CN111414485B - 企业客户关联关系图谱构建方法、装置、存储器和计算机 - Google Patents
企业客户关联关系图谱构建方法、装置、存储器和计算机 Download PDFInfo
- Publication number
- CN111414485B CN111414485B CN202010185672.XA CN202010185672A CN111414485B CN 111414485 B CN111414485 B CN 111414485B CN 202010185672 A CN202010185672 A CN 202010185672A CN 111414485 B CN111414485 B CN 111414485B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- incidence relation
- basic
- map
- relation
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种企业客户关联关系图谱构建方法、装置、存储器和计算机。该方法包括:根据企业客户的数据,建立企业客户之间的基础关联关系和其他关联关系;根据基础关联关系认定企业客户中的核心企业;以核心企业为基础,根据基础关联关系,建立企业客户之间的基础关联关系图谱;在基础关联关系图谱上,叠加其他关联关系,生成企业客户关联关系图谱。通过挖掘企业客户各种公开及隐性关联关系,发现企业主要经营关联控制关系网络核心节点和关系圈,准确建立企业多维度关联关系图谱,构建客户关联关系全景视图,解决关联关系客户识别难、风险发现难的问题,助力金融客户评审管理、风险控制、贷后管理等工作,做好企业风险防控。
Description
技术领域
本发明涉及电子信息技术领域,尤其涉及一种企业客户关联关系 图谱构建方法、装置、存储器和计算机。
背景技术
伴随经济转型,企业经营信贷风险也在不断加剧和变化,其最新 特征表现为跨地区、跨行业和集团化经营的企业越来越多。一些关联 企业频繁进行关联交易、资金串用和相互担保,使企业信贷风险越来 越具有隐秘性、传导性和***性。
对这一类具有复杂关联的企业,凭借传统的风险管理方式,很难 清晰的了解其生产经营和社会关联的全部真实情况,其中关联风险、 互保联保风险、交叉违约风险以及虚假信息等多层复杂风险基本无 法发现,企业“关系圈”一旦某个环节出现危机,往往会沿着企业关 系网络向控制链、担保链、供应链、产业链快速传导,给银行信贷资 产造成巨大损失。
所以,需要找到一种新的技术方案,对以客户、集团客户为中心 的客户关联关系进行分析,对集团客户中各企业之间的复杂关系进行 认定和识别,以便做好新形势下的企业风险防控。
发明内容
本发明一方面提供了一种企业客户关联关系图谱构建方法,包括:
根据企业客户的数据,建立所述企业客户之间的基础关联关系和 其他关联关系;
根据所述基础关联关系认定所述企业客户中的核心企业;
以所述核心企业为基础,根据所述基础关联关系,建立所述企业 客户之间的基础关联关系图谱;
在所述基础关联关系图谱上,叠加所述其他关联关系,生成企业 客户关联关系图谱。
优选地,所述企业客户的数据包括:工商数据、银监数据、人行 数据、行政处罚数据、网络舆情数据、诉讼信息数据和企业内部客户 基本信息数据。
优选地,所述基础关联关系为投资关系,所述其他关联关系包括 担保关系、控制人关系、资金关系、地址关系和/或负面事件关系。
优选地,所述根据企业客户的数据,建立所述企业客户之间的基 础关联关系和其他关联关系,包括:
构建企业客户关联关系数据模型;
获取企业客户的数据;
按照所述关联关系数据模型对所述企业客户的数据进行过滤、去 重、合并的整合,建立所述企业客户之间的基础关联关系和其他关联 关系。
优选地,所述根据所述基础关联关系认定所述企业客户中的核心 企业,包括:
根据所述核心企业的认定标准,遍历所述基础关联关系中所有企 业,找出图论算法中所有符合所述核心企业定义的企业,即为所述核 心企业。
优选地,所述以所述核心企业为基础,根据所述基础关联关系, 建立所述企业客户之间的基础关联关系图谱,包括:
以所述核心企业为起点向下判断,采用深度递归算法,找出与所 述核心企业具有在预设关联比例范围内的基础关联关系的所有企业;
根据图谱绘制方法生成基础关联关系图谱。
优选地,所述在所述基础关联关系图谱上,叠加所述其他关联关 系,生成企业客户关联关系图谱,包括:
根据预设规则确定各所述其他关联关系的重要性并按照重要程 度由高到低排序;
在所述基础关联关系图谱上,按照顺序依次叠加各所述其他关联 关系,在叠加每种所述其他关联关系过程中,将没有在当前关联关系 图谱中出现的具有该欲叠加的关联关系的企业纳入当前关联关系图 谱中。
本发明第二方面还提供了一种企业客户关联关系图谱构建装置, 包括:
