납세신고-의사결정지원시스템을 위한 지식획득 모형

The Knowledge Acquisition Models for Tax-Reporting Decision Support Systems

확실성하에서 지식획득에 관한 연구는 많은 분야에서 관심의 초점이 되고 있다. 전통적으로 불확실성은 확률이론과 같은 표준도구에 의해 다루어졌다. 본 연구에서는 불확실성과 모호성이 내재된 납세신고상황에서, 납세자의 의사결정을 지원하기 위한 시스템을 개발하는 과정에서 납세신고과정의 지식획득과 관련하여 실무적으로 적용이 가능한 기계학습 알고리즘과 러프집합 이론을 소개하며, 일반 납세신고자료가 아닌 통제된 실험실 상황에서 수집한 납세신고자료에 대하여 이 접근방법들을 적용하여 납세신고의사결정 규칙을 추론한 후, 이들 모형에 의한 의사결정규칙의 특성을 비교하고자 한다. 러프집합 이론과 기계학습 알고리즘-ID3은 사례를 통한 지식구축이 가능하며, 언어적 자료의 조작이 가능한 이론이다. 반면에 러프집합 이론은 병렬처리개념에 의해 규칙을 추론하나, 기계학습 알고리즘-ID3은 순차처리 개념에 의해 의사결정 규칙을 추론한다. 본 연구는 부정확한 언어적 표현과 불확실성과 모호성이 존재하는 납세신고 의사결정 분야에 이러한 지식획득 도구들을 소개하였으며, 이들 지식획득도구들이 실제 납세분야에서 널리 이용되기 위해서는 납세신고 의사결정자들의 의사결정과정과 의사결정자들의 주관이 개입된 언어적 표현자료들에 대한 처리방법과 관련된 추가적인 연구가 이루어져야 한다.

A great deal of attention has been devoted to the study of knowledge acquisition under uncertainty. There are many approaches to the problem of how to understand and manipulate imperfect knowledge. This paper presents still another attempt to solve this problem in tax reporting decision by using Rough Set Theory or Machine Learning- ID3. In this paper, we introduced Rough Set Theory and Machine Learning - ID3 which are suitable for inferencing of decision-maker s rules under tax-reporting decision condition accompanying uncertainty and vagueness. Rough Set Theory and Machine Learning-ID3 can construct the knowledge by the instance and deal with the linguistic data. Rough Set Theory can inference the decision-making rules with paralleled processing, but Machine Learning-ID3 with sequential processing. For application of this research more widely to tax-reporting, more additional researches about tax-reporting decision maker s process and subjective linguistic expression should be made.