CN111191853B - 风险预测方法及装置、风险查询方法及装置 - Google Patents
风险预测方法及装置、风险查询方法及装置 Download PDFInfo
- Publication number
- CN111191853B CN111191853B CN202010010971.XA CN202010010971A CN111191853B CN 111191853 B CN111191853 B CN 111191853B CN 202010010971 A CN202010010971 A CN 202010010971A CN 111191853 B CN111191853 B CN 111191853B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- risk
- enterprises
- event
- business
- 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.)
- Active
Links
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供的风险预测方法及装置、风险查询方法及装置,其中,所述风险预测方法包括采集多个企业的基础信息以及与多个企业中的任一企业相关的风险事件,解析采集的每个企业的基础信息确定出每个企业关联的相关企业,然后根据每个企业与其关联的相关企业构建企业关系图谱;同时解析采集的每个风险事件以获取每个所述风险事件中的企业关联信息,基于所述企业关联信息确定每个所述风险事件与所述企业的匹配关系,最后基于预设的风险预测模型实现与所述企业匹配的风险事件对所述企业以及与所述企业关联的相关企业的风险预测。
Description
技术领域
本说明书实施例涉及企业风险预测技术领域,特别涉及一种风险预测方法及一种风险查询方法。本说明书一个或者多个实施例同时涉及一种风险预测装置,一种风险查询装置,两种计算设备,以及两种计算机可读存储介质。
背景技术
目前,投资者经常会把闲置的资金进行投资自己觉得发展趋势较好的企业,而在投资之前,投资者一般会依据以往的投资经验以及当前的市场环境因素对企业的投资价值以及企业风险进行主观判断,这种方式主要依赖于个人经验和能力,主观因素较大、标准不统一;若不能对企业的投资价值以及企业风险进行较为准确的预测,很可能会给投资者造成不可挽回的损失。
此外,国家对于各个行业的产业结构的改革和优化政策在不断的更新,企业在响应和配合实施这些政策的同时,需要根据企业自身的发展及时发现新的政策可能带来的机会和风险,但是很多企业由于受自身规模的限制,无法及时的发现上述变革对该企业带来的风险;而且很多企业均会有其关联企业,例如子企业或者是投资企业等,某一企业的风险有可能会波及到其关联企业,但是现有技术中的企业风险预测方法只能对当前企业进行预警分析,无法实现对其关联企业进行风险预测,因此急需提供一种快速、可靠的企业风险预测方法解决这一问题。
发明内容
有鉴于此,本说明书施例提供了一种风险预测方法及一种风险查询方法。本说明书一个或者多个实施例同时涉及一种风险预测装置,一种风险查询装置,两种计算设备,以及两种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种风险预测方法,包括:
采集企业的基础信息以及风险事件;
基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系;
根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
可选的,所述基于所述企业的基础信息确定出与所述企业关联的相关企业之后,还包括:
采集所述相关企业的基础信息;
解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息。
可选的,所述获取所述企业以及所述相关企业的地理位置信息之后,还包括:
基于所述企业以及所述相关企业的地理位置信息在地图上标记出所述企业以及所述相关企业。
可选的,所述根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测之后,还包括:
获得与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测的预测结果,并基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测值;
相应的,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业包括:
基于所述风险预测值在所述地图上以预设的渲染条件渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险影响度;
相应的,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业包括:
基于所述风险影响度以时间为单位在所述地图上依次渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业之后,还包括:
展示基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业的渲染结果。
可选的,所述解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息之后,还包括:
将所述企业以及所述相关企业的基础信息存储至企业基础信息数据库。
可选的,所述解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签之后,还包括:
将所述风险事件以及对应的所述事件标签存储至风险事件数据库。
根据本说明书实施例的第二方面,提供了一种风险查询方法,包括:
接收用户针对企业的风险查询指令;
基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
可选的,所述接收用户针对企业的风险查询指令包括:
接收用户针对企业的包含有所述企业的企业标识的风险查询指令;或者
接收用户基于标记有企业的地图上针对所述企业的风险查询指令。
可选的,所述根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业之后,还包括:
在标记有企业的地图上确定所述企业和所述相关企业的地理位置。
可选的,所述基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果之后,还包括:
基于所述风险预测结果以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业。
根据本说明书实施例的第三方面,提供了一种风险预测装置,包括:
采集模块,被配置为采集企业的基础信息以及风险事件;
图谱构建模块,被配置为基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
事件解析模块,被配置为解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
关系匹配模块,被配置为在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系;
风险预测模块,被配置为根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
可选的,所述装置,还包括:
