CN111429255B - 一种风险评估方法、装置、设备及存储介质 - Google Patents
一种风险评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111429255B CN111429255B CN202010196148.2A CN202010196148A CN111429255B CN 111429255 B CN111429255 B CN 111429255B CN 202010196148 A CN202010196148 A CN 202010196148A CN 111429255 B CN111429255 B CN 111429255B
- Authority
- CN
- China
- Prior art keywords
- risk
- target
- risk assessment
- data
- index
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 308
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012512 characterization method Methods 0.000 claims abstract description 149
- 238000011156 evaluation Methods 0.000 claims description 46
- 210000000056 organ Anatomy 0.000 claims description 21
- 230000008014 freezing Effects 0.000 claims description 11
- 238000007710 freezing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种风险评估方法、装置、设备及存储介质,其中,风险评估方法包括:建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人;根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,预设风险评估指标体系基于知识图谱确定;根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果。本发明实施例的技术方案提高了客户风险评估的准确率。
Description
技术领域
本发明实施例涉及风险评估技术领域,尤其涉及一种风险评估方法、装置、终端及存储介质。
背景技术
金融机构(例如银行)需要对其客户尤其是被有权机关司法查冻扣的客户进行风险评估,以避免出现不必要的损失。
目前银行***对司法查冻扣的客户进行风险评估,主要是通过样本训练模型的方法来识别客户涉案风险,模型的好坏比较依赖样本数据的质量,如果样本数据选取不当,则会大大降低风险评估的准确率。
发明内容
本发明提供一种风险评估方法、装置、终端及存储介质,提高了客户风险评估的准确率。
第一方面,本发明实施例提供了一种风险评估方法,所述方法包括:
建立目标客户和有权机关的知识图谱,所述目标客户包括目标企业和/或目标个人;
根据所述知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,所述预设风险评估指标体系基于所述知识图谱确定;
根据所述目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果。
第二方面,本发明实施例还提供了一种风险评估装置,所述装置包括:
知识图谱建立模块,用于建立目标客户和有权机关的知识图谱,所述目标客户包括目标企业和/或目标个人;
目标风险表征数据确定模块,用于根据所述知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,所述预设风险评估指标体系基于所述知识图谱确定;
目标风险评估结果确定模块,用于根据所述目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的风险评估方法。
第四方面,本发明实施例还提供了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如本发明任一实施例所述的风险评估方法。
本发明实施例通过建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人;根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,预设风险评估指标体系基于知识图谱确定;根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果,克服了通过样本训练模型的方法来识别客户涉及金融涉罪案件风险时,由于样本数据选取不当造成的风险评估准确率不高的不足,提高了客户风险评估的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一中的一种风险评估方法的流程图;
图2是本发明实施例二中的一种风险评估方法的流程图;
图3是本发明实施例三中的一种风险评估装置的结构示意图;
图4是本发明实施例四中的计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种风险评估方法的流程图,本实施例可适用于对客户进行司法涉案风险评估的情况,该方法可以由风险评估装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于计算机设备中。如图1所示,本实施例的方法具体包括:
S110、建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人。
知识图谱本质是一种语义网络,以由节点和边组成的图来描述客观事物。知识图谱中的节点表示实体和概念,其中,实体可以是具体的事物,概念可以是抽象的事物;知识图谱中的边表示事物的关系和属性,其中,关系可以是事物的外部联系,属性可以是事物的内部特征。一般的,通常对知识图谱进行简化描述,即将实体和概念统称为实体,将关系和属性统称为关系,即知识图谱用于描述实体与实体之间的关系。其中,实体可以是个人,地点,组织机构,概念等,关系的种类更多,可以是个人与个人之间的关系,人与组织机构之间的关系,概念与某个物体之间的关系等。
