화, "모범납세자 선정 전·후의 조세회피에 관한 연구" 한국회계학회 26 (26): 77-112, 2017

4 Raschka, S, "Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2" Packt Publishing Ltd 019

5 Gong, D, "Memorizing normality to detect anomaly: Memory-augmented deep autoencoder for unsupervised anomaly detection" 1705-1714, 2019

6 Bullock, J, "Medical Imaging 2019: Biomedical Applications in Molecular, Structural, and Functional Imaging (Vol. 10953)" International Society for Optics and Photonics 109531-, 2019

7 Patel, A. A, "Hands-On Unsupervised Learning Using Python: How to Build Applied Machine Learning Solutions from Unlabeled Data" O'Reilly Media 2019

8 Chollet, F, "Deep Learning mit Python und Keras: Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek" MITP-Verlags GmbH & Co. KG 2018

9 Schubert, E, "DBSCAN revisited, revisited: why and how you should (still) use DBSCAN" 42 (42): 1-21, 2017

10 Tan, L, "Application of self-organizing feature map neural network based on K-means clustering in network intrusion detection" 61 (61): 275-288, 2019

11 Chandola, V, "Anomaly detection: A survey" 41 (41): 1-58, 2009

12 Ranjith, R, "Anomaly detection using DBSCAN clustering technique for traffic video surveillance" IEEE 1-6, 2015

13 Shah, S, "Anomaly detection in social media using recurrent neural network" Springer 74-83, 2019

14 Zhang, Z, "A model based on convolutional neural network for online transaction fraud detection" 2018

15 Cassano, F, "A Recurrent Neural Network Approach to Improve the Air Quality Index Prediction" Springer 36-44, 2019