信息采集模块,被配置为采集所述相关企业的基础信息;
地理位置获取模块,被配置为解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息。
可选的,所述装置,还包括:
标记模块,被配置为基于所述企业以及所述相关企业的地理位置信息在地图上标记出所述企业以及所述相关企业。
可选的,所述装置,还包括:
渲染模块,被配置为获得与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测的预测结果,并基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测值;
相应的,所述渲染模块,进一步被配置为:
基于所述风险预测值在所述地图上以预设的渲染条件渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险影响度;
相应的,所述渲染模块,进一步被配置为:
基于所述风险影响度以时间为单位在所述地图上依次渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述装置,还包括:
展示模块,被配置为展示基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业的渲染结果。
可选的,所述装置,还包括:
基础信息存储模块,被配置为将所述企业以及所述相关企业的基础信息存储至企业基础信息数据库。
可选的,所述装置,还包括:
风险事件存储模块,被配置为将所述风险事件以及对应的所述事件标签存储至风险事件数据库。
根据本说明书实施例的第四方面,提供了一种风险查询装置,包括:
查询指令接收模块,被配置为接收用户针对企业的风险查询指令;
相关企业确定模块,被配置为基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
风险预测查询模块,被配置为基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
可选的,所述查询指令接收模块,进一步被配置为:
接收用户针对企业的包含有所述企业的企业标识的风险查询指令;或者
接收用户基于标记有企业的地图上针对所述企业的风险查询指令。
可选的,所述装置,还包括:
确定模块,被配置为在标记有企业的地图上确定所述企业和所述相关企业的地理位置。
可选的,所述装置,还包括:
渲染展示模块,被配置为基于所述风险预测结果以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业。
根据本说明书实施例的第五方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
采集企业的基础信息以及风险事件;
基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系;
根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
根据本说明书实施例的第六方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
接收用户针对企业的风险查询指令;
基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
根据本说明书实施例的第七方面,提供了一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述风险预测方法的步骤。
根据本说明书实施例的第八方面,提供了一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述风险查询方法的步骤。
本说明书一个实施例实现了一种风险预测方法及装置、一种风险查询方法及装置,其中,所述风险预测方法包括实时采集多个企业的基础信息以及与多个企业中的任一企业相关的风险事件,解析采集的每个企业的基础信息确定出每个企业关联的相关企业,然后根据每个企业与其关联的相关企业构建企业关系图谱;同时解析采集的每个风险事件以获取每个所述风险事件中的企业关联信息,基于所述企业关联信息确定每个所述风险事件与所述企业的匹配关系,最后基于预设的风险预测模型实现与所述企业匹配的风险事件对所述企业以及与所述企业关联的相关企业的风险预测;通过构建每个企业的企业关系图谱,在对每个企业进行风险预测时均会基于该企业的企业关系图谱实现对该企业以及与该企业关联的相关企业的风险预测,结合该企业关系图谱提供了企业风险扩散路径模拟能力,极大的提升了企业风险挖掘以及预测的效率。
附图说明
图1是本说明书一个实施例提供的一种风险预测方法的流程图;
图2是本说明书一个实施例提供的一种风险查询方法的流程图;
图3是本说明书一个实施例提供的一种风险预测装置的结构示意图;
图4是本说明书一个实施例提供的一种风险查询装置的结构示意图;
图5是本说明书一个实施例提供的第一种计算设备的结构框图;
图6是本说明书一个实施例提供的第二种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
时移分析:随着时间的推移,风险事件对企业的风险影响分析。
企业风险扩散:风险事件对企业的风险影响会扩散到企业的关联企业。
在本说明书中,提供了一种一种风险预测方法及一种风险查询方法。本说明书一个或者多个实施例同时涉及一种风险预测装置,一种风险查询装置,两种计算设备,以及两种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
参见图1,图1示出了根据本说明书一个实施例提供的一种风险预测方法的流程图,包括步骤102至步骤110。
步骤102:采集企业的基础信息以及风险事件。
具体的,采集企业的基础信息以及风险事件,可以理解为实时采集至少一个企业的基础信息以及至少一个风险事件,或根据预设时间间隔采集企业的基础信息以及实时采集风险事件;实际应用中,由于所述企业的基础信息包括由工商等平台获取到的,因此所述企业的基础信息可以是根据工商等平台的更新时间,以预设时间间隔采集所述企业的基础信息,而具体预设时间间隔可以根据实际应用进行设置,例如设置为1秒、1分钟、1天或3天等,在此不做限定。
其中,采集的企业的基础信息包括但不限于通过获得认证后的第三方平台(例如工商、税务、司法等平台)接口实时或根据预设时间间隔采集的企业的工商基本信息、企业变更信息、企业的知识产权信息以及企业的股东信息等,而企业的工商基本信息包括但不限于企业的注册号、企业名称、企业注册地址以及企业的法定代表人等,所述企业变更信息包括但不限于企业地址变更信息、企业法人变更信息以及企业类型变更信息等,所述企业的知识产权信息包括但不限于企业的著作权信息、专利权信息以及商标权信息等,所述企业的股东信息包括但不限于企业的股东个数、企业的股东姓名以及企业的股东证件号等;
所述风险事件包括但不限于通过爬虫方式实时或根据预设时间间隔采集的第三方平台(例如电台、网页、视频网站等)的与企业相关的风险事件;本说明书实施例中,风险事件是指能够为企业造成损失的事件,例如国家针对企业的一些改革政策、关于企业的负面新闻、企业的股权变更以及企业的重大人事变更等可能会对企业带来战略风险、财务风险、商业风险或者营运风险的事件;例如爬虫采集到某出行公司A出现了拒载乘客的新闻事件,经过分析该新闻事件会造成使用该出行公司A的乘客变少,日利润率极度降低,那么该新闻事件则为风险事件,相反,爬虫采集到某出行公司A在春节为乘客提供行李搬运服务的新闻事件,经过分析该新闻事件会增加人们对该出行公司A的关注度,那么该新闻事件就会作为非风险事件被删除,不会作为风险事件进行后续的处理。