目标客户为在相关金融机构***中开设有账户的企业或者个人,例如金融机构可以包括银行等。有权机关是指依照法律、行政法规的明确规定,有权查询、冻结、扣划企业或个人在金融机构存款的司法机关、行政机关、军事机关及行使行政职能的事业单位。按照现行法律、行政法规的规定,有权机关可以包括公安、国家安全机关、检察院、法院、税务、海关、军队保卫部门、监狱、走私犯罪侦查机关、监察机关、军队监察机关、审计机关、工商行政管理机关、证券监管管理机关等14个机关和部门。。当目标企业或者目标个人可能存在涉及金融涉罪案件的问题时,有权机关有权对相应的目标企业账户或者目标个人账户进行查询、冻结以及扣划等操作,此时,有权机关与目标企业或者目标个人之间存在关联关系。目标企业与目标企业之间也可能存在关联关系,例如目标企业A是目标企业B的子公司,或者目标企业A是目标企业B的分支机构,或者目标企业A和目标企业B存在合作关系等。目标企业与目标个人之间也可能存在关联关系,例如目标个人a为目标企业A的法人代表,或者目标个人a为目标企业A的高级管理人员(例如可以是经理,副经理等)。目标个人与目标个人之间也可能存在关联关系,例如目标个人a与目标个人b存在血缘关系,或者目标个人a与目标个人b存在夫妻关系等。
本实施例中,知识图谱中的实体优选可以是目标企业、目标个人和有权机关等,知识图谱中的关系优选可以是目标企业、目标个人和有权机关中任意两项之间的关联关系。
优选的,建立目标客户和有权机关的知识图谱,包括:
从目标数据库中获取目标客户数据和有权机关数据;
根据目标客户数据和有权机关数据,确定目标企业、目标个人和有权机关之间的关联关系和目标客户和有权机关的实体属性;
根据关联关系和实体属性,建立知识图谱。
其中,目标数据库可以包括金融机构***中的数据存储数据库、企业工商数据库以及公安机关数据库等,例如金融机构***中的数据存储数据库可以是银行***的数据存储数据库。目标客户数据可以包括目标企业的名称和统一信用代码,目标个人的姓名、身份证件类型以及身份证件号码,以及目标客户之间的关联关系等。有权机关数据可以包括有权机关的名称和类型等。优选的,可以从企业工商数据库中获取目标企业的名称和统一信用代码,以及目标客户之间的关联关系,例如,目标企业与目标企业之间的关联关系,目标企业与目标个人之间的关联关系等。可以从公安机关数据库中获取目标个人的姓名、身份证件类型以及身份证件号码,以及目标个人与目标个人之间的关联关系等。可以从银行***的数据存储数据库中获取目标企业账户数据和/或目标个人账户数据,有权机关数据以及目标客户与有权机关的关联关系等。
在获取到目标客户数据和有权机关数据之后,可以根据目标客户数据和有权机关数据确定目标企业、目标个人和有权机关之间的关联关系,和目标客户与有权机关的实体属性,根据关联关系和实体属性即可建立与目标客户、目标个人和有权机关相关的知识图谱。
示例性的,实体可以包括目标企业、目标个人和有权机关;实体属性可以包括目标企业属性、目标个人属性和有权机关属性,其中,目标企业属性包括企业名称和统一信用代码,目标个人属性包括目标个人姓名、身份证件类型和身份证件号码,有权机关属性包括有权机关名称和类型。目标企业、目标个人和有权机关之间的关联关系可以包括目标企业的法人代表为目标个人、目标企业的高级管理人员为目标个人、目标企业的分支机构为目标企业、目标企业的子公司为目标企业、有权机关对目标个人进行过查询、有权机关对目标个人进行过冻结、有权机关对目标个人进行过扣划、有权机关对目标客户进行过查询、有权机关对目标客户进行过冻结、有权机关对目标客户进行过扣划等。
S120、根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,预设风险评估指标体系基于知识图谱确定。
本实施例中的风险指的是目标企业或者目标个人涉及金融涉罪案件的风险(以下简称涉案风险),预设风险评估指标体系是用来评估目标企业或目标个人涉案风险高低的依据。预设风险评估指标体系可以包括预设风险评估指标以及预设风险评估指标对应的指标风险表征数据,其中,风险评估指标可以是导致目标企业或者而目标个人存在涉案风险的各个因素。风险评估指标所对应的涉案风险高低决定了相应的指标风险表征数据,同样的,指标风险表征数据可以有效的反映出相应风险评估指标所对应的涉案风险高低。以指标风险表征数据为相应风险评估指标对应的风险分值为例,若风险评估指标所对应的涉案风险高,则该风险评估指标对应的风险分值就高,在险评估指标所对应的涉案风险低,则该风险评估指标对应的风险分值就低。在此需要说明的是,风险分值可以根据实际情况设置,在此不做特殊限定。
可以基于预设风险评估指标体系中的预设风险评估指标以及预设风险评估指标对应的指标风险表征数据,并通过四则运算的方法,确定目标客户的目标风险表征数据。其中,目标风险表征数据可以用来表征目标客户的涉案风险高低。
优选的,在根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据之前,还包括:
基于知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系。
本实施例中,可以基于知识图谱确定预设风险评估指标体系,具体的,可以根据知识图谱中的各种关联关系,确定预设风险评估指标体系中的风险评估指标。由于目标企业、目标个人和有权机关可以存在各种各样的关联关系,因此,风险评估指标可以包括多个,例如可以包括目标客户的涉案类型(例如民事和刑事等)、与目标客户存在关联关系的有权机关所执行过的指令类型、与目标客户存在关联关系的目标企业或者目标个人等。
以一个目标企业为例,可能导致该目标企业存在涉案风险的风险评估指标可以包括该目标企业自身、该目标企业的法人代表、该目标企业的高级管理人员、该目标企业的分支机构、该目标企业的子公司、该目标企业所涉及过的刑事案件、该目标企业所涉及过的民事案件、该目标企业曾接受过有权机关执行的查询、冻结和扣划中一项或多项操作等。
S130、根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果。
目标风险评估结果可以是目标客户存在风险或不存在风险,也可以是目标客户存在低风险或者存在高风险,还可以是目标客户的风险等级等。
