CN109583620A - 企业潜在风险预警方法、装置、计算机设备和存储介质 - Google Patents
企业潜在风险预警方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109583620A CN109583620A CN201811184210.5A CN201811184210A CN109583620A CN 109583620 A CN109583620 A CN 109583620A CN 201811184210 A CN201811184210 A CN 201811184210A CN 109583620 A CN109583620 A CN 109583620A
- Authority
- CN
- China
- Prior art keywords
- node
- enterprise
- incidence relation
- label
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 42
- 230000001902 propagating effect Effects 0.000 claims abstract description 26
- 239000000284 extract Substances 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 22
- 230000006854 communication Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012502 risk assessment Methods 0.000 abstract description 5
- 230000000644 propagated effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及大数据技术领域，应用于金融行业，提供了一种企业潜在风险预警方法、装置、计算机设备和存储介质。方法包括：获取企业关联图谱并提取节点关联关系，获取企业关联图谱中的传播起始节点携带的风险参数标签，根据风险参数标签和节点关联关系，获得风险参数标签的传播路径，获取传播路径中各节点间的传播系数，根据传播路径和传播系数，对风险参数标签进行标签传播处理，获得节点潜在风险预警信息。本方案通过企业关联图谱和标签传播处理，利用企业对应节点间的关联关系，确定传播路径和传播系数，进行风险参数标签的有效传播，更为快速准确地分析得到企业潜在风险预警，相较于人工分析的方式，提高了企业潜在风险分析效率和预警可靠性。
Description
技术领域
本申请涉及大数据技术领域，特别是涉及一种企业潜在风险预警方法、装置、计算机设备和存储介质。
背景技术
随着科技的进步与网络的快速发展，目前已经进入到大数据时代，在企业公开数据中，能够看到很多有价值的信息数据，如企业之间的投资关系、合作关系、招投标信息等数据。通过这些数据例如现金流、企业并购等方面数据可以直观反映出企业之间的关联关系，但并不能很好地发现企业之间潜在的风险关系。
传统方法中对于企业的风险分析都依靠分析师人工收集数据，撰写研究报告，根据业务经验分析企业之间风险的关联性，以此来确定企业的潜在风险，难度较大且效率不高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高分析效率的企业潜在风险预警方法、装置、计算机设备和存储介质。
一种企业潜在风险预警方法，所述方法包括：
获取企业关联图谱，并提取所述企业关联图谱中的节点关联关系；
获取所述企业关联图谱中的传播起始节点携带的风险参数标签；
根据所述风险参数标签以及所述节点关联关系，获得所述风险参数标签的传播路径；
获取所述传播路径中各节点间的传播系数；
根据所述传播路径和所述传播系数，对所述风险参数标签进行标签传播处理；
根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息。
在其中一个实施例中，所述获取企业关联图谱，并获取所述企业关联图谱中的节点关联关系之前，还包括：
获取企业关联数据；
对所述企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值；
根据所述节点、节点关联关系以及节点关联关系权值，构建所述企业关联图谱。
在其中一个实施例中，所述对所述企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值包括：
提取所述企业关联数据包含的关联企业和关联词；
根据所述关联企业，获得所述节点；
根据所述关联词，获得所述节点关联关系以及所述节点关联关系对应的关系类别；
获取所述节点关联关系在所述关系类别中的所占比重，根据所述所占比重，获得所述节点关联关系权值。
在其中一个实施例中，所述获取所述节点关联关系在所述关系类别中的所占比重，根据所述所占比重，获得所述节点关联关系权值之前，还包括：
根据所述企业关联数据，查找所述关联企业的违约数据；
当所述关联企业均存在所述违约数据时，判定所述节点关联关系为有效关联关系；
统计所述关系类别中的所述有效关联关系数量，确定所述节点关联关系在所述关系类别中的所占比重。
在其中一个实施例中，所述获取所述传播路径中各节点间的传播系数之前，还包括：
获取所述传播路径的节点的时间损益参数；
获取所述企业关联图谱中所述关联节点的对应权值，根据所述时间损益参数以及所述节点关联关系的对应权值，确定所述相邻节点之间的传播系数。
在其中一个实施例中，所述获取所述传播路径的节点的时间损益参数之前，还包括：
获取所述传播路径的节点间违约数据的发生时间差；
根据所述违约数据的发生时间差，确定时间损益参数。
在其中一个实施例中，所述根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息之后，还包括：
获取待分析企业信息，确定所述待分析企业在所述企业关联图谱中对应的待分析节点；
读取所述待分析节点相关的各类节点关联关系，并获取所述待分析节点相关的各类节点关联关系的风险传播处理结果；
对所述风险传播处理结果进行加权处理，获得所述待分析节点对应待分析企业的综合潜在风险信息。。
一种企业潜在风险预警装置，所述装置包括：
节点关联关系提取模块，用于获取企业关联图谱，并提取所述企业关联图谱中的节点关联关系；
风险参数标签获取模块，用于获取所述企业关联图谱中的传播起始节点携带的风险参数标签；
传播路径获得模块，用于根据所述风险参数标签以及所述节点关联关系，获得所述风险参数标签的传播路径；
传播系数获得模块，用于获取所述传播路径中各节点间的传播系数；
标签传播模块，用于根据所述传播路径和所述传播系数，对所述风险参数标签进行标签传播处理；
潜在风险获得模块，用于根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取企业关联图谱，并提取所述企业关联图谱中的节点关联关系；
获取所述企业关联图谱中的传播起始节点携带的风险参数标签；
根据所述风险参数标签以及所述节点关联关系，获得所述风险参数标签的传播路径；
获取所述传播路径中各节点间的传播系数；
根据所述传播路径和所述传播系数，对所述风险参数标签进行标签传播处理；