具体实施时,采集的企业的基础信息以及风险事件一般为多个,即采集多个企业的基础信息以及多个风险事件;而且会通过爬虫方式自动在全网采集与企业相关的风险事件,因为实际应用中,一个企业对应的风险事件越多,那么该企业的风险就会越大,全网采集与企业相关的风险事件,保证风险事件采集的完整性,可以在后续准确的预测采集的风险事件对企业的风险影响程度。
步骤104:基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱。
具体的,基于所述企业的基础信息确定出与所述企业关联的相关企业可以理解为,基于采集到的每个企业的基础信息,例如每个企业的企业名称、企业注册地址以及企业股东信息等,然后根据获得的每个企业的企业名称、企业注册地址以及企业股东信息通过其他企业查询平台查询出每个企业相关联的相关企业,最后根据所述企业和所述相关企业构建企业关系图谱;例如采集到的企业的基础信息中包括企业A的工商基本信息,基于该企业A的工商基本信息可以获得该企业A的企业名称为A,将该企业A的企业名称输入至其他企业查询平台查询得到该企业A的子企业A1、A2、A3、投资企业B以及竞争企业C,那么子企业A1、A2、A3、投资企业B以及竞争企业C即为企业A关联的相关企业;而根据所述企业和所述相关企业构建企业关系图谱即为根据企业A与其子企业A1、A2、A3、投资企业B以及竞争企业C构建的企业关系图谱,其中,构建的企业关系图谱的形状、结构可以根据实际需求进行构建,只要可以体现出企业A与其子企业A1、A2、A3、投资企业B以及竞争企业C的关联关系即可,本说明书对此不作任何限定,相同的,任一企业与其关联的相关企业构建的企业关系图谱的形状、结构本说明书均不作限定。
本说明书一个或多个实施例中,所述基于所述企业的基础信息确定出与所述企业关联的相关企业之后,还包括:
采集所述相关企业的基础信息;
解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息。
具体的,在确定出与所述企业关联的相关企业之后,可以采集相关企业的基础信息,然后对所述企业和所述相关企业的基础信息进行解析,以获得所述企业以及所述相关企业的地理位置信息,即先通过对所述企业和所述相关企业的基础信息进行解析得到所述企业以及所述相关企业的企业注册地址,再对所述企业以及所述相关企业的企业注册地址进行切割,切割出所述企业注册地址的省、市、区等,最后以切割后获得的所述企业以及所述相关企业的省、市、区等作为所述企业以及所述相关企业的地理位置信息。
具体实施时,在基于所述企业的基础信息确定出与所述企业关联的相关企业后,可以再采集所述相关企业的基础信息,然后基于所述相关企业的基础信息再确定出与每个相关企业关联的关联企业,以此种方式依次类推,可以获取一个企业的较为庞大的关联企业链,最后再依据该企业链构建出企业关系图谱,采用该种方式可以比较全面的获取到每个企业关联的相关企业,以保证在后续进行风险预测时,可以全方位的预测出每个企业以及其关联企业的风险,提高用户体验。
而获取所述企业以及所述相关企业的地理位置信息的目的是为了在地图上标记出所述企业以及所述相关企业,具体如下:
所述获取所述企业以及所述相关企业的地理位置信息之后,还包括:
基于所述企业以及所述相关企业的地理位置信息在地图上标记出所述企业以及所述相关企业。
其中,所述地图包括电子地图,在本说明书实施例中,所述地图可以是可识别世界上任一位置的任何一个电子地图。
基于所述企业以及所述相关企业的地理位置信息在地图上标记出所述企业以及所述相关企业可以理解为,根据上述切割后得到的所述企业以及所述相关企业的省、市、区等地理位置信息在任意一个与其关联的地图上标记出所述企业以及所述相关企业,即将所述企业以及所述相关企业在地图上进行GEO(地理信息定位)标记。
实际应用中,获取每个企业以及每个企业关联的相关企业的地理位置信息,然后基于该地理位置信息在地图上标记出该企业以及该企业关联的相关企业,可以使得后续用户在查询某企业风险时,可以将该待查询企业以更加直观的方式展示在地图上,提高用户体验。
步骤106:解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签。
具体的,在采集企业的基础信息以及风险事件后,步骤104和步骤106的执行没有先后顺序之分,也可同时执行,在此不做限定。
而解析所述风险事件的目的是为了确定所述风险事件中会对企业产生影响的关联信息,实际应用中,解析所述风险事件可以理解为,对所述风险事件进行语义分析,以确定该风险事件会对哪些企业造成影响,最后基于所述解析结果为所述风险事件设置对应的事件标签;其中,所述事件标签包括但不限于企业名称、企业注册地址或者企业经营产品等。
例如风险事件A为:国家发布的禁止销售电子烟政策,通过对风险事件A的解析,即对风险事件A进行语义分析得出该风险事件A的解析结果为:风险事件A对销售电子烟的企业存在风险,那么基于该解析结果可以为该风险事件A设置对应的事件标签“电子烟”;通过该事件标签“电子烟”可以得出该风险事件A对任何销售电子烟的企业均有影响,后续即可通过“电子烟”这个事件标签将风险事件A与企业进行关联。
步骤108:在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系。
其中,所述风险预测模型可以是预先训练的风险预测模型,也可以是基于其自身的预测结果在线实时更新的风险预测模型。
具体的,所述事件标签中包括针对企业的信息,例如企业的名称、企业的经营产品或者企业的注册地址等,基于事件标签即可以将该风险事件与企业进行关联。
仍以上述为例,若企业B的基础信息中包括经营产品,而所述经营产品中包括电子烟,那么即可确定风险事件A对企业B以及该企业B关联的相关企业均有风险。
实际应用中,一个风险事件可以与多个企业有着匹配关系,而一个企业也可能与多个风险事件存在匹配关系。
具体实施时,将所述风险事件以及所述企业的基础信息输入至预设的风险预测模型中,即可得出每个风险事件与多个企业的匹配关系,以及每个企业与多个风险事件的匹配关系。
本说明书一个或多个实施例中,为了便于在预设的风险预测模型中确定风险事件与企业的匹配关系,会提前将设置有事件标签的风险事件以及企业的基础信息预先存储在各自的数据库中,以便在风险事件与企业关系匹配的时候可以直接在各自的数据库中进行数据的获取、匹配,具体如下:
所述解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息之后,还包括:
将所述企业以及所述相关企业的基础信息存储至企业基础信息数据库。
所述解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签之后,还包括:
将所述风险事件以及对应的所述事件标签存储至风险事件数据库。
具体的,所述风险事件的发生是动态的,存在具体发布时间的,在将所述风险事件以及对应的所述事件标签存储至风险事件数据库时,可以按照采集的风险事件的发布时间按序存储至风险事件数据库。
实际应用中,对于风险事件以及企业的基础信息的采集是动态的,即实时采集、分析风险事件,然后将风险事件与企业进行匹配,进行风险预测。
步骤110:根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
其中,所述风险预测模型为预设的,在获取到风险事件以及企业的基础信息之后,可以将风险事件与企业进行匹配,然后预测风险事件对企业以及该企业的企业关系图谱中的相关企业的风险影响。