其中,若目标风险评估结果是目标客户存在低风险或者存在高风险,则根据目标风险表征数据,对目标客户进行风险评估,可以是预先设置目标风险表征数据阈值,将目标风险表征数据与目标风险表征数据阈值进行比较,若目标风险表征数据低于目标风险表征数据阈值,则确定目标风险评估结果是目标客户存在低风险,若目标风险表征数据高于目标风险表征数据阈值,则确定目标风险评估结果是目标客户存在高风险。
其中,若目标风险评估结果是目标客户的风险等级,则根据目标风险表征数据,对目标客户进行风险评估,可以是预先对可能的风险表征数据进行等级划分,得到风险等级与风险表征数据之间的预设对应关系表。将目标风险表征数据与预设对应关系表进行比较,得到目标风险表征数据所对应的风险等级。示例性的,可能的风险表征数据为0-100范围内的值,对可能的风险表征数据进行等级划分,得到风险等级与风险表征数据之间的预设对应关系表,可以是风险表征数据0-20对应一级风险,风险表征数据21-40对应二级风险,可以是风险表征数据41-60对应三级风险,风险表征数据61-80对应四级风险,风险表征数据81-100对应五级风险。目标风险表征数据为88,则预设对应关系表可以确定目标风险表征数据对应的风险等级为五级风险,即目标客户的目标风险评估结果为五级风险。
本实施例提供的一种风险评估方法,通过建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人;根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,预设风险评估指标体系基于知识图谱确定;根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果,克服了通过样本训练模型的方法来识别客户涉及金融涉罪案件风险时,由于样本数据选取不当造成的风险评估准确率不高的不足,提高了客户风险评估的准确率。
实施例二
图2为本发明实施例二提供的一种风险评估方法的流程图。本实施例在上述各实施例的基础上,可选基于所述知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定所述预设风险评估指标体系,包括:
根据所述知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系中的风险评估指标;
确定所述风险评估指标对应的风险影响权重确定规则;
对所述风险评估指标进行风险量化,得到所述风险评估指标对应的初始风险表征数据;
其中,所述预设风险评估指标体系包括风险评估指标、风险影响权重确定规则以及初始风险表征数据。
以及,根据所述知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,包括:
根据风险影响权重确定规则,确定每个风险评估指标对应的风险影响权重;
根据每个风险影响权重和相应的初始风险表征数据,确定每个风险评估指标对应的风险评估指标表征数据;
基于每个风险评估指标表征数据,确定目标客户的目标风险表征数据。
如图2所示,本实施例的方法具体包括:
S210、建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人。
S220、根据知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系中的风险评估指标。
示例性的,风险评估指标可以包括目标客户的涉案类型、与目标客户存在关联关系的有权机关所执行过的指令类型、与目标客户存在关联关系的目标企业或者目标个人等。其中,涉案类型可以包括明确涉及刑事犯罪类型,明确涉及民事案件类型以及不确定刑事或民事类型等,其中,明确涉及刑事犯罪类型指的是指令来源为公安部门且特征描述符合十二类案件类型,明确涉及民事案件类型指的是指令来源为法院,且被认定为民事案件类型,不确定刑事或民事类型指的是不符合“明确涉及刑事犯罪类型”和“明确涉及民事案件类型”,并且指令来源为除公安、法院以外的有权机关。
指令类型可以包括查询、冻结和扣划等,若目标客户为目标企业,则风险评估指标还可以包括目标企业的法人代表、高级管理人员、分支机构和子公司,若目标客户为目标个人,则风险评估指标还可以包括与该目标个人存在夫妻关系或者血缘关系的目标个人、该目标个人作为法人代表的目标企业,该目标个人作为高级管理人员的目标企业等。
S230、确定风险评估指标对应的风险影响权重确定规则。
本实施例中,风险评估指标体系中还可以包括风险影响权重确定规则。不同的风险评估指标可以对应不同的风险影响权重,同一个风险评估指标在不同的情况下也可以对应不同的风险影响权重。示例性的,若风险评估指标为指令类型,则风险影响权重确定规则可以根据指令类型对应的生效时间和/或失效时间确定,若风险评估指标为法人代表或高级管理人员,则风险影响权重确定规则可以根据六度关系理论,以及法人代表或高级管理人员服务过或者正在服务的涉案企业确定,若风险评估指标为分支机构或子公司,则风险影响权重确定规则可以根据分支机构或子公司对目标客户的实际关联性确定。在此需要说明的是,若风险评估指标对目标客户的风险影响不会随时间、环境或其他任何情况发生变化,则风险影响权重确定规则可以是将风险影响权重设置为1。示例性的,若风险评估指标为目标客户的涉案类型,则可以将涉案类型对应的风险影响权重设置为1。
S240、对风险评估指标进行风险量化,得到风险评估指标对应的初始风险表征数据。
本实施例中,风险评估指标体系中还可以包括初始风险表征数据。初始风险表征数据可根据实际情况确定,在此不做特殊限定。可以理解的是,若确定风险评估指标对目标客户的涉案风险影响较小,则初始风险表征数据较小,若确定风险评估指标对目标客户的涉案风险影响较大,则初始风险表征数据较大。示例性的,若风险评估指标为明确涉及刑事案件类型,则其对应的初始风险表征数据优选可以比风险评估指标为明确涉及民事案件类型对应的初始风险表征数据大。
S250、根据风险影响权重确定规则,确定每个风险评估指标对应的风险影响权重。
根据风险影响权重确定规则以及根据实际情况确定的风险影响权重确定规则中的变量所对应的值,可以确定每个风险评估指标对应的风险影响权重。
S260、根据每个风险影响权重和相应的初始风险表征数据,确定每个风险评估指标对应的风险评估指标表征数据。
优选的,可以对风险影响权重和相应的初始风险表征数据做乘法计算,以确定每个风险评估指标对应的风险评估指标表征数据。
S270、基于每个风险评估指标表征数据,确定目标客户的目标风险表征数据。