根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取企业关联图谱，并提取所述企业关联图谱中的节点关联关系；
获取所述企业关联图谱中的传播起始节点携带的风险参数标签；
根据所述风险参数标签以及所述节点关联关系，获得所述风险参数标签的传播路径；
获取所述传播路径中各节点间的传播系数；
根据所述传播路径和所述传播系数，对所述风险参数标签进行标签传播处理；
根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息。
上述企业潜在风险预警方法、装置、计算机设备和存储介质，通过企业关联图谱提取节点关联关系，根据传播起始节点携带的风险参数标签和节点关联关系，获得风险参数标签的传播路径，根据传播路径和获取的传播系数，对风险参数标签进行标签传播处理，从而得到节点潜在风险预警信息，本方案通过企业关联图谱和标签传播处理的方法，利用企业对应节点间的关联关系，确定传播路径和传播系数，进行风险参数标签的有效传播，更为快速准确地分析得到企业潜在风险预警，相较于人工分析的方式，提高了企业潜在风险分析效率和预警可靠性。
附图说明
图1为一个实施例中企业潜在风险预警方法的流程示意图；
图2为另一个实施例中企业潜在风险预警方法的流程示意图；
图3为一个实施例中图2中步骤S140的子步骤的流程示意图；
图4为一个实施例中企业潜在风险预警装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的企业潜在风险预警方法，应用于金融行业，通过企业关联图谱提取节点关联关系，根据传播起始节点携带的风险参数标签和节点关联关系，获得风险参数标签的传播路径，根据传播路径和获取的传播系数，对风险参数标签进行标签传播处理，从而得到节点潜在风险预警信息，实现对企业的潜在风险情况进行分析获得预警信息，具体可以通过计算机程序对本申请的企业潜在风险预警方法进行实现，计算机程序可以加载于终端上，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。
在一个实施例中，如图1所示，提供了一种企业潜在风险预警方法，包括以下步骤：
步骤S200，获取企业关联图谱，并提取企业关联图谱中的节点关联关系。
企业关联图谱是指包含企业多维度信息，体现企业之间的关系链路，清晰地显示了大数据中的各种关联关系，企业关联图谱由节点、边以及边的权值组成，每个节点都代表着一个企业实体，而每条边代表企业与企业之间的关联关系，每条边均为有向线条，线条方向表示关联关系的主体与受体，边的权值代表节点与节点之间关系的强弱。根据企业关系图谱的边，可以得到两个企业之间的联系，提取出用于表示企业关系的节点关联关系。
步骤S300，获取企业关联图谱中的传播起始节点携带的风险参数标签。
传播起始节点是指已经被标记有设定标签的节点，设定标签可以是风险参数标签或是其他需要进行传播分析的标签，风险参数标签是指已经产生风险数据的企业，通过对风险数据进行计算处理后的到的参数指标。在实施例中，传播起始节点可以是不包含的设定标签的节点的相邻节点，对应传播层数为1，也可以是通过中间节点与不包含的设定标签的节点的间接关联的节点，中间节点可以为包含设定标签的节点，对应传播层数为2或2以上。在实施例中，不同类别的关联关系的风险参数标签不同，例如，当关联关系类别为借贷时，其对应的风险参数标签为借贷风险参数标签，当关联关系类别为投资时，其对应的风险参数标签为投资风险参数标签。
步骤S400，根据风险参数标签以及节点关联关系，获得风险参数标签的传播路径。
风险参数标签的传播路径是指将存在风险参数标签的节点的风险标签参数传播至其他节点的路径，传播路径包括传播起始节点、传播中间节点和传播结束节点，其中传播起始节点和传播中间节点可以通过节点携带的风险参数标签来确定，传播起始节点与传播中间节点的连接关系、多个传播中间节点之间的连接关系，以及传播中间起点与传播结束起点的连接关系可以通过节点关联关系来确定，根据上述确定的节点与连接关系，获得风险参数标签的传播路径。在实施例中，在节点标签传播的每一步，每个节点根据相邻节点的标签来更新自己的标签，传播起始节点的风险参数标签可以经过多层传播到达传播结束起点，更新传播中间节点的风险承诺书标签，并得到传播结束起点的风险参数标签。
步骤S500，获取传播路径中各节点间的传播系数。
传播系数是指风险参数传播的影响权值，传播系数与节点之间的相似度，即节点关联关系权值相关，节点关联关系权值越大，其相邻节点对其标注的影响权值越大，相似节点的标签越趋于一致，其标签就越容易传播。传播系数可以通过企业关联图谱中的节点关联关系权值确定，也可以根据设定需求，通过节点关联关系权值以及其他损益参数来确定，例如当风险传播参数受时间的影响较大时，可以通过节点关联关系权值以及时间损益参数来确定传播系数。
步骤S600，根据传播路径和传播系数，对风险参数标签进行标签传播处理。
标签传播处理可以通过标签传播算法来进行，标签传播算法是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息，节点的边表示两个节点的相似度，节点的标签按相似度传递给其他节点，标签数据是一个源头，对无标签数据进行标注，节点的相似度越大，标签越容易传播。根据传播路径和传播系数，将传播起始节点的风险参数标签传播至下一节点，依次传播，获得标签传播处理结果，即传播结束节点的风险参数标签。
步骤S700，根据企业关联图谱中各节点的标签传播处理结果，获得各节点对应企业的潜在风险预警信息。
根据标签传播处理结果，使不包含风险数据标签的节点获得对应的标签，对标签内容进行解析，获得该节点的潜在风险信息，当风险信息满足预设的预警条件时，推动该节点对应的潜在风险预警信息。
上述企业潜在风险预警方法，通过企业关联图谱提取节点关联关系，根据传播起始节点携带的风险参数标签和节点关联关系，获得风险参数标签的传播路径，根据传播路径和获取的传播系数，对风险参数标签进行标签传播处理，从而得到节点潜在风险预警信息，本方案通过企业关联图谱和标签传播处理的方法，利用企业对应节点间的关联关系，确定传播路径和传播系数，进行风险参数标签的有效传播，更为快速准确地分析得到企业潜在风险预警，相较于人工分析的方式，提高了企业潜在风险分析效率和预警可靠性。
在一个实施例中，如图2所示，步骤S200，获取企业关联图谱，并获取企业关联图谱中的节点关联关系之前，还包括：
步骤S120，获取企业关联数据。
步骤S140，对企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值。
步骤S160，根据节点、节点关联关系以及节点关联关系权值，构建企业关联图谱。
企业关联数据是指各个企业之间的相关资料，可以采用爬虫技术爬取网页和搜索引擎等来收集获取，并通过数据挖掘技术挖掘得到多方位、全面的企业关联数据，包括工商信息、股市信息、经营信息、风险信息、财务信息、舆情信息、行政监管信息以及信用信息等。例如企业名称、其法定代表人、投资方、债务或债权方、分支机构、供应链关系、诉讼关系、担保、舆情引用、文书引用等等，通过对企业关联数据进行关键字提取，确定是否存在关联企业和关联词；当该企业关联数据中包含2个或2个以上的企业信息时，筛选出关联企业，根据关联词确定该关联企业间关联关系，以及关联关系对应的关系类别，如借贷关系、持股关系、收购关系。等，其中，两个企业之间可能有多种关系存在。例如，企业A与企业B之间同时存在持股关系和借贷关系。