本说明书实施例中,所述风险预测方法包括实时采集多个企业的基础信息以及与多个企业中的任一企业相关的风险事件,解析采集的每个企业的基础信息确定出每个企业关联的相关企业,然后根据每个企业与其关联的相关企业构建企业关系图谱;同时解析采集的每个风险事件以获取每个所述风险事件中的企业关联信息,基于所述企业关联信息确定每个所述风险事件与所述企业的匹配关系,最后基于预设的风险预测模型实现与所述企业匹配的风险事件对所述企业以及与所述企业关联的相关企业的风险预测;通过构建每个企业的企业关系图谱,在对每个企业进行风险预测时均会基于该企业的企业关系图谱实现对该企业以及与该企业关联的相关企业的风险预测,结合该企业关系图谱提供了企业风险扩散路径模拟能力,极大的提升了企业风险挖掘以及预测的效率。
本说明书一个或多个实施例中,所述根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测之后,还包括:
获得与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测的预测结果,并基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
其中,所述地图与所述企业关系图谱呈映射关系,在基于预测结果所述地图上渲染所述企业以及所述企业关联的相关企业时,是需要参照所述企业的企业关系图谱中所述企业与其关联的相关企业的关联关系进行渲染的。
具体的,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测值;
相应的,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业包括:
基于所述风险预测值在所述地图上以预设的渲染条件渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
其中,所述预设的渲染条件包括但不限于基于所述风险预测值的大小在地图上以不同的颜色渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
若风险预测模型设置的风险预测值的范围为0-1,其中,风险预测值越趋于1,风险事件对企业风险影响就越大,风险预测值越趋于0,风险事件对企业风险影响就越小,那么可以基于风险预测值0-1的范围设置与风险预测值对应的渲染颜色,例如当风险预测值为0的情况下,对应的渲染颜色为绿色,当风险预测值为0.5的情况下,对应的渲染颜色为黄色,当风险预测值为1的情况下,对应的渲染颜色为红色。
举例说明,风险预测模型实现风险事件B对企业C以及企业C关联的相关企业C1、相关企业C2的风险预测,得到的预测结果:风险事件B对企业C的风险预测值为0.8、风险事件B对相关企业C1的风险预测值为0.6、风险事件B对相关企业C2的风险预测值为0.4,若风险预测值为0.8对应的渲染颜色为红色、风险预测值为0.6对应的渲染颜色为粉红色、风险预测值为0.4对应的渲染颜色为黄色,则基于所述风险预测值在所述地图上以预设的渲染条件渲染出所述企业以及所述企业的企业关系图谱中的相关企业,即为基于所述风险预测值0.8、0.6以及0.4在地图上将企业C渲染为红色,相关企业C1渲染为粉红色、相关企业C2渲染为黄色。
实际应用中,所述预设的渲染条件也可以为其他渲染方式,例如基于所述风险预测值的大小在地图上以不同的字体渲染出所述企业以及所述企业的企业关系图谱中的相关企业,只需可以实现基于风险预测值的不同,在地图上以不同的方式渲染出所述企业以及所述企业的企业关系图谱中的相关企业即可,在此不做任何限定。
本说明书实施例中,基于所述风险预测值以不同的渲染方式在地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业,可以更加直观的在地图上展示出风险事件对企业以及相关企业的风险预测,提高用户体验。
本说明书另一实施例中,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险影响度;
相应的,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业包括:
基于所述风险影响度以时间为单位在所述地图上依次渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
其中,所述风险影响度可以理解为风险事件对企业以及企业关联的相关企业的影响速度;所述时间为单位,即包括但不限于以分钟为单位、以小时为单位、以天为单位等。
基于所述风险影响度以时间为单位在所述地图上依次渲染出所述企业以及所述企业的企业关系图谱中的相关企业可以理解为,基于所述风险影响速度以一小时或一天为单位在所述地图上依次渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
仍以风险预测模型实现风险事件B对企业C以及企业C关联的相关企业C1、相关企业C2的风险预测为例进行说明。
若风险事件B对企业C以及企业C关联的相关企业C1、相关企业C2均有风险影响,企业C与相关企业C1的空间距离为1000米、企业C与相关企业C1的空间距离为2000米,那么风险预测模型会计算出风险事件B对企业C以及企业C关联的相关企业C1、相关企业C2的风险预测的风险影响度为200米/小时,根据所述风险影响度可以在T时刻(当前时刻)在地图上渲染出企业C,在T+5时刻在地图上渲染出相关企业C1,在T+10时刻在地图上渲染出相关企业C2,随着时间的推移以这种动态的方式在地图上渲染出企业C以及企业C关联的相关企业C1、相关企业C2,提高用户体验。
以上述为例,每一个时间都是一个特定区域的完整风险地图,即在T时刻,在地图上渲染出的企业C为一个完整风险地图,在T+5时刻,在地图上渲染出的企业C和相关企业C1为一个完整风险地图,在T+10时刻,在地图上渲染出的企业C、相关企业C1和相关企业C2为一个完整风险地图。
本说明书一个或多个实施例中,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业之后,还包括:
展示基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业的渲染结果。
本说明书实施例中,在基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业之后,还会对其渲染结果进行展示,其中,所述渲染结果不仅包括风险事件对企业以及企业关联的相关企业在地图上的渲染效果,还包括风险事件对企业以及企业关联的相关企业的预测结果。
本说明书实施例中,结合时间和空间分析法实现风险事件对企业的风险影响预测,并且在地图上基于时间推移的方式,以动态的效果更加直观的展示企业的风险扩散的状态,提升用户体验。
本说明书实施例中,所述风险预测方法会实时获取任意企业的基础数据以及风险事件,并在获取之后基于预设的风险预测模型对每个企业以及每个企业关联的相关企业进行风险预测,并结合地图的能力,将对每个企业的风险预测结果渲染在地图上,使得后续用户可以通过地图以区域框选的搜索的方式对某企业的风险进行方便快捷的查询。
参见图2,图2示出了根据本说明书一个实施例提供的一种风险查询方法的流程图,包括步骤202至步骤206。
步骤202:接收用户针对企业的风险查询指令。
具体的,接收用户针对企业的风险查询指令包括但不限于:
接收用户针对企业的包含有所述企业的企业标识的风险查询指令;或者
接收用户基于标记有企业的地图上针对所述企业的风险查询指令。
其中,所述企业标识包括但不限于所述企业的全称或者简称等;实际应用中,接收用户针对企业的包含有所述企业的企业标识的风险查询指令可以理解为,接收用户针对所述企业的风险查询指令,而所述风险查询指令中携带有所述企业的企业标识。