关联关系建立模块,用于根据企业客户的数据,建立所述企业客 户之间的基础关联关系和其他关联关系;
核心企业认定模块,用于根据所述基础关联关系认定所述企业客 户中的核心企业;
基础关联关系图谱建立模块,用于以所述核心企业为基础,根据 所述基础关联关系,建立所述企业客户之间的基础关联关系图谱;
企业客户关联关系图谱生成模块,用于在所述基础关联关系图谱 上,叠加所述其他关联关系,生成企业客户关联关系图谱。
本发明第三方面还提供了一种存储器,所述存储器存储有多条指 令,所述指令可被处理器加载并执行以使所述处理器能够执行上述企 业客户关联关系图谱构建方法。
本发明第四方面还提供了一种计算机,包括处理器和与所述处理 器连接的存储器,所述存储器存储有多条指令,所述指令可被所述处 理器加载并执行,以使所述处理器能够执行上述企业客户关联关系图 谱构建方法。
附图说明
图1为本发明所述企业客户关联关系图谱构建方法流程示意图;
图2为本发明所述本发明所述企业客户关联关系图谱构建装置 结构示意图;
图3为本发明所述本发明所述计算机结构示意图。
具体实施方案
为了更好的理解上述技术方案,下面将结合说明书附图以及具体 的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施,该终端可以 包括一个或多个如下部件:处理器、存储器和显示屏。其中,存储 器中存储有至少一条指令,所述指令由处理器加载并执行以实现下 述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和 线路连接整个终端内的各个部分,通过运行或执行存储在存储器内的 指令、程序、代码集或指令集,以及调用存储在存储器内的数据,执 行终端的各种功能和处理数据。
存储器可以包括随机存储器(Random Access Memory,RAM),也 可以包括只读存储器(Read-Only Memory)。存储器可用于存储指令、 程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
除此之外,本领域技术人员可以理解,上述终端的结构并不构 成对终端的限定,终端可以包括更多或更少的部件,或者组合某些 部件,或者不同的部件布置。比如,终端中还包括射频电路、输入 单元、传感器、音频电路、电源等部件,在此不再赘述。
实施例一
如图1所示,本发明实施例提供了一种企业客户关联关系图谱构 建方法,包括:
S101,根据企业客户的数据,建立所述企业客户之间的基础关联 关系和其他关联关系;
S102,根据所述基础关联关系认定所述企业客户中的核心企业;
S103,以所述核心企业为基础,根据所述基础关联关系,建立所 述企业客户之间的基础关联关系图谱;
S104,在所述基础关联关系图谱上,叠加所述其他关联关系,生 成企业客户关联关系图谱。
针对目前企业“关系圈”复杂,采用传统的风险管理方式,很难 做好企业风险防控,容易造成风险传导的问题,本发明实施例提供了 上述方法,提出了基于大数据的企业客户关联关系图谱的构建,目的 是为新形势下的企业风险防控探索一条新路,助力企业风险管控、贷 后管理、内部评审、潜在客户需求挖掘及一体化客户服务等工作。
本发明实施例中,使用知识图谱(Knowledge Graph)进行客户关 联关系的描述,基于知识图谱、图形化展现技术等构建了企业客户关 联关系图谱。知识图谱本质上是语义网络,是一种基于图的数据结构, 由节点(Vertex)和边(Edge)组成,可以借用图G=(V,E)的方式 进行定义。在知识图谱里,每个节点可以表示现实世界中存在的“实 体”,每条边为实体与实体之间的“关系”。例如,节点(实体)可以 代表单一法人企业,边可以代表上述的股权关系、控制人关系、担保 关系等,边的方向可以用来进一步描述上述关系,例如使用起点描述 担保方,终点描述被担保方。采用知识图谱的方式可以进行多维度的 客户关联关系建模,从而可以获得不同维度下的企业之间的“关联图 谱”。例如,企业之间的股权、控制人和担保关系可以分别形成一个 独立的关联图谱,还可以根据需要进行叠加。
形成一个多维度的企业关联关系图谱,对企业关联关系全进行全 景视图展现,从而能够清楚快速的解决集团关联关系客户的认定难、 识别难的问题,为做好企业风险防控提供基础。
在应用过程中,执行步骤S101,首先构建企业客户关联关系数据 模型,比如,企业投资关系数据模型、控制人关系数据模型、担保关 系数据模型、资金关系数据模型、地址关系数据模型和/或负面事件关 系数据模型等;然后,获取企业客户的数据,包括企业外部数据,也 包括企业内部数据,比如,工商数据、银监数据、人行数据、行政处 罚数据、网络舆情数据、诉讼信息数据和企业内部客户基本信息数据 等;最后,按照所述关联关系数据模型对所述企业客户的数据进行过 滤、去重、合并的整合,建立所述企业客户之间的基础关联关系和其 他关联关系。