在一个实施例中，如图3所示，步骤S140，对企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值包括：
步骤S142，提取企业关联数据包含的关联企业和关联词。
步骤S144，根据关联企业，获得节点。
步骤S146，根据关联词，获得节点关联关系以及节点关联关系对应的关系类别。
步骤S148，获取节点关联关系在关系类别中的所占比重，根据所占比重，获得节点关联关系权值。
对于获取的企业关联数据，可采用命名实体识别方式识别文本中的企业名称，当文本中识别出的企业名称包括多个时，文本中的企业为关联企业，通过词性分析提取关联企业的关联词，例如，获取到的企业关联数据为新闻标题“阿里95亿美元全资收购饿了么”，识别到企业名称包括“阿里巴巴”和“饿了么”，为关联企业，通过词性分析，关联词为“收购”，根据识别与分析结果，可以将“阿里巴巴”和“饿了么”作为企业关联图谱的节点，节点关联关系为收购，对应的关系类别为收购关系，按照此方法，可以根据大量的企业关联数据，对企业关联图谱的节点与节点关联关系进行扩充。通过统计企业关联图谱中满足设定条件的各类别的关联关系的数量，可以确定每两个节点之间的节点关联关系对应所占的比重，例如，在企业关联图谱中满足设定条件的投资关系有8个，则每两个节点之间的节点关联关系对应所占的比重为1/8。
在一个实施例中，获取节点关联关系在关系类别中的所占比重，根据所占比重，获得节点关联关系权值之前，还包括：
根据企业关联数据，查找关联企业的违约数据。
当关联企业均存在违约数据时，判定节点关联关系为有效关联关系。
统计关系类别中的有效关联关系数量，确定节点关联关系在关系类别中的所占比重。
在风险参数标签的传播过程中，主要考虑的是企业的违约情况，根据企业关联数据，可以确定关联企业，从而查找该关联企业是否有违约的历史情况出现，当关联企业同时存在违约数据时，该关联企业之间对应的节点关联关系为有效关系，可以实现风险参数标签的传播，统计节点关联关系对应的关系类别中有效关联关系数量，从而确定节点关联关系在关系类别中的所占比重。若关联企业中的其中一个企业不存在违约数据或两个企业都不存在违约数据，则该关联企业之间的节点关联关系为无效关系。
在一个实施例中，获取传播路径中各节点间的传播系数之前，还包括：
获取传播路径的节点的时间损益参数。
获取企业关联图谱中关联节点的对应权值，根据时间损益参数以及节点关联关系的对应权值，确定相邻节点之间的传播系数。
当风险程度随着时间变化时，时间损益系数是风险参数标签传播的影响因素，用于衡量风险传导的衰减程度。两个关联企业之间的节点关联关系的权值越大，时间损益越小，表示两个节点越相似，越有利于风险参数标签的传播。
在一个实施例中，获取传播路径的节点的时间损益参数之前，还包括：
获取传播路径的节点间违约数据的发生时间差。
根据违约数据的发生时间差，确定时间损益参数。
通过关联企业之间违约数据发生时间差定义时间损益系数：其中，x为两个企业违约数据的发生时间差值，θ为损益程度，是可以根据实际业务情况调整的参数。
在一个实施例中，根据企业关联图谱中各节点的标签传播处理结果，获得各节点对应企业的潜在风险预警信息之后，还包括：
获取待分析企业信息，确定待分析企业在企业关联图谱中对应的待分析节点；
读取待分析节点相关的各类节点关联关系，并获取待分析节点相关的各类节点关联关系的风险传播处理结果；
对风险传播处理结果进行加权处理，获得待分析节点对应待分析企业的综合潜在风险信息。
当新企业关联图谱中新增一个企业，并需要分析该企业的潜在风险情况时，首先确定待分析企业在企业关联图谱中对应的待分析节点，以及与其他节点之间的节点关联关系，通过读取待分析节点相关的各类节点关联关系，查找到该类别对应的传播起始节点，以及传播起始节点的风险参数标签，根据风险参数标签和节点关联关系，确定传播路径，并获取到对应的传播系数，通过标签传播算法，获取待分析节点各类关联关系对应的风险传播处理结果，最后对待分析节点的各类风险传播处理结果进行加权处理，获得待分析企业的综合潜在风险信息。
应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种企业潜在风险预警装置，包括：
节点关联关系提取模块200，用于获取企业关联图谱，并提取企业关联图谱中的节点关联关系。
风险参数标签获取模块300，用于获取企业关联图谱中的传播起始节点携带的风险参数标签。
传播路径获得模块400，用于根据风险参数标签以及节点关联关系，获得风险参数标签的传播路径。
传播系数获得模块500，用于获取传播路径中各节点间的传播系数。
标签传播模块600，用于根据传播路径和传播系数，对风险参数标签进行标签传播处理。
潜在风险获得模块700，用于根据企业关联图谱中各节点的标签传播处理结果，获得各节点对应企业的潜在风险预警信息。
在其中一个实施例中，企业潜在风险预警装置还包括企业关联图谱构建模块，用于获取企业关联数据，对企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值，根据节点、节点关联关系以及节点关联关系权值，构建企业关联图谱。
在其中一个实施例中，企业关联图谱构建模块还用于提取企业关联数据包含的关联企业和关联词，根据关联企业，获得节点，根据关联词，获得节点关联关系以及节点关联关系对应的关系类别，获取节点关联关系在关系类别中的所占比重，根据所占比重，获得节点关联关系权值。
在其中一个实施例中，企业关联图谱构建模块还用于根据企业关联数据，查找关联企业的违约数据，当关联企业均存在违约数据时，判定节点关联关系为有效关联关系，统计关系类别中的有效关联关系数量，确定节点关联关系在关系类别中的所占比重。
在其中一个实施例中，企业潜在风险预警装置还包括传播系数确定模块，用于获取传播路径的节点的时间损益参数，获取企业关联图谱中关联节点的对应权值，根据时间损益参数以及节点关联关系的对应权值，确定相邻节点之间的传播系数。
在其中一个实施例中，传播系数确定模块，还用于获取传播路径的节点间违约数据的发生时间差，根据违约数据的发生时间差，确定时间损益参数。
在其中一个实施例中，企业潜在风险预警装置还包括综合潜在风险信息获取模块，用于获取待分析企业信息，确定待分析企业在企业关联图谱中对应的待分析节点，读取待分析节点相关的各类节点关联关系，并获取待分析节点相关的各类节点关联关系的风险传播处理结果，对风险传播处理结果进行加权处理，获得待分析节点对应待分析企业的综合潜在风险信息。
上述企业潜在风险预警装置，通过企业关联图谱提取节点关联关系，根据传播起始节点携带的风险参数标签和节点关联关系，获得风险参数标签的传播路径，根据传播路径和获取的传播系数，对风险参数标签进行标签传播处理，从而得到节点潜在风险预警信息，本方案通过企业关联图谱和标签传播处理的方法，利用企业对应节点间的关联关系，确定传播路径和传播系数，进行风险参数标签的有效传播，更为快速准确地分析得到企业潜在风险预警，相较于人工分析的方式，提高了企业潜在风险分析效率和预警可靠性。
关于企业潜在风险预警装置的具体限定可以参见上文中对于企业潜在风险预警方法的限定，在此不再赘述。上述企业潜在风险预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种企业潜在风险预警方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取企业关联图谱，并提取企业关联图谱中的节点关联关系；
