Data-Gouv-FR/nomenclature-fiscale-du-compte-de-resultat

损益表税务分类（键/标签对）Tax nomenclature of the income statement (key/label pairs)

搜集汇总

数据集介绍

构建方式

该数据集源自法国政府开放数据平台data.gouv.fr，其原始标识符为`658ac5ab1657d09efaed0978`，以`nomenclature-fiscale-du-compte-de-resultat`为slug名称。数据集在HuggingFace平台上重构为单一仓库，每一份原始表格资源对应一个HuggingFace子集配置，且每个配置均包含一个名为`train`的数据分割。具体而言，`nomenc-compte-resultat`配置对应的数据文件为Parquet格式，存储于路径`data/nomenc-compte-resultat.parquet`中。这一结构设计旨在保持与原始开放数据源的一致性的同时，便于在HuggingFace生态内进行高效的加载与复用。

使用方法

用户可通过HuggingFace的`datasets`库便捷地加载该数据集，示例代码如下：`from datasets import load_dataset`，随后调用`ds = load_dataset("Data-Gouv-FR/nomenclature-fiscale-du-compte-de-resultat", "nomenc-compte-resultat")`，即可获取`train`分割数据，并通过`print(ds["train"])`查看数据集结构。该方式将Parquet文件自动封装为易于操作的Dataset对象，支持进一步的数据筛选、转换与分析，适用于金融合规、税务信息处理及法语文档标准化等场景。

背景与挑战

背景概述

在税务与会计交叉研究领域，标准化财务数据结构的构建是推动自动化分析与跨国比较的关键基础。由法国开放数据平台data.gouv.fr发布的“Nomenclature fiscale du compte de résultat”数据集，旨在提供法文损益表的税务分类目录，以键值对形式收录了官方认定的损益科目编号及其对应标签。该数据集由法国公共数据机构维护，其核心研究问题聚焦于如何通过统一且机器可读的格式，将分散的法定税务分类转化为结构化知识，从而支撑财务报告自动校验、税务合规分析及会计信息系统互操作等任务。自创建以来，该数据集已作为法国公共财政开放数据生态的重要组成部分，为研究者与开发者提供了可靠的参考基准，并在推动财务数据语义标准化方面产生了积极影响。

当前挑战

该数据集所解决的领域问题在于，法国税务损益表分类长期以非结构化文本或异构格式存在，缺乏统一机器可读标注，导致自动化处理与跨系统整合面临障碍。构建过程中，核心挑战包括：其一，需从官方税务法规中准确提取并校对数百对（键，标签）映射关系，确保与现行法律定义严格一致；其二，不同年份或版本间的分类变动需被及时追踪并反映，以避免历史数据对比时产生偏差；其三，将原始表格资源无损转化为Parquet与CSV格式，并保持与Hugging Face数据集加载接口的兼容性，要求对数据分割、字段命名及元数据描述进行精心设计。这些工作共同确保数据集既可被便捷使用，又能忠实反映官方分类的语义精义。

常用场景

经典使用场景

该数据集封装了法国税务损益表的官方财政科目编码体系，其核心用途是为金融、会计及税务领域的自然语言处理任务提供标准化的术语映射基础。研究者常利用其中的键值对结构（clés/libellés）构建税务实体识别模型、财务报表自动分类系统，或作为领域词嵌入训练的种子词典。数据集的简洁格式使其特别适合用于少样本学习场景下的财政领域本体对齐实验。

解决学术问题

在学术研究中，该数据集有效解决了法语财政术语缺乏统一结构化标注的瓶颈问题。它为计算语言学中的专门术语抽取（Terminology Extraction）和税务文本语义消歧提供了黄金标准参考集，使研究者能够量化评估不同术语对齐算法在高度专业化的法国税务场景中的表现。此外，该数据集推动了跨语言财务知识图谱的构建研究，填补了法语开放政府数据在会计标准命名规范领域的结构化数据空白。

实际应用

在实际部署中，该数据集支撑着法国政府及企业的财务自动化系统。银行和审计机构可将其嵌入税务申报辅助工具中，实现财务报表科目与税务代码的自动匹配，从而减少人工核查成本。创业公司和金融科技平台能够基于此数据集开发会计软件接口，实现法国GAAP（通用会计原则）到税务报表的自动翻译转换。对于开放数据社区而言，它直接服务于政府财政数据的透明化发布与标准化整合。

数据集最近研究

最新研究方向

该数据集聚焦于法国税务损益表的标准化编码体系（Nomenclature fiscale du compte de résultat），提供键值对与标签的映射关系。作为法国公共开放数据生态的一部分，其近年来正被用于推动企业财务数据的跨系统互操作性与自动化合规分析。随着欧盟数字税务转型与电子报告指令（如ViDA提案）的推进，此类标准化财务分类法成为机器可读税务审计、跨境财务数据融合及AI辅助财政决策的关键基础。该数据集对优化法国中小企业税务申报流程、支撑开放政府数据透明度倡议具有显著意义，并为法语区财务自然语言处理模型（如财务实体识别与税务标签预测）提供了结构化训练资源。