[目的]整合多来源涉税数据信息，利用机器学习方法，实现对重点税种涉税违法企业的智能判别分析。[方法]利用网络数据获取、文本挖掘等技术，收集了企业财务指标、高管信息、媒体关注等多源涉税数据进行融合处理；利用随机森林方法进行特征选择，构建了税务稽查选案判别指标体系；利用改进的基于焦点损失函数的多任务结构化稀疏学习方法，视不同税种选案工作为不同任务联合训练，构建了分税种的税务稽查选案判别模型。[结果]真实数据实验结果表明，本研究基于多任务学习方法构建的税务稽查选案判别模型有较好的泛化性能和应用能力，其召回率均值达到83.09%，相对传统logistic方法和多任务结构化稀疏学习分别提升了13.51%和10.33%。[局限]模型需要在上市企业以外的数据集层面进一步验证。[结论]本研究所构建的模型能够更加精准地甄别出不诚实纳税的目标企业，且可同时识别出其具体涉及的偷漏税税种，为政府智慧税务稽查提供新思路。