获取企业关联图谱中的传播起始节点携带的风险参数标签；
根据风险参数标签以及节点关联关系，获得风险参数标签的传播路径；
获取传播路径中各节点间的传播系数；
根据传播路径和传播系数，对风险参数标签进行标签传播处理；
根据企业关联图谱中各节点的标签传播处理结果，获得各节点对应企业的潜在风险预警信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取企业关联数据；
对企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值；
根据节点、节点关联关系以及节点关联关系权值，构建企业关联图谱。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
提取企业关联数据包含的关联企业和关联词；
根据关联企业，获得节点；
根据关联词，获得节点关联关系以及节点关联关系对应的关系类别；
获取节点关联关系在关系类别中的所占比重，根据所占比重，获得节点关联关系权值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据企业关联数据，查找关联企业的违约数据；
当关联企业均存在违约数据时，判定节点关联关系为有效关联关系；
统计关系类别中的有效关联关系数量，确定节点关联关系在关系类别中的所占比重。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取传播路径的节点的时间损益参数；
获取企业关联图谱中关联节点的对应权值，根据时间损益参数以及节点关联关系的对应权值，确定相邻节点之间的传播系数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取传播路径的节点间违约数据的发生时间差；
根据违约数据的发生时间差，确定时间损益参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待分析企业信息，确定待分析企业在企业关联图谱中对应的待分析节点；
读取待分析节点相关的各类节点关联关系，并获取待分析节点相关的各类节点关联关系的风险传播处理结果；
对风险传播处理结果进行加权处理，获得待分析节点对应待分析企业的综合潜在风险信息。
上述用于实现企业潜在风险预警方法的计算机设备，通过企业关联图谱提取节点关联关系，根据传播起始节点携带的风险参数标签和节点关联关系，获得风险参数标签的传播路径，根据传播路径和获取的传播系数，对风险参数标签进行标签传播处理，从而得到节点潜在风险预警信息，本方案通过企业关联图谱和标签传播处理的方法，利用企业对应节点间的关联关系，确定传播路径和传播系数，进行风险参数标签的有效传播，更为快速准确地分析得到企业潜在风险预警，相较于人工分析的方式，提高了企业潜在风险分析效率和预警可靠性。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取企业关联图谱，并提取企业关联图谱中的节点关联关系；
获取企业关联图谱中的传播起始节点携带的风险参数标签；
根据风险参数标签以及节点关联关系，获得风险参数标签的传播路径；
获取传播路径中各节点间的传播系数；
根据传播路径和传播系数，对风险参数标签进行标签传播处理；
根据企业关联图谱中各节点的标签传播处理结果，获得各节点对应企业的潜在风险预警信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取企业关联数据；
对企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值；
根据节点、节点关联关系以及节点关联关系权值，构建企业关联图谱。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
提取企业关联数据包含的关联企业和关联词；
根据关联企业，获得节点；
根据关联词，获得节点关联关系以及节点关联关系对应的关系类别；
获取节点关联关系在关系类别中的所占比重，根据所占比重，获得节点关联关系权值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据企业关联数据，查找关联企业的违约数据；
当关联企业均存在违约数据时，判定节点关联关系为有效关联关系；
统计关系类别中的有效关联关系数量，确定节点关联关系在关系类别中的所占比重。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取传播路径的节点的时间损益参数；
获取企业关联图谱中关联节点的对应权值，根据时间损益参数以及节点关联关系的对应权值，确定相邻节点之间的传播系数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取传播路径的节点间违约数据的发生时间差；
根据违约数据的发生时间差，确定时间损益参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待分析企业信息，确定待分析企业在企业关联图谱中对应的待分析节点；
读取待分析节点相关的各类节点关联关系，并获取待分析节点相关的各类节点关联关系的风险传播处理结果；
对风险传播处理结果进行加权处理，获得待分析节点对应待分析企业的综合潜在风险信息。
上述用于实现企业潜在风险预警方法的计算机可读存储介质，通过企业关联图谱提取节点关联关系，根据传播起始节点携带的风险参数标签和节点关联关系，获得风险参数标签的传播路径，根据传播路径和获取的传播系数，对风险参数标签进行标签传播处理，从而得到节点潜在风险预警信息，本方案通过企业关联图谱和标签传播处理的方法，利用企业对应节点间的关联关系，确定传播路径和传播系数，进行风险参数标签的有效传播，更为快速准确地分析得到企业潜在风险预警，相较于人工分析的方式，提高了企业潜在风险分析效率和预警可靠性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种企业潜在风险预警方法，所述方法包括：
获取企业关联图谱，并提取所述企业关联图谱中的节点关联关系；
获取所述企业关联图谱中的传播起始节点携带的风险参数标签；
根据所述风险参数标签以及所述节点关联关系，获得所述风险参数标签的传播路径；
获取所述传播路径中各节点间的传播系数；
根据所述传播路径和所述传播系数，对所述风险参数标签进行标签传播处理；
根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息。
2.根据权利要求1所述的方法，其特征在于，所述获取企业关联图谱，并获取所述企业关联图谱中的节点关联关系之前，还包括：
获取企业关联数据；
对所述企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值；
根据所述节点、节点关联关系以及节点关联关系权值，构建所述企业关联图谱。
3.根据权利要求2所述的方法，其特征在于，所述对所述企业关联数据进行信息提取，获得节点、节点关联关系以及节点关联关系权值包括：