所述地图可以参见上述实施例的说明,在此不再赘述,而标记有企业的地图,即为在地图上根据企业的企业注册地址等对企业在其地图上进行预先标记的地图;实际应用中,接收用户基于标记有企业的地图上针对所述企业的风险查询指令可以理解为,接收用户在标记有企业的地图上点击所述企业实现的风险查询指令。
具体实施时,接收用户针对企业的风险查询指令有至少两种情况,其中,第一种:可以接收用户针对某企业输入的该企业的企业标识实现的风险查询指令;第二种:可以接收用户在标记有企业的地图上点击所述企业实现的风险查询指令。本说明书实施例中,采用在标记有企业的地图进行点击上实现对所述企业的风险查询指令的触发,无需对企业进行企业标识的输入,可以在地图上更加直观、以及方便快捷的选择待风险查询的企业。
步骤204:基于所述风险查询指令确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业。
具体的,接收所述风险查询指令后,基于所述风险查询指令确定该风险查询指令对应的待风险查询的企业;实际应用中,若包含有所述企业的企业标识的风险查询指令,由于所述企业标识有可能为企业简称,而企业简称可能会对应多个企业,那么此种情况下,接收用户针对企业的风险查询指令后就会查询出多个对应的企业,此时就需要基于所述风险查询指令再次确定用户想要进行风险查询的企业具体是哪个。
具体实施时,确定待风险查询的企业后,基于预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业。
本说明书一个或多个实施例中,所述根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业之后,还包括:
在标记有企业的地图上确定所述企业和所述相关企业的地理位置。
具体的,所述企业和所述相关企业在所述地图上均被预先标记过,而实际应用中,若所述相关企业未在所述地图上进行标记,那么在根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业之后,就可以通过第三方平台获取所述相关企业的企业注册地址等,然后基于企业注册地址在所述地图上对所述相关企业进行标记。
步骤206:基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
具体的,风险事件为实时采集的风险事件;实际应用中,基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,即是预设的风险预测模型会通过待风险查询的企业的名称、地域等与实时采集分析后的风险事件进行匹配,为所述待风险查询的企业匹配出与其产生影响的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果;
其中,所述风险预测结果可以理解为所述风险事件对所述待风险查询的企业以及所述相关企业的风险影响结果,即所述风险事件对所述待风险查询的企业以及所述相关企业的风险影响预测值以及风险影响速度等。
本说明书实施例中,所述风险查询方法在接收用户针对企业的风险查询指令后,先基于所述风险查询指令确定待风险查询的企业,然后基于预先构建的企业关系图谱扩散风险查询路径,确定出与待风险查询的企业关联的相关企业,然后基于预设的风险预测模型对所述待风险查询的企业以及所述相关企业进行风险预测,对企业的风险查询进行深度挖掘,以实现扩散风险查询路径,实现对企业关联的相关企业的连带风险查询,极大的提升了企业风险查询的效率。
本说明书一个或多个实施例中,所述基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果之后,还包括:
基于所述风险预测结果以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业。
其中,所述风险预测结果包括但不限于所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测值以及风险影响速度等;而以时间为单位即是以分钟、小时、天等时间为单位。
实际应用中,基于所述风险预测结果以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业,即是基于所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测值以及风险影响速度等,以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业。
具体的,对所述风险预测值与风险影响速度的解释可以参见上述实施例,而以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业,在具体实施时可以理解为随着时间的推移,基于风险预测值与风险影响速度,所述风险事件在地图上每分钟或每小时对企业以及相关企业的风险影响扩散渲染并展示出的所述待风险查询企业以及所述相关企业的动态效果。
本说明书实施例中,所述预测方法可以结合地图,基于所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果,在标记有所述待风险查询的企业以及所述相关企业的地图上动态渲染出所述待风险查询的企业以及所述相关企业,给用户展示更加直观的企业风险查询结果,提升用户的企业风险查询体验,从而提高用户使用率和活跃度。
与上述方法实施例相对应,本说明书还提供了一种风险预测装置实施例,图3示出了本说明书一个实施例提供的一种风险预测装置的结构示意图。如图3所示,该装置包括:
采集模块302,被配置为采集企业的基础信息以及风险事件;
图谱构建模块304,被配置为基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
事件解析模块306,被配置为解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
关系匹配模块308,被配置为在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系;
风险预测模块310,被配置为根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
可选的,所述装置,还包括:
信息采集模块,被配置为采集所述相关企业的基础信息;
地理位置获取模块,被配置为解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息。
可选的,所述装置,还包括:
标记模块,被配置为基于所述企业以及所述相关企业的地理位置信息在地图上标记出所述企业以及所述相关企业。
可选的,所述装置,还包括:
渲染模块,被配置为获得与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测的预测结果,并基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测值;
相应的,所述渲染模块,进一步被配置为:
基于所述风险预测值在所述地图上以预设的渲染条件渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险影响度;
相应的,所述渲染模块,进一步被配置为:
基于所述风险影响度以时间为单位在所述地图上依次渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
可选的,所述装置,还包括:
展示模块,被配置为展示基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业的渲染结果。
可选的,所述装置,还包括:
基础信息存储模块,被配置为将所述企业以及所述相关企业的基础信息存储至企业基础信息数据库。
可选的,所述装置,还包括:
风险事件存储模块,被配置为将所述风险事件以及对应的所述事件标签存储至风险事件数据库。
上述为本实施例的一种风险预测装置的示意性方案。需要说明的是,该风险预测装置的技术方案与上述的风险预测方法的技术方案属于同一构思,风险预测装置的技术方案未详细描述的细节内容,均可以参见上述风险预测方法的技术方案的描述。
与上述方法实施例相对应,本说明书还提供了一种风险查询装置实施例,图4示出了本说明书一个实施例提供的一种风险查询装置的结构示意图。如图4所示,该装置包括:
查询指令接收模块402,被配置为接收用户针对企业的风险查询指令;
相关企业确定模块404,被配置为基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
风险预测查询模块406,被配置为基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
可选的,所述查询指令接收模块402,进一步被配置为:
接收用户针对企业的包含有所述企业的企业标识的风险查询指令;或者
接收用户基于标记有企业的地图上针对所述企业的风险查询指令。
可选的,所述装置,还包括:确定模块,被配置为在标记有企业的地图上确定所述企业和所述相关企业的地理位置。
可选的,所述装置,还包括:
渲染展示模块,被配置为基于所述风险预测结果以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业。
上述为本实施例的一种风险查询装置的示意性方案。需要说明的是,该风险查询装置的技术方案与上述的风险查询方法的技术方案属于同一构思,风险查询装置的技术方案未详细描述的细节内容,均可以参见上述风险查询方法的技术方案的描述。
图5示出了根据本说明书一个实施例提供的第一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接,数据库550用于保存数据。
计算设备500还包括接入设备540,接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图5所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备500可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
其中,处理器520用于执行如下计算机可执行指令:
采集企业的基础信息以及风险事件;
基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系;
根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的风险预测方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述风险预测方法的技术方案的描述。
图6示出了根据本说明书一个实施例提供的第二种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接,数据库650用于保存数据。
计算设备600还包括接入设备640,接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图6所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备600可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。
其中,处理器620用于执行如下计算机可执行指令:
接收用户针对企业的风险查询指令;
基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的风险查询方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述风险查询方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现任意一项所述风险预测方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的风险预测方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述风险预测方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现任意一项所述风险查询方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的风险查询方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述风险查询方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (19)
1.一种风险预测方法,包括:
采集企业的基础信息以及风险事件;
基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系,其中,所述风险事件与所述企业的匹配关系包括,每个风险事件与多个企业的匹配关系,以及每个企业与多个风险事件的匹配关系;
根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
2.根据权利要求1所述的风险预测方法,所述基于所述企业的基础信息确定出与所述企业关联的相关企业之后,还包括:
采集所述相关企业的基础信息;
解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息。
3.根据权利要求2所述的风险预测方法,所述获取所述企业以及所述相关企业的地理位置信息之后,还包括:
基于所述企业以及所述相关企业的地理位置信息在地图上标记出所述企业以及所述相关企业。
4.根据权利要求3所述的风险预测方法,所述根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测之后,还包括:
获得与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测的预测结果,并基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
5.根据权利要求4所述的风险预测方法,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测值;
相应的,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业包括:
基于所述风险预测值在所述地图上以预设的渲染条件渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
6.根据权利要求5所述的风险预测方法,所述预测结果包括与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险影响度;
相应的,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业包括:
基于所述风险影响度以时间为单位在所述地图上依次渲染出所述企业以及所述企业的企业关系图谱中的相关企业。
7.根据权利要求5或6所述的风险预测方法,所述基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业之后,还包括:
展示基于所述预测结果在所述地图上渲染出所述企业以及所述企业的企业关系图谱中的相关企业的渲染结果。
8.根据权利要求2所述的风险预测方法,所述解析所述企业的基础信息以及所述相关企业的基础信息,以获取所述企业以及所述相关企业的地理位置信息之后,还包括:
将所述企业以及所述相关企业的基础信息存储至企业基础信息数据库。
9.根据权利要求1所述的风险预测方法,所述解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签之后,还包括:
将所述风险事件以及对应的所述事件标签存储至风险事件数据库。
10.一种风险查询方法,包括:
接收用户针对企业的风险查询指令;
基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
11.根据权利要求10所述的风险查询方法,所述接收用户针对企业的风险查询指令包括:
接收用户针对企业的包含有所述企业的企业标识的风险查询指令;或者
接收用户基于标记有企业的地图上针对所述企业的风险查询指令。
12.根据权利要求11所述的风险查询方法,所述根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业之后,还包括:
在标记有企业的地图上确定所述企业和所述相关企业的地理位置。
13.根据权利要求12所述的风险查询方法,所述基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果之后,还包括:
基于所述风险预测结果以时间为单位在所述地图上依次渲染并展示出所述待风险查询企业以及所述相关企业。
14.一种风险预测装置,包括:
采集模块,被配置为采集企业的基础信息以及风险事件;
图谱构建模块,被配置为基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
事件解析模块,被配置为解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
关系匹配模块,被配置为在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系,其中,所述风险事件与所述企业的匹配关系包括,每个风险事件与多个企业的匹配关系,以及每个企业与多个风险事件的匹配关系;
风险预测模块,被配置为根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
15.一种风险查询装置,包括:
查询指令接收模块,被配置为接收用户针对企业的风险查询指令;
相关企业确定模块,被配置为基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
风险预测查询模块,被配置为基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
16.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
采集企业的基础信息以及风险事件;
基于所述企业的基础信息确定出与所述企业关联的相关企业,并根据所述企业和所述相关企业构建企业关系图谱;
解析所述风险事件,并基于解析结果为所述风险事件设置对应的事件标签;
在预设的风险预测模型中基于所述事件标签确定所述风险事件与所述企业的匹配关系,其中,所述风险事件与所述企业的匹配关系包括,每个风险事件与多个企业的匹配关系,以及每个企业与多个风险事件的匹配关系;
根据所述风险预测模型实现与所述企业匹配的风险事件对所述企业以及所述企业的企业关系图谱中的相关企业的风险预测。
17.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
接收用户针对企业的风险查询指令;
基于所述企业标识确定待风险查询的企业,并根据预先构建的企业关系图谱确定与所述待风险查询的企业关联的相关企业;
基于预设的风险预测模型确定与所述待风险查询的企业匹配的风险事件,并基于所述风险预测模型查询所述风险事件对所述待风险查询的企业以及所述相关企业的风险预测结果。
18.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至9任意一项所述风险预测方法的步骤。
19.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求10至13任意一项所述风险查询方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010010971.XA CN111191853B (zh) | 2020-01-06 | 2020-01-06 | 风险预测方法及装置、风险查询方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010010971.XA CN111191853B (zh) | 2020-01-06 | 2020-01-06 | 风险预测方法及装置、风险查询方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111191853A CN111191853A (zh) | 2020-05-22 |
CN111191853B true CN111191853B (zh) | 2022-07-15 |
Family
ID=70708803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010010971.XA Active CN111191853B (zh) | 2020-01-06 | 2020-01-06 | 风险预测方法及装置、风险查询方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191853B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487105A (zh) * | 2020-11-12 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 一种企业画像的构建方法 |
CN112651660A (zh) * | 2021-01-07 | 2021-04-13 | 量子数聚(北京)科技有限公司 | 企业风险预警方法及装置 |
CN112667825B (zh) * | 2021-01-19 | 2024-05-14 | 深圳市信联征信有限公司 | 基于知识图谱的智能推荐方法、装置、设备及存储介质 |
CN117422312B (zh) * | 2023-12-18 | 2024-03-12 | 福建实达集团股份有限公司 | 一种企业经营风险的评估方法、介质及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及*** |
CN109472485A (zh) * | 2018-11-01 | 2019-03-15 | 成都数联铭品科技有限公司 | 企业失信风险传播查询***及方法 |
CN109583620A (zh) * | 2018-10-11 | 2019-04-05 | 平安科技(深圳)有限公司 | 企业潜在风险预警方法、装置、计算机设备和存储介质 |
CN109858762A (zh) * | 2018-12-29 | 2019-06-07 | 重庆誉存大数据科技有限公司 | 一种企业风险预测方法及装置 |
CN109858761A (zh) * | 2018-12-29 | 2019-06-07 | 重庆誉存大数据科技有限公司 | 企业风险预估方法及装置 |
CN110008349A (zh) * | 2019-02-01 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 计算机执行的事件风险评估的方法及装置 |
CN110442607A (zh) * | 2019-07-26 | 2019-11-12 | 中国建设银行股份有限公司 | 关联企业信息的本地查询方法、装置及电子设备 |
CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160371618A1 (en) * | 2015-06-11 | 2016-12-22 | Thomson Reuters Global Resources | Risk identification and risk register generation system and engine |
CN107292509A (zh) * | 2017-06-16 | 2017-10-24 | 兴业数字金融服务(上海)股份有限公司 | 一种企业信贷风险预警监测方法 |
CN108763507A (zh) * | 2018-05-30 | 2018-11-06 | 北京百度网讯科技有限公司 | 企业关联关系挖掘方法和装置 |
CN109800335A (zh) * | 2019-01-23 | 2019-05-24 | 平安科技(深圳)有限公司 | 企业图谱的生成方法、装置、计算机设备和存储介质 |
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 |
CN110163741A (zh) * | 2019-04-16 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于信贷风控模型的信贷决策方法、装置、设备及介质 |
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 |
-
2020
- 2020-01-06 CN CN202010010971.XA patent/CN111191853B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及*** |
CN109583620A (zh) * | 2018-10-11 | 2019-04-05 | 平安科技(深圳)有限公司 | 企业潜在风险预警方法、装置、计算机设备和存储介质 |
CN109472485A (zh) * | 2018-11-01 | 2019-03-15 | 成都数联铭品科技有限公司 | 企业失信风险传播查询***及方法 |
CN109858762A (zh) * | 2018-12-29 | 2019-06-07 | 重庆誉存大数据科技有限公司 | 一种企业风险预测方法及装置 |
CN109858761A (zh) * | 2018-12-29 | 2019-06-07 | 重庆誉存大数据科技有限公司 | 企业风险预估方法及装置 |
CN110008349A (zh) * | 2019-02-01 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 计算机执行的事件风险评估的方法及装置 |
CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
CN110442607A (zh) * | 2019-07-26 | 2019-11-12 | 中国建设银行股份有限公司 | 关联企业信息的本地查询方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111191853A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191853B (zh) | 风险预测方法及装置、风险查询方法及装置 | |
CN107818133B (zh) | 一种基于大数据的居民区网络能力分析方法及*** | |
US10628136B2 (en) | Internet of things (IoT) application development | |
CN109446281B (zh) | 基于ArcGIS的在线智能制图***构建方法、***与制图方法 | |
CN111046237B (zh) | 用户行为数据处理方法、装置、电子设备及可读介质 | |
US10142363B2 (en) | System for monitoring and addressing events based on triplet metric analysis | |
CN113157947A (zh) | 知识图谱的构建方法、工具、装置和服务器 | |
CN104008128A (zh) | 案件信息自动生成与呈现方法 | |
CN114429364A (zh) | 业务数据管理方法和装置、存储介质及电子设备 | |
CN104657437B (zh) | 推广情况数据的监测方法及装置 | |
CN114070760A (zh) | 一种网络空间资产的测绘方法、装置、网络空间资产数据库及计算机可读存储介质 | |
CN113282623A (zh) | 数据处理方法及装置 | |
CN112016855A (zh) | 基于关系网匹配的用户行业识别方法、装置和电子设备 | |
CN114297516A (zh) | 一种基于知识图谱的事件发现与展现方法及*** | |
CN114385609A (zh) | 基于标签的政务事件处理***、方法、设备及存储介质 | |
CN113836360A (zh) | 数据检测方法及装置 | |
CN115204881A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
Jiang et al. | From social community to spatio-temporal information: A new method for mobile data exploration | |
CN112328937B (zh) | 信息投放方法及装置 | |
Liu et al. | SafeCity: A Heterogeneous Mobile Crowd Sensing System for Urban Public Safety | |
CN114385705A (zh) | 数据重要性识别方法、装置、设备及介质 | |
CN113076308A (zh) | 一种时空大数据服务*** | |
US20180189699A1 (en) | A method and system for locating regulatory information | |
CN114022184A (zh) | 数据管理方法、装置、电子设备及存储介质 | |
CN110737828A (zh) | 一种信息推送方法和相关装置 |
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 |