作为一个实施例,其中,工商数据可以包括企业基本信息数据, 企业股东出资信息数据,企业管理人员信息数据,企业对外投资信息 数据,企业法人代表对外投资数据等;银监数据可以包括大额客户不 良信息数据,大额客户贷款限制行业数据,大额客户关联零售违约数 据,法人客户零售违约数据等;人行数据可以包括企业身份信息数据, 企业高管信息数据,企业出资方信息数据,企业未结清信贷数据,企 业对外担保明细数据等;行政处罚数据包括企业法院执行信息数据, 企业法院开庭信息数据,企业欠税信息数据,失信被执行人信息数据 等;企业内部客户基本信息数据可以包括企业客户基本信息数据,企 业客户授信信息数据,企业客户保证信息数据,企业客户抵质押信息 数据,企业关联企业信息数据等。
在上述方法中,可以根据实际情况确定基础关联关系以及其他关 联关系,比如,可以将所有关联关系中起决定作用的关系作为基础关 联关系,也可以将所有关联关系中对其他关联关系都具有重要影响的 关系作为基础关联关系,而将除基础关联关系之外的关系作为其他关 联关系。作为一个实施例,本发明中,将企业投资关系作为基础关联 关系,企业担保关系、控制人关系、资金关系、地址关系和/或负面事 件关系作为其他关联关系。
在实施过程中,根据各种关系的数据模型,对获取到的企业内部 数据和外部数据进行整合,得到所述企业客户之间的投资关联关系、 担保关联关系、控制人关联关系、资金关联关系、地址关联关系和负 面事件关联关系。通过整合企业数据得到的企业之间的关联关系可以 通过关系路径的形式展现,比如,通过对企业数据分析,得知企业A、 企业B、企业C之间有投资关系,而且企业A对企业B、企业C进 行了投资,企业B对企业C进行了投资,则可以通过如下的关系路 径的形式展现三者之间的投资关系:企业A→企业B→企业C,企业 A→企业C。
执行步骤S102,根据所述核心企业的认定标准,遍历所述基础关 联关系中所有企业,找出图论算法中所有符合所述核心企业定义的企 业,即为所述核心企业。
上述方法中,根据实际情况不同,核心企业的定义可能不同。
在所有企业中筛选出处于关系圈核心位置的企业,首先需要对核 心企业进行定义,然后找到符合该定义的企业即为核心企业。另外, 在核心企业认定过程中,还需要设置认定标准,根据该认定标准找到 符合核心企业定义的企业。同理,认定标准也可以根据实际情况进行 设置。
在本发明的一个实施例中,核心企业指在投资关系中,没有任何 企业强关系指向该企业,且该企业投资的公司至少有一家企业为强关 系,定义该企业为核心企业。核心企业的认定标准包括:
1)该企业为非国家机关,即企业名称不含“局”、“委员会”、“政府”、 “厅”、“国有”等字样;2)不存在别的投资关系为强关系,但投资 人含国家机关(即企业名称含“局”、“委员会”、“政府”、“厅”、“国 有”等字样)、自然人的除外。3)该企业至少存在一条对外投资关系 为强关系,其中,强关系是指股权投资关系中,投资比例大于50%的 关系为强关系。
对于实施过程,需要说明的是:由于核心企业的认定标准中是不 包括国家机关的,所以,在核心企业认定过程中,如需特别考虑国资 委等政府机构作为核心企业的特殊情况,可以提前制定核心企业的例 外名单,并对其进行特殊处理。
本发明中,作为一个具体实施例虽然给出了具体的核心企业的认 定标准,但是,在实际应用过程中,还可以根据实际情况,制定不同 的认定标准,并在认定过程中,根据实际的标准进行认定即可。
但是,无论认定标准的实际内容是什么,在实施本发明方法时, 都需要制定一个相应的标准,以便实现对核心企业的认定。
预设了核心企业的定义以及认定标准后,本发明实施例中,采用 图论算法,通过遍历所述基础关联关系中所有企业,找出所有符合所 述核心企业定义的企业。作为一个实施例,本发明中,将企业投资关 系作为基础关联关系。因此,在实施过程中,采用图论算法,通过遍 历所述投资关系中所有企业,找到没有任何企业强关系指向该企业, 且该企业投资的公司至少有一家企业为强关系,则该企业为核心企业。
执行步骤S103,以所述核心企业为基础,根据所述基础关联关 系,建立所述企业客户之间的基础关联关系图谱,包括:以所述核心 企业为起点向下判断,采用深度递归算法,找出与所述核心企业具有 在预设关联比例范围内的基础关联关系的所有企业;
根据图谱绘制方法生成基础关联关系图谱。
采用上述方法,将基础关联关系的数据模型绘制成关联关系图谱, 实现对基础关联关系进行图形化展现,可以更加直观的看到企业之间 的基础关联关系。比如,如果基础关联关系为企业投资关系,则可以 很直观的看到企业之间的投资关联关系,从而能够快速的认定和识别 具有投资关联关系的企业,以便目标客户做好投资风险的防范工作, 以免相关的企业出现问题,传导到目标客户,造成较大的损失。