提取所述企业关联数据包含的关联企业和关联词；
根据所述关联企业，获得所述节点；
根据所述关联词，获得所述节点关联关系以及所述节点关联关系对应的关系类别；
获取所述节点关联关系在所述关系类别中的所占比重，根据所述所占比重，获得所述节点关联关系权值。
4.根据权利要求3所述的方法，其特征在于，所述获取所述节点关联关系在所述关系类别中的所占比重，根据所述所占比重，获得所述节点关联关系权值之前，还包括：
根据所述企业关联数据，查找所述关联企业的违约数据；
当所述关联企业均存在所述违约数据时，判定所述节点关联关系为有效关联关系；
统计所述关系类别中的所述有效关联关系数量，确定所述节点关联关系在所述关系类别中的所占比重。
5.根据权利要求3所述的方法，其特征在于，所述获取所述传播路径中各节点间的传播系数之前，还包括：
获取所述传播路径的节点的时间损益参数；
获取所述企业关联图谱中所述关联节点的对应权值，根据所述时间损益参数以及所述节点关联关系的对应权值，确定所述相邻节点之间的传播系数。
6.根据权利要求5所述的方法，其特征在于，所述获取所述传播路径的节点的时间损益参数之前，还包括：
获取所述传播路径的节点间违约数据的发生时间差；
根据所述违约数据的发生时间差，确定时间损益参数。
7.根据权利要求1所述的方法，其特征在于，所述根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息之后，还包括：
获取待分析企业信息，确定所述待分析企业在所述企业关联图谱中对应的待分析节点；
读取所述待分析节点相关的各类节点关联关系，并获取所述待分析节点相关的各类节点关联关系的风险传播处理结果；
对所述风险传播处理结果进行加权处理，获得所述待分析节点对应待分析企业的综合潜在风险信息。
8.一种企业潜在风险预警装置，其特征在于，所述装置包括：
节点关联关系提取模块，用于获取企业关联图谱，并提取所述企业关联图谱中的节点关联关系；
风险参数标签获取模块，用于获取所述企业关联图谱中的传播起始节点携带的风险参数标签；
传播路径获得模块，用于根据所述风险参数标签以及所述节点关联关系，获得所述风险参数标签的传播路径；
传播系数获得模块，用于获取所述传播路径中各节点间的传播系数；
标签传播模块，用于根据所述传播路径和所述传播系数，对所述风险参数标签进行标签传播处理；
潜在风险获得模块，用于根据所述企业关联图谱中各节点的标签传播处理结果，获得所述各节点对应企业的潜在风险预警信息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811184210.5A CN109583620B (zh) | 2018-10-11 | 2018-10-11 | 企业潜在风险预警方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811184210.5A CN109583620B (zh) | 2018-10-11 | 2018-10-11 | 企业潜在风险预警方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109583620A true CN109583620A (zh) | 2019-04-05 |
| CN109583620B CN109583620B (zh) | 2024-03-01 |
Family
ID=65920306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811184210.5A Active CN109583620B (zh) | 2018-10-11 | 2018-10-11 | 企业潜在风险预警方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109583620B (zh) |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163413A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 企业监控及预警方法、装置、计算机设备及可读存储介质 |
| CN110223168A (zh) * | 2019-06-24 | 2019-09-10 | 浪潮卓数大数据产业发展有限公司 | 一种基于企业关系图谱的标签传播反欺诈检测方法及*** |
| CN110245165A (zh) * | 2019-05-20 | 2019-09-17 | 平安科技（深圳）有限公司 | 风险传导关联图谱优化方法、装置和计算机设备 |
| CN110458399A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 风险信息生成方法、装置、计算机设备和存储介质 |
| CN110503295A (zh) * | 2019-07-05 | 2019-11-26 | 深圳壹账通智能科技有限公司 | 供应链金融的风险分析方法、装置、计算终端及存储介质 |
| CN110557393A (zh) * | 2019-09-05 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 网络风险评估方法、装置、电子设备及存储介质 |
| CN110659981A (zh) * | 2019-09-26 | 2020-01-07 | 北京明略软件***有限公司 | 企业依存关系识别方法、装置及电子设备 |
| CN110689426A (zh) * | 2019-09-30 | 2020-01-14 | 中诚信征信有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
| CN110717824A (zh) * | 2019-10-17 | 2020-01-21 | 北京明略软件***有限公司 | 基于知识图谱的银行对公客群风险传导测算的方法及装置 |
| CN110738388A (zh) * | 2019-09-02 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 关联图谱评估风险传导的方法、装置、设备和存储介质 |
| CN110825933A (zh) * | 2019-11-07 | 2020-02-21 | 北京明略软件***有限公司 | 一种关系图谱展示方法、装置、电子设备及可读存储介质 |
| CN111191853A (zh) * | 2020-01-06 | 2020-05-22 | 支付宝(杭州)信息技术有限公司 | 风险预测方法及装置、风险查询方法及装置 |
| CN111695760A (zh) * | 2020-04-23 | 2020-09-22 | 优渊领智科技(武汉)有限公司 | 一种生产质量风险记录和溯源方法及*** |
| CN111724250A (zh) * | 2020-06-29 | 2020-09-29 | 深圳壹账通智能科技有限公司 | 风险传播的确定方法、装置、计算机***及可读存储介质 |
| CN111784488A (zh) * | 2020-06-28 | 2020-10-16 | 中国工商银行股份有限公司 | 企业资金风险预测方法及装置 |