可以根据每个风险评估指标之间的关系,利用四则运算方法确定目标客户的目标风险表征数据。示例性的,风险评估指标可以包括目标客户的涉案类型、与目标客户存在关联关系的有权机关所执行过的指令类型、与目标客户存在关联关系的目标企业或者目标个人等,则目标风险表征数据可以包括指令表征数据和企业工商表征数据,其中,指令风险分值可以是涉罪类型表征数据与指令类型表征数据之间的乘积,企业工商表征数据可以是与目标客户存在关联关系的目标企业或者目标个人对应的表征数据,例如可以是法人代表表征数据、高级管理人员表征数据、分支机构表征数据和子公司表征数据等。
S280、根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果。
表1为本实施例中的预设风险评估指标体系,该预设风险评估指标体系可以包括风险评估指标、风险影响权重确定规则、初始风险表征数据。在此需要说明的是,在表1中的预设风险评估指标体系中,风险影响权重确定规则以及初始风险表征数据均可以根据实际情况进行调整,其在本实施例中仅仅是一个示例,并不能起到限定作用。
如表1所示,风险评估指标“查询”对应的风险影响权重确定规则为(730+该指令生效日期-***日期)/730,其是以两年(365×2)为期限,若指令生效日期距离当前的***时间已经超过两年,则可以认定该指令对最终目标风险评估结果没有影响,若指令生效日期距离当前的***时间没有超过两年,则可以认定指令对最终目标风险评估结果存在影响,并且指令距离当前的***时间越近,其对最终目标风险评估结果影响越大,表现为相应的风险影响权重越大。
风险评估指标“扣划”对应的风险影响权重确定规则为风险权重为(1826+该指令生效日期-***日期)/1826,其是以五年(365×4+366)为期限,若指令生效日期距离当前的***时间已经超过五年,则可以认定该指令对最终目标风险评估结果没有影响,若指令生效日期距离当前的***时间没有超过五年,则可以认定指令对最终目标风险评估结果存在影响,并且指令距离当前的***时间越近,其对最终目标风险评估结果影响越大,表现为相应的风险影响权重越大。
风险评估指标“法人代表”对应的风险影响权重确定规则为若与对公客户存在法人代表关系,则风险权重为(6-关系层级)/5。其是指若该法人代表还是其他涉案企业的第“关系层级”级法人代表,则其风险权重可以为(6-关系层级)/5,其中,关系层级可以包括0、1、2、3、4、5、6。
风险评估指标“高级管理人员”对应的风险影响权重确定规则为若与对公客户存在高管关系,则风险权重为(6-关系层级)/5。其是指若该法人代表还是其他涉案企业的第“关系层级”级高级管理人员,则其风险权重可以为(6-关系层级)/5,其中,关系层级可以包括0、1、2、3、4、5、6。
表1预设风险评估指标体系
下面以表1中的预设风险评估指标体系为例,对风险评估指标对应的风险评估指标表征数据的求解过程进行具体说明:
风险评估指标“明确涉及刑事犯罪”对应的风险评估指标表征数据为1×10=10,风险评估指标“明确涉及民事案件”对应的风险评估指标表征数据为1×1=1,风险评估指标“不确定刑事或民事”对应的风险评估指标表征数据为1×2=2。风险评估指标“查询”对应的指令生效日期-***生效日期=-365(即距离***时间),则其对应的风险影响权重=(730-365)/730=0.5,则风险评估指标“查询”对应的风险评估指标表征数据为0.5×10=5。风险评估指标“冻结”对应的指令生效日期≤***日期,且失效日期≥***日期,则风险评估指标“冻结”对应的风险评估指标表征数据为5。风险评估指标“扣划”对应的指令生效日期-***生效日期=-365(即距离***时间),则其对应的风险影响权重=(1826-365)/1826=0.8,则风险评估指标“扣划”对应的风险评估指标表征数据为0.8×10=8。风险评估指标“法人代表”对应的关系层级为3,则其对应的风险影响权重=(6-3)/5=0.6,则风险评估指标“法人代表”对应的风险评估指标表征数据为0.6×10=6。风险评估指标“高级管理人员”对应的关系层级为3,则其对应的风险影响权重=(6-3)/5=0.6,则风险评估指标“法人代表”对应的风险评估指标表征数据为0.6×10=6。风险评估指标“分支机构”对应的分支机构风险表征数据=自身风险表征数据10+其分支机构风险表征数据16×0.5=18,则风险评估指标“分支机构”对应的风险评估指标表征数据为0.5×18=9。风险评估指标“子公司”对应的子公司风险表征数据=自身风险表征数据20+其子公司风险表征数据12×0.5=26,则风险评估指标“子公司”对应的风险评估指标表征数据为0.5×26=13。在一个具体的实施例中,若目标客户为目标企业,且涉罪类型为明确涉及刑事犯罪,指令类型包括查询、冻结和扣划,则该目标企业对应的目标风险表征数据=风险评估指标“明确涉及刑事犯罪”对应的风险评估指标表征数据10×风险评估指标“查询”对应的风险评估指标表征数据5+风险评估指标“明确涉及刑事犯罪”对应的风险评估指标表征数据10×风险评估指标“冻结”对应的风险评估指标表征数据5+风险评估指标“明确涉及刑事犯罪”对应的风险评估指标表征数据10×风险评估指标“扣划”对应的风险评估指标表征数据8+风险评估指标“法人代表”对应的风险评估指标表征数据6+风险评估指标“法人代表”对应的风险评估指标表征数据6+风险评估指标“分支机构”对应的风险评估指标表征数据9+风险评估指标“子公司”对应的风险评估指标表征数据13=214。
若预先设置目标风险表征数据阈值为200,目标风险表征数据低于目标风险表征数据阈200,则确定目标风险评估结果是目标客户存在低风险,若目标风险表征数据高于目标风险表征数据阈值200,则确定目标风险评估结果是目标客户存在高风险。本示例中目标风险表征数据为214,目标风险表征数据214高于目标风险表征数据阈值200,则可以确定目目标客户存在高风险。
本实施例提供的一种风险评估方法,通过建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人;根据知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系中的风险评估指标;确定风险评估指标对应的风险影响权重确定规;对风险评估指标进行风险量化,得到风险评估指标对应的初始风险表征数据;其中,预设风险评估指标体系包括风险评估指标、风险影响权重确定规则以及初始风险表征数据;根据风险影响权重确定规则,确定每个风险评估指标对应的风险影响权重;根据每个风险影响权重和相应的初始风险表征数据,确定每个风险评估指标对应的风险评估指标表征数据;基于每个风险评估指标表征数据,确定目标客户的目标风险表征数据;根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果,克服了通过样本训练模型的方法来识别客户涉及金融涉罪案件风险时,由于样本数据选取不当造成的风险评估准确率不高的不足,进一步提高了客户风险评估的准确率。