其中,在绘制基础关联关系图谱时,为了避免将所有的关联企业 都作为节点绘制在图谱中,可以预设一定的关联比例,比如,设定投 资关联关系的比例为50%以上,则将在该范围内的企业都作为节点绘 制在图谱中,而不在该范围的企业,即便有投资关系,也不会将其作 为节点绘制在图谱中。上述方法中,通过设定关联比例,可以使得基 础关联关系图谱简洁清晰,更加直观,从而快速的找到重要的关联关 系企业。
执行步骤S104,所述在所述基础关联关系图谱上,叠加所述其他 关联关系,生成企业客户关联关系图谱,包括:
根据预设规则确定各所述其他关联关系的重要性并按照重要程 度由高到低排序;
在所述基础关联关系图谱上,按照顺序依次叠加各所述其他关联 关系,在叠加每种所述其他关联关系过程中,将没有在当前关联关系 图谱中出现的具有该欲叠加的关联关系的企业纳入当前关联关系图 谱中。
上述方法在实施过程中,作为一个实施例,比如,基础关联关系 图谱为强股权投资关系图谱,其他关联关系包括:担保关系、控制人 关系、弱股权关系、交易关系、地址关系、舆情关系、法定代表人关 系。其中,强股权投资关系为投资比例在50%以上的企业,弱股权关 系为投资比例在50%以下的企业。如果基础关联关系为强股权投资关 系,那么对于投资关系而言,控制人关系就是比较重要的关系,其次 是担保关系、弱股权关系等。确定了其他关系的重要程度顺序后,在 强股权投资关系谱图上依次进行叠加。具体的,首先,在强股权投资 关系谱图上首先叠加控制人关系,将没有在强股权关系图谱中出现的 存在控制人关系的企业纳入图谱中,得到强股权投资-控制人关系图 谱;然后,在强股权投资-控制人关系图谱上叠加担保关系,将没有在 强股权投资-控制人关系图谱中出现的存在担保关系的企业纳入图谱 中,得到强股权投资-控制人-担保关系图谱;依次类推,最终生成多种关系维度的企业客户关联关系图谱。
本发明实施例提供的方法,基于知识图谱、图形化展现技术、大 数据处理等先进技术,以企业客户为中心、整合内部外部相关数据, 对客户的股权、控制人、担保、交易、地址、诉讼等多种关系深度分 析,挖掘企业客户各种公开及隐性关联关系,发现企业主要经营关联 控制关系网络核心节点和关系圈,准确建立企业多维度关联关系图谱, 构建客户关联关系全景视图,进而提供企业客户的内外业务情况分析 报告,解决关联关系客户识别难、风险发现难的问题,助力金融客户 评审管理、风险控制、贷后管理等工作,做好企业风险防控。
所以,采用本发明实施例提供的方法,具有如下有益效果:
1)解决关联客户识别难的问题:使用以股权、控制人、担保、地 址、事件等多种关系的“关联关系客户群”数据分析模型,结合大数 据分析处理,自动识别任意客户所属客户群,提高客户关联关系族谱 识别的准确率。
2)为关联客户群风险预警提供数据基础:基于企业客户关联关 系族谱构建风险预警模型,从客户整体关联族谱考量客户风险,可以 实现对现有信用评级模型的有益补充。
3)防范***性风险:建立完整清晰的客户关联关系族谱与全景 视图,实现了对客户及关联方内外部数据的***化、动态化监测分析, 有效防范了客户挂链关系的***性风险。
4)提升精细化企业客户管理水平:作为客户经理分析客户关联 关系分析的工具,可以发现若干传统手段无法发现的关联企业风险。
实施例二
如图2所示,本发明的另一方面还包括和前述方法流程完全对应 一致的功能模块架构,即本发明实施例还提供了一种企业客户关联关 系图谱构建装置,包括:
关联关系建立模块201,用于根据企业客户的数据,建立所述企 业客户之间的基础关联关系和其他关联关系;
核心企业认定模块202,用于根据所述基础关联关系认定所述企 业客户中的核心企业;
基础关联关系图谱建立模块203,用于以所述核心企业为基础, 根据所述基础关联关系,建立所述企业客户之间的基础关联关系图谱;
企业客户关联关系图谱生成模块204,用于在所述基础关联关系 图谱上,叠加所述其他关联关系,生成企业客户关联关系图谱。
进一步地,所述企业客户的数据包括:工商数据、银监数据、人 行数据、行政处罚数据、网络舆情数据、诉讼信息数据和企业内部 客户基本信息数据。
进一步地,所述基础关联关系为投资关系,所述其他关联关系包 括担保关系、控制人关系、资金关系、地址关系和/或负面事件关系
进一步地,所述关联关系建立模块201具体的用于
构建企业客户关联关系数据模型;
获取企业客户的数据;
按照所述关联关系数据模型对所述企业客户的数据进行过滤、去 重、合并的整合,建立所述企业客户之间的基础关联关系和其他关联 关系。
进一步地,所述核心企业认定模块202具体的用于
根据所述核心企业的认定标准,遍历所述基础关联关系中所有企 业,找出图论算法中所有符合所述核心企业定义的企业,即为所述核 心企业。
进一步地,所述基础关联关系图谱建立模块203具体的用于
以所述核心企业为起点向下判断,采用深度递归算法,找出与所 述核心企业具有在预设关联比例范围内的基础关联关系的所有企业;
根据图谱绘制方法生成基础关联关系图谱。
进一步地,所述企业客户关联关系图谱生成模块204具体的用于
根据预设规则确定各所述其他关联关系的重要性并按照重要程 度由高到低排序;
在所述基础关联关系图谱上,按照顺序依次叠加各所述其他关联 关系,在叠加每种所述其他关联关系过程中,将没有在当前关联关系 图谱中出现的具有该欲叠加的关联关系的企业纳入当前关联关系图 谱中。
该装置可通过上述实施例一提供的企业客户关联关系图谱构建 方法实现,具体的实现方法以及可实现的功能效果可参见实施例一中 的描述,在此不再赘述。
本发明实施例还提供了一种存储器,所述存储器存储有多条指令, 所述指令可被处理器加载并执行以使所述处理器能够执行实施例一 所述的企业客户关联关系图谱构建方法。
本发明实施例还提供了一种计算机,如图3所示,包括处理器 301和与所述处理器301连接的存储器302,所述存储器302存储有 多条指令,所述指令可被所述处理器301加载并执行,以使所述处理 器301能够执行实施例一所述的企业客户关联关系图谱构建方法。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦 得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。 所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围 的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种 改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些 修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明 也意图包含这些改动和变型在内。
Claims (6)
1.一种企业客户关联关系图谱构建方法,其特征在于,包括:
根据企业客户的数据,建立所述企业客户之间的基础关联关系和其他关联关系;
根据所述基础关联关系认定所述企业客户中的核心企业;
以所述核心企业为基础,根据所述基础关联关系,建立所述企业客户之间的基础关联关系图谱;
在所述基础关联关系图谱上,叠加所述其他关联关系,生成企业客户关联关系图谱;
所述根据所述基础关联关系认定所述企业客户中的核心企业,包括:
所述基础关联关系为投资关系,所述其他关联关系包括担保关系、控制人关系、资金关系、地址关系和/或负面事件关系;
根据所述核心企业的认定标准,遍历所述投资关系中所有企业,找出图论算法中所有符合所述核心企业定义的企业,即为所述核心企业;
所述以所述核心企业为基础,根据所述基础关联关系,建立所述企业客户之间的基础关联关系图谱,包括:
以所述核心企业为起点向下判断,采用深度递归算法,找出与所述核心企业具有在预设关联比例范围内的基础关联关系的所有企业;
根据图谱绘制方法生成基础关联关系图谱;
所述在所述基础关联关系图谱上,叠加所述其他关联关系,生成企业客户关联关系图谱,包括:
根据预设规则确定各所述其他关联关系的重要性并按照重要程度由高到低排序;
在所述基础关联关系图谱上,按照顺序依次叠加各所述其他关联关系,在叠加每种所述其他关联关系过程中,将没有在当前关联关系图谱中出现的具有该欲叠加的关联关系的企业纳入当前关联关系图谱中。
2.如权利要求1所述的企业客户关联关系图谱构建方法,其特征在于,所述企业客户的数据包括:工商数据、银监数据、人行数据、行政处罚数据、网络舆情数据、诉讼信息数据和企业内部客户基本信息数据。
3.如权利要求1所述的企业客户关联关系图谱构建方法,其特征在于,所述根据企业客户的数据,建立所述企业客户之间的基础关联关系和其他关联关系,包括:
构建企业客户关联关系数据模型;
获取企业客户的数据;
按照所述关联关系数据模型对所述企业客户的数据进行过滤、去重、合并的整合,建立所述企业客户之间的基础关联关系和其他关联关系。
4.一种企业客户关联关系图谱构建装置,其特征在于,包括:
关联关系建立模块,用于根据企业客户的数据,建立所述企业客户之间的基础关联关系和其他关联关系;
核心企业认定模块,用于根据所述基础关联关系认定所述企业客户中的核心企业;
基础关联关系图谱建立模块,用于以所述核心企业为基础,根据所述基础关联关系,建立所述企业客户之间的基础关联关系图谱;
企业客户关联关系图谱生成模块,用于在所述基础关联关系图谱上,叠加所述其他关联关系,生成企业客户关联关系图谱;
所述根据所述基础关联关系认定所述企业客户中的核心企业,包括:
所述基础关联关系为投资关系,所述其他关联关系包括担保关系、控制人关系、资金关系、地址关系和/或负面事件关系;
根据所述核心企业的认定标准,遍历所述投资关系中所有企业,找出图论算法中所有符合所述核心企业定义的企业,即为所述核心企业;
所述以所述核心企业为基础,根据所述基础关联关系,建立所述企业客户之间的基础关联关系图谱,包括:
以所述核心企业为起点向下判断,采用深度递归算法,找出与所述核心企业具有在预设关联比例范围内的基础关联关系的所有企业;