| CN111861119A (zh) * | 2020-06-17 | 2020-10-30 | 国家计算机网络与信息安全管理中心 | 基于企业风险关联图谱的企业风险数据处理方法及装置 |
| CN112053021A (zh) * | 2019-06-05 | 2020-12-08 | 国网信息通信产业集团有限公司 | 一种用于企业经营管理风险识别的特征编码方法及装置 |
| CN112150014A (zh) * | 2020-09-27 | 2020-12-29 | 平安资产管理有限责任公司 | 一种企业风险预警方法、装置、设备及可读存储介质 |
| CN112364182A (zh) * | 2020-12-09 | 2021-02-12 | 交通银行股份有限公司 | 基于图特征的企业风险传导预测方法、设备及存储介质 |
| CN112463981A (zh) * | 2020-11-26 | 2021-03-09 | 福建正孚软件有限公司 | 一种基于深度学习的企业内部经营管理风险识别提取方法及*** |
| CN112613763A (zh) * | 2020-12-25 | 2021-04-06 | 北京知因智慧科技有限公司 | 数据传导方法及装置 |
| CN112668836A (zh) * | 2020-12-07 | 2021-04-16 | 数据地平线（广州）科技有限公司 | 一种面向风险图谱的关联风险证据高效挖掘与监控方法和装置 |
| CN112734270A (zh) * | 2021-01-19 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 一种能源风险传导的测度方法、***及数据平台 |
| CN113642867A (zh) * | 2021-07-30 | 2021-11-12 | 南京星云数字技术有限公司 | 评估风险的方法及*** |
| CN113643035A (zh) * | 2020-05-11 | 2021-11-12 | 阿里巴巴集团控股有限公司 | 信息处理方法、信息展示方法、装置、设备及存储介质 |
| CN113837648A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
| CN116307724A (zh) * | 2023-03-22 | 2023-06-23 | 江苏风云科技服务有限公司 | 一种基于复杂网络的产业链风险传播方法和*** |
| CN116664153A (zh) * | 2023-07-28 | 2023-08-29 | 中国(上海)宝玉石交易中心有限公司 | 宝玉石企业诚信信息的监管方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040044617A1 (en) * | 2002-09-03 | 2004-03-04 | Duojia Lu | Methods and systems for enterprise risk auditing and management |
| US6760715B1 (en) * | 1998-05-01 | 2004-07-06 | Barnhill Technologies Llc | Enhancing biological knowledge discovery using multiples support vector machines |
| US20140115010A1 (en) * | 2012-10-18 | 2014-04-24 | Google Inc. | Propagating information through networks |
| US20140164012A1 (en) * | 2008-08-06 | 2014-06-12 | Noel Guillama | System and methods for simulating future medical episodes |
| CN107203946A (zh) * | 2016-03-15 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 社团群组的定位方法、风险群组的定位方法以及装置 |
| CN107239882A (zh) * | 2017-05-10 | 2017-10-10 | 平安科技（深圳）有限公司 | 风险评估方法、装置、计算机设备及存储介质 |
| US20170323313A1 (en) * | 2015-02-04 | 2017-11-09 | Alibaba Group Holding Limited | Information propagation method and apparatus |
| US20180048669A1 (en) * | 2016-08-12 | 2018-02-15 | Tata Consultancy Services Limited | Comprehensive risk assessment in a heterogeneous dynamic network |
| CN107767258A (zh) * | 2017-09-29 | 2018-03-06 | 新华三大数据技术有限公司 | 风险传播确定方法及装置 |
-
2018
- 2018-10-11 CN CN201811184210.5A patent/CN109583620B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6760715B1 (en) * | 1998-05-01 | 2004-07-06 | Barnhill Technologies Llc | Enhancing biological knowledge discovery using multiples support vector machines |
| US20040044617A1 (en) * | 2002-09-03 | 2004-03-04 | Duojia Lu | Methods and systems for enterprise risk auditing and management |
| US20140164012A1 (en) * | 2008-08-06 | 2014-06-12 | Noel Guillama | System and methods for simulating future medical episodes |
| US20140115010A1 (en) * | 2012-10-18 | 2014-04-24 | Google Inc. | Propagating information through networks |
| US20170323313A1 (en) * | 2015-02-04 | 2017-11-09 | Alibaba Group Holding Limited | Information propagation method and apparatus |
| CN107203946A (zh) * | 2016-03-15 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 社团群组的定位方法、风险群组的定位方法以及装置 |
| US20180048669A1 (en) * | 2016-08-12 | 2018-02-15 | Tata Consultancy Services Limited | Comprehensive risk assessment in a heterogeneous dynamic network |
| CN107239882A (zh) * | 2017-05-10 | 2017-10-10 | 平安科技（深圳）有限公司 | 风险评估方法、装置、计算机设备及存储介质 |
| CN107767258A (zh) * | 2017-09-29 | 2018-03-06 | 新华三大数据技术有限公司 | 风险传播确定方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 吕苏越;: "银行业担保圈风险与化解之道", 中国农村金融, no. 12, 25 June 2016 (2016-06-25), pages 16 - 18 * |
| 王泊;: "关联图谱和舆情分析在异常传导路径分析中的应用", 电子世界, no. 09, pages 13 - 15 * |
Cited By (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163413A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 企业监控及预警方法、装置、计算机设备及可读存储介质 |
| WO2020232879A1 (zh) * | 2019-05-20 | 2020-11-26 | 平安科技（深圳）有限公司 | 风险传导关联图谱优化方法、装置、计算机设备和存储介质 |
| CN110245165A (zh) * | 2019-05-20 | 2019-09-17 | 平安科技（深圳）有限公司 | 风险传导关联图谱优化方法、装置和计算机设备 |
| CN110245165B (zh) * | 2019-05-20 | 2023-04-11 | 平安科技（深圳）有限公司 | 风险传导关联图谱优化方法、装置和计算机设备 |
| CN112053021A (zh) * | 2019-06-05 | 2020-12-08 | 国网信息通信产业集团有限公司 | 一种用于企业经营管理风险识别的特征编码方法及装置 |
| CN110223168A (zh) * | 2019-06-24 | 2019-09-10 | 浪潮卓数大数据产业发展有限公司 | 一种基于企业关系图谱的标签传播反欺诈检测方法及*** |
| CN110223168B (zh) * | 2019-06-24 | 2022-06-28 | 浪潮卓数大数据产业发展有限公司 | 一种基于企业关系图谱的标签传播反欺诈检测方法及*** |
| CN110458399A (zh) * | 2019-07-05 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 风险信息生成方法、装置、计算机设备和存储介质 |
| CN110503295A (zh) * | 2019-07-05 | 2019-11-26 | 深圳壹账通智能科技有限公司 | 供应链金融的风险分析方法、装置、计算终端及存储介质 |
| CN110738388A (zh) * | 2019-09-02 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 关联图谱评估风险传导的方法、装置、设备和存储介质 |
| CN110738388B (zh) * | 2019-09-02 | 2023-09-12 | 深圳壹账通智能科技有限公司 | 关联图谱评估风险传导的方法、装置、设备和存储介质 |
| CN110557393A (zh) * | 2019-09-05 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 网络风险评估方法、装置、电子设备及存储介质 |
| CN110659981A (zh) * | 2019-09-26 | 2020-01-07 | 北京明略软件***有限公司 | 企业依存关系识别方法、装置及电子设备 |
| CN110689426A (zh) * | 2019-09-30 | 2020-01-14 | 中诚信征信有限公司 | 一种风险识别方法、装置、电子设备及存储介质 |
| CN110717824A (zh) * | 2019-10-17 | 2020-01-21 | 北京明略软件***有限公司 | 基于知识图谱的银行对公客群风险传导测算的方法及装置 |
| CN110825933A (zh) * | 2019-11-07 | 2020-02-21 | 北京明略软件***有限公司 | 一种关系图谱展示方法、装置、电子设备及可读存储介质 |
| CN110825933B (zh) * | 2019-11-07 | 2022-05-17 | 北京明略软件***有限公司 | 一种关系图谱展示方法、装置、电子设备及可读存储介质 |
| CN111191853A (zh) * | 2020-01-06 | 2020-05-22 | 支付宝(杭州)信息技术有限公司 | 风险预测方法及装置、风险查询方法及装置 |
| CN111191853B (zh) * | 2020-01-06 | 2022-07-15 | 支付宝(杭州)信息技术有限公司 | 风险预测方法及装置、风险查询方法及装置 |
| CN111695760A (zh) * | 2020-04-23 | 2020-09-22 | 优渊领智科技(武汉)有限公司 | 一种生产质量风险记录和溯源方法及*** |
| CN113643035A (zh) * | 2020-05-11 | 2021-11-12 | 阿里巴巴集团控股有限公司 | 信息处理方法、信息展示方法、装置、设备及存储介质 |
| CN111861119A (zh) * | 2020-06-17 | 2020-10-30 | 国家计算机网络与信息安全管理中心 | 基于企业风险关联图谱的企业风险数据处理方法及装置 |
| CN111861119B (zh) * | 2020-06-17 | 2023-07-11 | 国家计算机网络与信息安全管理中心 | 基于企业风险关联图谱的企业风险数据处理方法及装置 |
| CN111784488A (zh) * | 2020-06-28 | 2020-10-16 | 中国工商银行股份有限公司 | 企业资金风险预测方法及装置 |
| CN111784488B (zh) * | 2020-06-28 | 2023-08-01 | 中国工商银行股份有限公司 | 企业资金风险预测方法及装置 |
| CN111724250A (zh) * | 2020-06-29 | 2020-09-29 | 深圳壹账通智能科技有限公司 | 风险传播的确定方法、装置、计算机***及可读存储介质 |
| CN112150014A (zh) * | 2020-09-27 | 2020-12-29 | 平安资产管理有限责任公司 | 一种企业风险预警方法、装置、设备及可读存储介质 |
| CN112463981A (zh) * | 2020-11-26 | 2021-03-09 | 福建正孚软件有限公司 | 一种基于深度学习的企业内部经营管理风险识别提取方法及*** |
| CN112668836A (zh) * | 2020-12-07 | 2021-04-16 | 数据地平线（广州）科技有限公司 | 一种面向风险图谱的关联风险证据高效挖掘与监控方法和装置 |
| CN112668836B (zh) * | 2020-12-07 | 2024-04-05 | 数据地平线（广州）科技有限公司 | 一种面向风险图谱的关联风险证据高效挖掘与监控方法和装置 |
| CN112364182A (zh) * | 2020-12-09 | 2021-02-12 | 交通银行股份有限公司 | 基于图特征的企业风险传导预测方法、设备及存储介质 |
| CN112613763A (zh) * | 2020-12-25 | 2021-04-06 | 北京知因智慧科技有限公司 | 数据传导方法及装置 |
| CN112613763B (zh) * | 2020-12-25 | 2024-04-16 | 北京知因智慧科技有限公司 | 数据传导方法及装置 |
| CN112734270A (zh) * | 2021-01-19 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 一种能源风险传导的测度方法、***及数据平台 |
| CN112734270B (zh) * | 2021-01-19 | 2024-01-23 | 中国科学院地理科学与资源研究所 | 一种能源风险传导的测度方法、***及数据平台 |
| CN113642867A (zh) * | 2021-07-30 | 2021-11-12 | 南京星云数字技术有限公司 | 评估风险的方法及*** |
| CN113837648A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
| CN113837648B (zh) * | 2021-10-11 | 2023-11-17 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
| CN116307724A (zh) * | 2023-03-22 | 2023-06-23 | 江苏风云科技服务有限公司 | 一种基于复杂网络的产业链风险传播方法和*** |
| CN116664153A (zh) * | 2023-07-28 | 2023-08-29 | 中国(上海)宝玉石交易中心有限公司 | 宝玉石企业诚信信息的监管方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109583620B (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109583620A (zh) | 企业潜在风险预警方法、装置、计算机设备和存储介质 | |
| Wang et al. | Mining semantic soft factors for credit risk evaluation in peer-to-peer lending | |
| US11704006B1 (en) | User interface for use with a search engine for searching financial related documents | |
| CN109829629A (zh) | 风险分析报告的生成方法、装置、计算机设备和存储介质 | |
| CN113656805A (zh) | 一种面向多源漏洞信息的事件图谱自动构建方法及*** | |
| CN115358201B (zh) | 一种期货领域的投研报告处理方法和*** | |
| CN108492001A (zh) | 一种用于担保贷款网络风险管理的方法 | |
| Chou et al. | Integrating XBRL data with textual information in Chinese: A semantic web approach | |
| CN110442713A (zh) | 文章管理方法、装置、计算机设备和存储介质 | |
| CN112288279A (zh) | 基于自然语言处理和线性回归的业务风险评估方法和装置 | |
| CN107527289B (zh) | 一种投资组合行业配置方法、装置、服务器和存储介质 | |
| CN116563006A (zh) | 业务风险预警方法、设备、存储介质及装置 | |
| Kumar et al. | Emotion analysis of news and social media text for stock price prediction using svm-lstm-gru composite model | |
| Bao et al. | Summarization of corporate risk factor disclosure through topic modeling | |
| KR102110889B1 (ko) | 지능형 약관심사 서비스 제공 시스템 | |
| Liu et al. | Hiring now: A skill-aware multi-attention model for job posting generation | |
| Luo et al. | ESGNet: A multimodal network model incorporating entity semantic graphs for information extraction from Chinese resumes | |
| Xu et al. | Jura: Towards automatic compliance assessment for annual reports of listed companies | |
| Obrizzo | ESG valuation: a web scraping approach. | |
| Zhou et al. | Intelligent detection on construction project contract missing clauses based on deep learning and NLP | |
| CN112613729A (zh) | 违约风险大数据可视化方法、装置及存储介质 | |
| CN115344624A (zh) | 银行业务数据的异常检测方法、装置、设备及存储介质 | |
| CN114066473A (zh) | 用户还款意向预测方法、装置、计算机设备及存储介质 | |
| Chen et al. | Price discovery and volatility spillovers in the interest rate derivatives market | |
| CN117251799A (zh) | 一种财务凭证处理方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |