目前,全国税务系统基本实现了征管业务信息化,在这样的新形势下,国家税务总局明确提出了深入开展税收数据资源开发利用工作的要求。由此可见,积极利用现有的海量税收数据,开展数据分析和利用工作,已经成为一个热点和难点问题。本文正是在这样一个背景下,针对印花税“资金账簿”品目欠税分类情况进行了研究,主要工作有以下几方面。研究欠税算法业务逻辑,为欠税分类提供决策属性信息。针对税收数据存在连续型和离散型并存、属性度量不一致等特点,对数据进行了预处理,其中包括相关性分析、连续型属性离散化处理和属性约简等方面内容。针对相关性分析采用了Pearson相关系数算法,较好的解决了两两属性间相关性过高的问题;在实现连续型数据离散化的过程中,提出了一种基于遗传算法理论的连续型数据离散化方法,通过“优胜劣汰”的原则进行离散化处理,较好的实现了连续型属性离散化处理;针对海量税收数据下的多条件属性约简问题,根据各属性间存在相互依赖、重要度不同等特点,采用基于重要度的启发式粗糙集属性约简方法,实现了删除无关或冗余属性的约简过程,并经专家领域知识验证了该算法在属性约简中的有效性。针对欠税分类问题,使用决策树和贝叶斯分类算法进行了实验,并将根据数学模型生成的欠税情况与稽查选案工作进行了有机结合。