根据图谱绘制方法生成基础关联关系图谱;
所述在所述基础关联关系图谱上,叠加所述其他关联关系,生成企业客户关联关系图谱,包括:
根据预设规则确定各所述其他关联关系的重要性并按照重要程度由高到低排序;
在所述基础关联关系图谱上,按照顺序依次叠加各所述其他关联关系,在叠加每种所述其他关联关系过程中,将没有在当前关联关系图谱中出现的具有该欲叠加的关联关系的企业纳入当前关联关系图谱中。
5.一种存储器,其特征在于,所述存储器存储有多条指令,所述指令可被处理器加载并执行以使所述处理器能够执行如权利要求1-3中任一权利要求所述的企业客户关联关系图谱构建方法。
6.一种计算机,其特征在于,包括处理器和与所述处理器连接的存储器,所述存储器存储有多条指令,所述指令可被所述处理器加载并执行,以使所述处理器能够执行如权利要求1-3中任一权利要求所述的企业客户关联关系图谱构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010185672.XA CN111414485B (zh) | 2020-03-17 | 2020-03-17 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010185672.XA CN111414485B (zh) | 2020-03-17 | 2020-03-17 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111414485A CN111414485A (zh) | 2020-07-14 |
CN111414485B true CN111414485B (zh) | 2022-09-30 |
Family
ID=71491217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010185672.XA Active CN111414485B (zh) | 2020-03-17 | 2020-03-17 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414485B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112037032A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的额度管理方法及装置 |
CN112037043B (zh) * | 2020-09-02 | 2024-06-21 | 中国银行股份有限公司 | 基于知识图谱的优质贷款企业确定方法及装置 |
CN112102006A (zh) * | 2020-09-22 | 2020-12-18 | 中国建设银行股份有限公司 | 基于大数据分析的目标客户获取方法、搜索方法及装置 |
CN112256887B (zh) * | 2020-10-28 | 2022-06-24 | 福建亿榕信息技术有限公司 | 基于知识图谱的智能供应链管理方法 |
CN112598496B (zh) * | 2020-12-15 | 2024-04-30 | 深圳前海微众银行股份有限公司 | 风控黑名单设置方法、装置、终端设备及可读存储介质 |
CN112598296A (zh) * | 2020-12-25 | 2021-04-02 | 中用科技有限公司 | 一种智能化电子客户关系管理***及方法 |
CN114201663B (zh) * | 2021-07-23 | 2022-09-02 | 北京恒通慧源大数据技术有限公司 | 一种基于标签传播的集团客户挖掘方法、装置和电子设备 |
CN113674079A (zh) * | 2021-07-30 | 2021-11-19 | 湖南三湘银行股份有限公司 | 一种基于关系图谱和客户画像的金融风险控制***及方法 |
CN114022166B (zh) * | 2021-11-19 | 2024-04-09 | 平安银行股份有限公司 | 一种信息处理方法、装置、计算机设备及存储介质 |
CN114154752A (zh) * | 2021-12-15 | 2022-03-08 | 中国建设银行股份有限公司 | 企业风险预测方法、装置、电子设备、介质和程序产品 |
CN115310609A (zh) * | 2022-10-10 | 2022-11-08 | 中信证券股份有限公司 | 一种构建衍生担保图谱的方法、装置及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779996A (zh) * | 2016-12-08 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种供应链金融中企业数据挖掘方法及*** |
CN109508388A (zh) * | 2018-11-28 | 2019-03-22 | 交通银行股份有限公司 | 一种关系网络可视化图谱的方法和装置 |
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*** |
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 |
CN110516077A (zh) * | 2019-08-20 | 2019-11-29 | 北京中亦安图科技股份有限公司 | 面向企业商情的知识图谱构建方法及装置 |
CN110781246A (zh) * | 2019-09-18 | 2020-02-11 | 上海生腾数据科技有限公司 | 一种企业关联关系构建方法及*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170124497A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | System for automated capture and analysis of business information for reliable business venture outcome prediction |
CN107229756A (zh) * | 2017-06-30 | 2017-10-03 | 山东合天智汇信息技术有限公司 | 一种直观展现企业关系图谱的设计方法及*** |
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*** |
CN108614881A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 呈现企业关联关系图谱的方法及装置、存储介质、电子终端 |
CN109447412A (zh) * | 2018-09-26 | 2019-03-08 | 平安科技(深圳)有限公司 | 构建企业关系图谱的方法、装置、计算机设备和存储介质 |
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 |
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 |
CN110298686B (zh) * | 2019-05-23 | 2024-02-02 | 中国平安人寿保险股份有限公司 | 一种产品返费调配方法、装置、计算机设备及存储介质 |
CN110597870A (zh) * | 2019-08-05 | 2019-12-20 | 长春市万易科技有限公司 | 一种企业关系挖掘方法 |
-
2020
- 2020-03-17 CN CN202010185672.XA patent/CN111414485B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779996A (zh) * | 2016-12-08 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种供应链金融中企业数据挖掘方法及*** |
CN109508388A (zh) * | 2018-11-28 | 2019-03-22 | 交通银行股份有限公司 | 一种关系网络可视化图谱的方法和装置 |
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*** |
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 |
CN110516077A (zh) * | 2019-08-20 | 2019-11-29 | 北京中亦安图科技股份有限公司 | 面向企业商情的知识图谱构建方法及装置 |
CN110781246A (zh) * | 2019-09-18 | 2020-02-11 | 上海生腾数据科技有限公司 | 一种企业关联关系构建方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111414485A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111414485B (zh) | 企业客户关联关系图谱构建方法、装置、存储器和计算机 | |
Tiberius et al. | Impacts of digitization on auditing: A Delphi study for Germany | |
Flood et al. | The application of visual analytics to financial stability monitoring | |
WO2020037942A1 (zh) | 风险预测处理方法、装置、计算机设备和介质 | |
Tekin | Development aid, openness to trade and economic growth in least developed countries: Bootstrap panel granger causality analysis | |
US20140258084A1 (en) | Credit repair user interface | |
CN109508388A (zh) | 一种关系网络可视化图谱的方法和装置 | |
CN110427406A (zh) | 组织机构相关人员关系的挖掘方法及装置 | |
Deb et al. | Does green accounting practice affect bank performance? A study on listed banks of Dhaka stock exchange in Bangladesh | |
Flood et al. | Monitoring financial stability in a complex world | |
Evans | Blockchain technology and the financial market: an empirical analysis | |
CN113064998A (zh) | 一种面向金融机构风控控制的图谱构建方法、设备及存储介质 | |
RAHMAN et al. | The influence of related party transaction and corporate governance on firm value: An empirical study in Indonesia | |
CN111221873A (zh) | 基于关联网络的企业间同名人识别方法及*** | |
Guizani et al. | Islamic banking and corporate investment efficiency: empirical evidence from Malaysia | |
Fikru | Determinants of International Standards in sub-Saharan Africa: The role of institutional pressure from different stakeholders | |
Fonseca et al. | Analysis of financial contagion among economic sectors through dynamic bayesian networks | |
Monkiewicz et al. | Financial sector supervision in digital age: transformation in progress | |
Al-Bahri et al. | Evaluate the role of big data in enhancing strategic decision making for E-governance in E-Oman portal | |
Flowerday, S. & Von Solms | What constitutes information integrity? | |
Liu | Artificial Intelligence and Machine Learning based Financial Risk Network Assessment Model | |
Weber | Post-Crisis Reform of the Supervisory System and High Reliability Theory | |
Alampalli | Information infrastructure for systemic regulation | |
Manzhosov et al. | Method of constructing a visualization of threat model of information security | |
Panic | Can emerging technologies lead a revival of conflict early warning/early action? Lessons from the field |
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 |