在上述各实施例的基础上,进一步的,在根据目标风险表征数据,对目标客户进行风险评估,得到目标风险评估结果之后,还包括:
基于预设评价指标,根据接收到的目标客户的实际风险评估结果和目标风险评估结果,确定预设风险评估指标体系对应的评价指标表征数据;
其中,预设评价指标包括Precision(精确率)、Recall(召回率)和F1-score(F1值)中的任意一种。预设评价指标Precision指的是评估正确的正例数据与评估为正例的数据之间的比值。示例性的,利用本实施例中的方法对各目标客户进行风险评估,得到的低风险或者不存在风险的目标客户(即评估为正例的数据)的评估数目为100,将这些目标客户对应的目标风险评估结果与相应的目标客户的实际风险评估结果进行对比,确定评估正确的目标客户(即评估正确的正例数据)的实际数目为98,则确定预设风险评估指标体系对应的Precision表征数据为98/100=0.98。预设评价指标Recall指的是评估为正例的数据与实际为正例的数据之间的比值。示例性的,利用本实施例中的方法对各目标客户进行风险评估,得到的低风险或者不存在风险的目标客户的评估数目为100,根据接收到的目标客户的实际风险评估结果确定实际为低风险或者不存在风险的目标客户的实际数目为104,则确定预设风险评估指标体系对应的Recall表征数据为100/104=0.96。预设评价指标F1-score综合考虑precision和recall的指标。在多类别分类时,其包括宏平均(macro-average)和微平均(micro-average)两种情况。
若评价指标表征数据符合预设调整条件,则对风险影响权重确定规则和/或初始风险表征数据进行调整。
优选的,若评价指标表征数据低于预设评价指标表征数据阈值,则可以对风险影响权重确定规则和/或初始风险表征数据进行调整。其中,调整的方式可以是根据预设调整规则,自动调整风险影响权重确定规则和初始风险表征数据,也可以手动调整风险影响权重确定规则和初始风险表征数据。
实施例三
图3是本发明实施例三中的一种风险评估装置的结构示意图。如图3所示,本实施例的装置包括:
知识图谱建立模块310,用于建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人;
目标风险表征数据确定模块320,用于根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,预设风险评估指标体系基于知识图谱确定;
目标风险评估结果确定模块330,用于根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果。
本实施例提供的一种风险评估装置,通过利用知识图谱建立模块建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人;利用目标风险表征数据确定模块根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,预设风险评估指标体系基于知识图谱确定;利用目标风险评估结果确定模块根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果,克服了通过样本训练模型的方法来识别客户涉及金融涉罪案件风险时,由于样本数据选取不当造成的风险评估准确率不高的不足,提高了客户风险评估的准确率。
在上述各技术方案的基础上,可选的,知识图谱建立模块310具体可以包括:
数据获取单元,用于从目标数据库中获取目标客户数据和有权机关数据;
实体属性确定单元,用于确定根据目标客户数据和有权机关数据,确定目标企业、目标个人和有权机关之间的关联关系和目标客户和有权机关的实体属性;
知识图谱建立单元,用于根据关联关系和实体属性,建立知识图谱。
在上述各技术方案的基础上,可选的,风险评估装置具体还可以包括预设风险评估指标体系确定模块,用于在根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据之前,基于知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系。
在上述各技术方案的基础上,可选的,预设风险评估指标体系确定模块具体可以包括:
风险评估指标确定单元,用于根据知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系中的风险评估指标;
风险影响权重确定规则确定单元,用于确定风险评估指标对应的风险影响权重确定规则;
初始风险表征数据确定单元,用于对风险评估指标进行风险量化,得到风险评估指标对应的初始风险表征数据;
其中,预设风险评估指标体系包括风险评估指标、风险影响权重确定规则以及初始风险表征数据。
在上述各技术方案的基础上,可选的,目标风险表征数据确定模块320具体可以包括:
风险影响权重确定单元,用于根据风险影响权重确定规则,确定每个风险评估指标对应的风险影响权重;
风险评估指标表征数据确定单元,用于根据每个风险影响权重和相应的初始风险表征数据,确定每个风险评估指标对应的风险评估指标表征数据;
目标风险表征数据确定单元,用于基于每个风险评估指标表征数据,确定目标客户的目标风险表征数据。
在上述各技术方案的基础上,可选的,风险评估装置具体还可以包括评价指标表征数据确定模块,用于在根据目标风险表征数据,对目标客户进行风险评估,得到目标风险评估结果之后,基于预设评价指标,根据接收到的目标客户的实际风险评估结果和目标风险评估结果,确定预设风险评估指标体系对应的评价指标表征数据;
调整模块,用于若评价指标表征数据符合预设调整条件,则对风险影响权重确定规则和/或初始风险表征数据进行调整。
在上述各技术方案的基础上,可选的,预设评价指标包括Precision、Recall和F1-score中的任意一种。
本发明实施例所提供的风险评估装置可执行本发明任意实施例所提供的风险评估方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备412的框图。图4显示的计算机设备412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备412以通用计算设备的形式表现。计算机设备412的组件可以包括但不限于:一个或者多个处理器416,存储器428,连接不同***组件(包括存储器428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备412典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器428可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)430和/或高速缓存存储器432。计算机设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储装置434可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储器428中,这样的程序模块442包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等,其中,显示器424可根据实际需要决定是否配置)通信,还可与一个或者多个使得用户能与该计算机设备412交互的设备通信,和/或与使得该计算机设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,计算机设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器420通过总线418与计算机设备412的其它模块通信。应当明白,尽管图4中未示出,可以结合计算机设备412使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储装置等。
处理器416通过运行存储在存储器428中的程序,从而执行各种功能应用以及风险评估,例如实现本发明实施例所提供的风险评估方法。
实施例五
本发明实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的风险评估方法,包括:
建立目标客户和有权机关的知识图谱,目标客户包括目标企业和/或目标个人;
根据知识图谱和预设风险评估指标体系,确定目标客户的目标风险表征数据,其中,预设风险评估指标体系基于知识图谱确定;
根据目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果。
当然,本发明实施例所提供的计算机可读存储介质,其上存储的计算机程序不限于执行如上所述的方法操作,还可以执行本发明任意实施例所提供的基于计算机设备的风险评估方法中的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (4)
1.一种风险评估方法,其特征在于,包括:
建立目标客户和有权机关的知识图谱,所述目标客户包括目标企业和/或目标个人;
根据所述知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系中的风险评估指标;其中,所述风险评估指标包括目标客户的涉案类型、与目标客户存在关联关系的有权机关所执行过的指令类型以及与目标客户存在关联关系的目标企业或者目标个人,所述指令类型包括查询、冻结和扣划;
确定所述风险评估指标对应的风险影响权重确定规则;
对所述风险评估指标进行风险量化,得到所述风险评估指标对应的初始风险表征数据;其中,所述预设风险评估指标体系包括风险评估指标、风险影响权重确定规则以及初始风险表征数据,所述初始风险表征数据用于反映所述风险评估指标对所述目标客户的涉案风险的影响大小;
根据风险影响权重确定规则,确定每个风险评估指标对应的风险影响权重;
根据每个风险评估指标对应的风险影响权重和相应的初始风险表征数据,确定每个风险评估指标对应的风险评估指标表征数据;其中,所述风险评估指标表征数据是通过对所述风险影响权重和相应的初始风险表征数据做乘法计算确定的;
基于每个风险评估指标对应的风险评估指标表征数据,确定目标客户的目标风险表征数据;其中,所述预设风险评估指标体系基于所述知识图谱确定,所述目标风险表征数据用于表征所述目标客户的涉案风险高低;
根据所述目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果;
其中,所述建立目标客户和有权机关的知识图谱,包括:
从目标数据库中获取目标客户数据和有权机关数据;
根据目标客户数据和有权机关数据,确定目标企业、目标个人和有权机关之间的关联关系和目标客户和有权机关的实体属性;
根据所述关联关系和所述实体属性,建立所述知识图谱;
其中,在所述根据所述目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果之后,还包括:
基于预设评价指标,根据接收到的目标客户的实际风险评估结果和所述目标风险评估结果,确定所述预设风险评估指标体系对应的预设评价指标表征数据;其中,所述预设评价指标包括精确率、召回率和F1值中的任意一种;
若所述预设评价指标表征数据低于预设评价指标表征数据阈值,则对所述风险影响权重确定规则和/或初始风险表征数据进行调整。
2.一种风险评估装置,其特征在于,包括:
知识图谱建立模块,用于建立目标客户和有权机关的知识图谱,所述目标客户包括目标企业和/或目标个人;
预设风险评估指标体系确定模块,包括:
风险评估指标确定单元,用于根据所述知识图谱中目标企业、目标个人和有权机关之间的关联关系,确定预设风险评估指标体系中的风险评估指标;其中,所述风险评估指标包括目标客户的涉案类型、与目标客户存在关联关系的有权机关所执行过的指令类型以及与目标客户存在关联关系的目标企业或者目标个人,所述指令类型包括查询、冻结和扣划;
风险影响权重确定规则确定单元,用于确定所述风险评估指标对应的风险影响权重确定规则;
初始风险表征数据确定单元,用于对所述风险评估指标进行风险量化,得到所述风险评估指标对应的初始风险表征数据;其中,所述预设风险评估指标体系包括风险评估指标、风险影响权重确定规则以及初始风险表征数据,所述初始风险表征数据用于反映所述风险评估指标对所述目标客户的涉案风险的影响大小;
目标风险表征数据确定模块,包括:
风险影响权重确定单元,用于根据风险影响权重确定规则,确定每个风险评估指标对应的风险影响权重;
风险评估指标表征数据确定单元,用于根据每个风险评估指标对应的风险影响权重和相应的初始风险表征数据,确定每个风险评估指标对应的风险评估指标表征数据;其中,所述风险评估指标表征数据是通过对所述风险影响权重和相应的初始风险表征数据做乘法计算确定的;
目标风险表征数据确定单元,用于基于每个风险评估指标对应的风险评估指标表征数据,确定目标客户的目标风险表征数据;其中,所述预设风险评估指标体系基于所述知识图谱确定,所述目标风险表征数据用于表征所述目标客户的涉案风险高低;
目标风险评估结果确定模块,用于根据所述目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果;
其中,所述知识图谱建立模块,包括:
数据获取单元,用于从目标数据库中获取目标客户数据和有权机关数据;
实体属性确定单元,用于根据目标客户数据和有权机关数据,确定目标企业、目标个人和有权机关之间的关联关系和目标客户和有权机关的实体属性;
知识图谱建立单元,用于根据所述关联关系和所述实体属性,建立所述知识图谱;
其中,所述装置还包括:
评价指标表征数据确定模块,用于在所述根据所述目标风险表征数据,对目标客户进行风险评估,得到目标客户的目标风险评估结果之后,基于预设评价指标,根据接收到的目标客户的实际风险评估结果和所述目标风险评估结果,确定所述预设风险评估指标体系对应的预设评价指标表征数据;其中,所述预设评价指标包括精确率、召回率和F1值中的任意一种;
调整模块,用于若所述预设评价指标表征数据低于预设评价指标表征数据阈值,则对所述风险影响权重确定规则和/或初始风险表征数据进行调整。
3.一种计算机设备,其特征在于,包括:
一个或多个处理装置;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如权利要求1中所述的风险评估方法。
4.一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如权利要求1中所述的风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196148.2A CN111429255B (zh) | 2020-03-19 | 2020-03-19 | 一种风险评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196148.2A CN111429255B (zh) | 2020-03-19 | 2020-03-19 | 一种风险评估方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429255A CN111429255A (zh) | 2020-07-17 |
CN111429255B true CN111429255B (zh) | 2024-02-20 |
Family
ID=71549604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010196148.2A Active CN111429255B (zh) | 2020-03-19 | 2020-03-19 | 一种风险评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429255B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861281A (zh) * | 2020-08-05 | 2020-10-30 | 中国银行股份有限公司 | 基于知识图谱的风险员工发现方法及装置 |
CN111966912B (zh) * | 2020-09-02 | 2023-03-10 | 深圳壹账通智能科技有限公司 | 基于知识图谱的推荐方法、装置、计算机设备及存储介质 |
CN112732804B (zh) * | 2020-12-23 | 2024-04-26 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
CN112801489B (zh) * | 2021-01-21 | 2024-05-31 | 招商银行股份有限公司 | 诉讼案件风险检测方法、装置、设备和可读存储介质 |
CN112559774B (zh) * | 2021-03-01 | 2021-06-04 | 北京金睛云华科技有限公司 | 一种信息安全风险评估的扩展知识图谱及构建方法、*** |
CN113205408A (zh) * | 2021-05-28 | 2021-08-03 | 中国工商银行股份有限公司 | 客户经理能力图谱生成方法及装置 |
CN113674081B (zh) * | 2021-07-30 | 2023-12-19 | 浙江创邻科技有限公司 | 一种基于图数据库的中小企业风控管理***及方法 |
CN113850665B (zh) * | 2021-09-14 | 2023-09-12 | 江苏中交车旺科技有限公司 | 基于物流金融知识图谱的防控欺诈方法和*** |
CN118096392A (zh) * | 2024-04-22 | 2024-05-28 | 珠海凤泽信息科技有限公司 | 经济风险智能识别方法以及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858740A (zh) * | 2018-12-21 | 2019-06-07 | 中化资本有限公司 | 企业风险的评估方法、装置、计算机设备及存储介质 |
CN110162976A (zh) * | 2019-02-20 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 风险评估方法、装置及终端 |
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 |
CN110362689A (zh) * | 2019-06-21 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 一种风险评估方法、装置、存储介质和服务器 |
CN110458697A (zh) * | 2019-08-19 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于评估风险的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160071035A1 (en) * | 2014-09-05 | 2016-03-10 | International Business Machines Corporation | Implementing socially enabled business risk management |
-
2020
- 2020-03-19 CN CN202010196148.2A patent/CN111429255B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858740A (zh) * | 2018-12-21 | 2019-06-07 | 中化资本有限公司 | 企业风险的评估方法、装置、计算机设备及存储介质 |
CN110162976A (zh) * | 2019-02-20 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 风险评估方法、装置及终端 |
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 |
CN110362689A (zh) * | 2019-06-21 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 一种风险评估方法、装置、存储介质和服务器 |
CN110458697A (zh) * | 2019-08-19 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于评估风险的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111429255A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429255B (zh) | 一种风险评估方法、装置、设备及存储介质 | |
US10467631B2 (en) | Ranking and tracking suspicious procurement entities | |
US8489479B2 (en) | Risk scoring system and method for risk-based data assessment | |
US20170221063A1 (en) | Automated database analysis to detect malfeasance | |
US11593811B2 (en) | Fraud detection based on community change analysis using a machine learning model | |
US20160063644A1 (en) | Computer program, method, and system for detecting fraudulently filed tax returns | |
US20190294786A1 (en) | Intelligent Security Risk Assessment | |
US11574360B2 (en) | Fraud detection based on community change analysis | |
AU2016201953A1 (en) | System and method for candidate profile screening | |
US10482542B1 (en) | Tax fraud detection through linked relationships | |
CN112819611A (zh) | 欺诈识别方法、装置、电子设备和计算机可读存储介质 | |
US20220300977A1 (en) | Real-time malicious activity detection using non-transaction data | |
US20190279228A1 (en) | Suspicious activity report smart validation | |
CN112950359B (zh) | 一种用户识别方法和装置 | |
CN112702410B (zh) | 一种基于区块链网络的评估***、方法及相关设备 | |
CN112669039A (zh) | 基于知识图谱的客户风险管控***及方法 | |
CN110766547A (zh) | 一种可信度等级的确定方法、装置、设备和存储介质 | |
Dhurandhar et al. | Robust system for identifying procurement fraud | |
CN116703555A (zh) | 一种预警方法、装置、电子设备及计算机可读介质 | |
CN114708090A (zh) | 基于大数据的银行支付业务风险识别装置 | |
CN114202409A (zh) | 一种担保图谱构建方法、装置、设备和存储介质 | |
CN112598499A (zh) | 确定授信额度的方法和装置 | |
Huang et al. | Time series analysis and prediction on bitcoin | |
Li et al. | Research on Efficiency in Credit Risk Prediction Using Logistic‐SBM Model | |
US20230012408A1 (en) | Systems and methods for client intake and management using hierarchal conflict analysis |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220921 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |