CN111445121A - 风险评估方法和装置、存储介质及电子装置 - Google Patents
风险评估方法和装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN111445121A CN111445121A CN202010214237.5A CN202010214237A CN111445121A CN 111445121 A CN111445121 A CN 111445121A CN 202010214237 A CN202010214237 A CN 202010214237A CN 111445121 A CN111445121 A CN 111445121A
- Authority
- CN
- China
- Prior art keywords
- target object
- knowledge graph
- assessment
- value
- node
- 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.)
- Withdrawn
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
- G06Q10/06—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种风险评估方法和装置、存储介质及电子装置。其中,该方法包括:通过获取目标对象相关的知识图谱,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系;基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值;根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。实现了从知识图谱中获取更为全面的相关信息,对目标对象进行准确的风险评估的技术效果,解决了现有技术中,无法全面的获取目标对象的相关信息,导致的对目标对象的风险评估准确性较低的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种风险评估方法和装置、存储介质及电子装置。
背景技术
供应商评估是食品采供环节中的一个重要的子***,其以供应商信息管理为核心,从供应商的基本信息、组织架构信息、联系信息、法律信息、财务信息和资质信息等多放面综合考察供应商的实力,在通过对于供应商的供货能力、交易记录等信息综合评价管理,达到优化管理、降低成本、保证质量的目的。
供应商评估需整合多方数据,基于各业务部门数据和专家经验来做评估,比如,需要法务审核供应商的资质及法务信息、财务审核供应商的财务状况、采购部提供供应商的供货能力、质检人员提供的货品质量信息等。由于上述数据实际到跨部门协作、且信息来源不同(有的源于***软件、有的源于工作经验)甚至通常保存有大量的非结构化数据,包括txt文档,word文档,pdf文档等。这些数据可能由各部门生成,也可能由业务处理的过程中生成,很难全面的对供应商进行评估。
也就是说,现有方案中,供应商的评估需整合多个部门的信息,以免过于片面,但各个部门很难做到实时跨部门交流。其跨部门很难做到信息的融合和经验共享,因此很难对供应商进行全面的判断。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种风险评估方法和装置、存储介质及电子装置,以至少解决现有技术中,无法全面的获取目标对象的相关信息,导致的对目标对象的风险评估准确性较低的技术问题。
根据本发明实施例的一个方面,提供了一种风险评估方法,包括:获取目标对象相关的知识图谱,其中,所述目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在所述知识图谱上,所述知识图谱还记录所述目标对象的与其他对象之间的关系;基于所述目标对象风险评估评估指标从所述知识图谱确定对应的评估节点,以及确定所述评估节点的权重值,其中,所述评估节点对应所述知识图谱上记录的所述实体数据或者作为实体数据的属性值;根据风险评估算法、预先确定的所述评估节点对应的数据值以及所述评估节点对的权重值确定所述目标对象的风险评估值。
根据本发明实施例的另一方面,还提供了一种风险评估装置,包括:获取单元,用于获取目标对象相关的知识图谱,其中,所述目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在所述知识图谱上,所述知识图谱还记录所述目标对象的与其他对象之间的关系;第一确定单元,用于基于所述目标对象风险评估评估指标从所述知识图谱确定对应的评估节点,以及确定所述评估节点的权重值,其中,所述评估节点对应所述知识图谱上记录的所述实体数据或者作为实体数据的属性值;第二确定单元,用于根据风险评估算法、预先确定的所述评估节点对应的数据值以及所述评估节点对的权重值确定所述目标对象的风险评估值。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述风险评估方法。
根据本发明实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的风险评估方法。
在本发明实施例中,通过获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系;基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值;根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。达到了根据知识图谱对目标对象的风险进行评估的目的,实现了从目标对象的知识图谱中获取更为全面的相关信息,从而对目标对象进行更准确的风险评估的技术效果,进而解决了现有技术中,无法全面的获取目标对象的相关信息,导致的对目标对象的风险评估准确性较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的风险评估方法的应用环境的示意图;
图2是根据本发明实施例的一种可选的风险评估方法的流程图;
图3是根据本发明实施例的一种可选的数据处理示意图;
图4是根据本发明实施例的一种可选的风险评估方法装置的结构示意图;
图5是根据本发明实施例的一种可选的风险评估方法的电子装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好的理解本申请中记载的实施例,现将部分名词说明如下:
评估节点:在决策图谱中保存评估的节点。
影响节点:在分析图谱中保存影响结果的节点,每一个影响节点属性及信息完整度都会影响评估节点的结果。
影响因子:各个影响节点的对评估结果影响的量化指标,其范围是-100-100的整数,负数代表负面影响,负数越小,负面影响越大。正数代表正面影响,正数越大,正面影响就越大。影响因子是决策图谱中影响节点的一部分,可通过专家经验或企业需求来自行定义。
根据本发明实施例的一个方面,提供了一种风险评估方法,可选地,作为一种可选的实施方式,上述风险评估方法可以但不限于应用于如图1所示的硬件环境中的载具控制***中,其中,该风险评估***可以包括但不限于终端设备102、网络110及服务器112。
其中,上述终端设备102中可以包括但不限于:人机交互屏幕108,处理器106及存储器104。人机交互屏幕104用于通过人机交互接口获取人机交互指令,还用于呈现目标对象的知识图谱;处理器106用于响应上述人机交互指令,基于目标对象的知识图谱完成风险评估。存储器108用于存储目标对象的属性信息,及目标对象的知识图谱。这里服务器可以包括但不限于:数据库114及处理引擎116,处理引擎116用于调用数据库114中存储的知识图谱,基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值;根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。达到了根据知识图谱对目标对象的风险进行评估的目的,实现了从目标对象的知识图谱中获取更为全面的相关信息,从而对目标对象进行更准确的风险评估的技术效果,进而解决了现有技术中,无法全面的获取目标对象的相关信息,导致的对目标对象的风险评估准确性较低的技术问题。
以服务器执行上述方案为例说明如下,具体过程如步骤S102-S108,服务器112:获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系;基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值;根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。达到了根据知识图谱对目标对象的风险进行评估的目的,实现了从目标对象的知识图谱中获取更为全面的相关信息,从而对目标对象进行更准确的风险评估的技术效果,进而解决了现有技术中,无法全面的获取目标对象的相关信息,导致的对目标对象的风险评估准确性较低的技术问题。
可选地,在本实施例中,上述风险评估方法可以但不限于应用于服务器112中,用于协助应用客户端对目标对象进行风险评估处理。其中,上述应用客户端可以但不限于运行在终端设备102中,该终端设备102可以但不限于为手机、平板电脑、笔记本电脑、PC机等支持运行应用客户端的终端设备。上述服务器112和终端设备102可以但不限于通过网络实现数据交互,上述网络可以包括但不限于无线网络或有线网络。其中,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于:广域网、城域网、局域网。上述仅是一种示例,本实施例中对此不作任何限定。
可选地,作为一种可选的实施方式,如图2所示,上述风险评估方法包括:
步骤S202,获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系。
步骤S204,基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值。
步骤S206,根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。
可选的,在本实施例中,目标对象包括但不限于供应商,即目标企业。例如,企业A生产产品B所需要的原材料是企业C提供。则企业C便是企业A的供应商,即本实施例中的目标对象。
现有技术中,为了保证企业A的产品B的生产质量和生产速度,因此,企业A需要对企业C进行全方面的风险评估,以便选择适合企业A的供应商。对企业A的供应商进行风险评估需要获取企业C的全方面的资料,例如,企业C的生产原料的资质及法务信息、财务审核供应商的财务状况、采购部提供供应商的供货能力、质检人员提供的货品质量信息等。由于上述数据实际到跨部门协作、且信息来源不同(有的源于***软件、有的源于工作经验)甚至通常保存有大量的非结构化数据,包括txt文档,word文档,pdf文档等。这些数据可能由各部门生成,也可能由业务处理的过程中生成,很难全面的对供应商进行评估。
在本实施例中,基于目标对象的知识图谱近进行目标对象的风险评估。也就是说,预先将目标对象的所有的数据信息构建成知识图谱。例如,当前企业C可以向企业A和企业D提供生产原料,也就是说,企业C是企业A和企业D的供应商。在该企业C的知识图谱中可以显示企业C的财务状况、供货能力(如月供货量等)、所提供的原材料的质量信息以及与几个企业进行供货等信息。
在本实施例中,预先将目标对象的数据信息集成在知识图谱中,进而在对目标对象进行风险评估时,直接基于知识图谱可以获取全面的数据信息,从而更为准确的对目标对象进行风险评估。
可选的,在本实施中,根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值,包括:
S1,从多个数据库中根据风险评估值获取目标对象的固有属性值、与其他对象之间的关系以及与其他对象之间的交易数据;
S2,根据目标对象的标识信息将目标对象的固有属性、与其他对象之间的关系以及交易数据构建知识图谱。
其中,基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,包括:通过条件随机场算法确定知识图谱确定对应的评估节点。
通过本申请提供的实施例,获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系;基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值;根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。达到了根据知识图谱对目标对象的风险进行评估的目的,实现了从目标对象的知识图谱中获取更为全面的相关信息,从而对目标对象进行更准确的风险评估的技术效果,进而解决了现有技术中,无法全面的获取目标对象的相关信息,导致的对目标对象的风险评估准确性较低的技术问题。
作为一种可选的实施例,根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值之后,还包括:
在风险评估值小于等于预定阈值的情况下,确定目标对象不符合目标选择。
在本实施例中,可以根据风险评估值为企业A是否选择企业C作为供应商作为依据。
作为一种可选的实施例,根据目标对象的标识信息将目标对象的固有属性、与其他对象之间的关系以及交易数据构建知识图谱之后,还包括:
在检测预定时间段内与目标对象相关的其他对象存在变化的情况下,更新知识图谱。
在本实施中,随着目标对象的发展,目标对象可以为更对的企业提供原材料,即目标对象可以成为更对企业的供应商,由于目标对象相关数据信息的变化,因此,需要对目标对象的知识图谱进行更新,从而为目标对象的风险评估提供准确的数据信息。
作为一种可选的实施例,本申请还提供了一种基于知识图谱的食品供应商评估方法。
在本实施例中提供的方法分为:数据收集,数据分析,风险评估。将这上述内容进行详细说明如下:
1,数据收集
基于评估图谱(相当于知识图谱)进行供应商(相当于目标对象)评估需要结合多部门的数据,这些数据来源广、结构多样,包括财务部门数据(供应商的财务情况)、采购数据(供应商的产品以往的销售情况、使用供应商的产品而制作的产品信息)、法务数据(供应商的诉讼信息、供应商资质)、质检报告(包括供应商自行提供的数据,及网络爬取的产品质检数据、相关食品安全负面事件等),以及其它数据等。这些数据的格式,包括从应用***接入的数据,office文档、pdf文档、压缩文件、图片文件等。
2,数据分析
对收集到的数据进行实时数据分析,具体包括抽取要素和事件、自动搜索推理和评估匹配。
2.1抽取要素和事件
抽取要素指的是抽取文本中的关键信息,包括供应商名称、部门名、所供产品品名等实体,同时包括事件、评估等关键行为。实体的抽取是通过CRF算法训练实体识别模型,用实体识别模型进行抽取。事件和评估行为的抽取是基于事件模板和评估行为模板,此方法通过定义关键词以及匹配规则,抽取数据中的评估行为。
2.2自动搜索推理
用抽取的要素和事件,基于全文检索进行搜索匹配,过滤,筛选,扩充,获取对象完整信息。如图3所示,数据分析的示意图。
从现有数据中抽取得到的要素,包括供应商名、产品品名、由所供产品制作出来的产品名称等,用这些要素分别在数据中进行全文检索,分别得到匹配上的检索列表。例如,按照供应商名称进行检索,然后,从搜索结果中抽取该供应商相关的产品名和由产品制作出的产品名等要素,并过滤得到包含要素信息的关键数据。用步骤1的方法,从这些数据中抽取要素信息、关系和行为,并对原始对象进行扩充。
3,评估判断
以供应商的知识图谱为基础,预设影响评分的评估节点、影响节点及影响因子。每一个影响节点都有一个影响因子,作为该影响节点的量化指标,其范围是-100-100的整数,负数代表负面影响,负数越小,负面影响越大。正数代表正面影响,正数越大,正面影响就越大。影响因子是决策图谱中的影响节点的一部分,通过专家经验或企业自身需求来定义。
预设各个评估节点的分数权重,根据评估节点、影响节点及影响因子对供应商进行分析及打分(如,产品质检报告为评估节点之一,而相应的抽检信息为影响节点,根据抽检的结果会对应不同的影响因子,因此若一个供应商提供了质检报告但在图谱中有每次检查不合格的记录,此项分数仍会相应进行减分),分数越高则供应商的品质越好。
通过本申请提供的实施例,建立供应商(目标对象)的知识图谱,将传统隔离的数据进行打通,解决了原有跨部门信息融合困难的问题,使得对供应商评估更加全面,提高了评估的可靠性。
需要说明的是,对于前述的各方法实施例,为了简单描述,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,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。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是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述风险评估方法的风险评估。如图4所示,该风险评估装置包括:
获取单元41,用于获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系。
第一确定单元43,用于基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值。
第二确定单元45,用于根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。
可选的,在本实施例中,上述第二确定单元45,包括:
获取模块,用于从多个数据库中根据风险评估值获取目标对象的固有属性值、与其他对象之间的关系以及与其他对象之间的交易数据;
构建模块,用于根据目标对象的标识信息将目标对象的固有属性、与其他对象之间的关系以及交易数据构建知识图谱。
其中,上述第一确定单元43可以包括:确定模块,用于通过条件随机场算法确定知识图谱确定对应的评估节点。
通过本申请提供的实施例,获取单元41获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系;第一确定单元43基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值;第二确定单元45根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。达到了根据知识图谱对目标对象的风险进行评估的目的,实现了从目标对象的知识图谱中获取更为全面的相关信息,从而对目标对象进行更准确的风险评估的技术效果,进而解决了现有技术中,无法全面的获取目标对象的相关信息,导致的对目标对象的风险评估准确性较低的技术问题。
作为一种可选的实施例,上述装置还可以包括:
第三确定单元,用于根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值之后,在风险评估值小于等于预定阈值的情况下,确定目标对象不符合目标选择。
作为一种可选的实施例,上述装置还可以包括:
更新单元,用于根据目标对象的标识信息将目标对象的固有属性、与其他对象之间的关系以及交易数据构建知识图谱之后,在检测预定时间段内与目标对象相关的其他对象存在变化的情况下,更新知识图谱。
根据本发明实施例的又一个方面,还提供了一种用于实施上述风险评估方法的电子装置,如图5所示,该电子装置包括存储器502和处理器504,该存储器502中存储有计算机程序,该处理器504被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系;
S2,基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值;
S3,根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。
可选地,本领域普通技术人员可以理解,图5所示的结构仅为示意,电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图5其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图5中所示更多或者更少的组件(如网络接口等),或者具有与图5所示不同的配置。
其中,存储器502可用于存储软件程序以及模块,如本发明实施例中的风险评估方法和装置对应的程序指令/模块,处理器504通过运行存储在存储器502内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的风险评估方法。存储器502可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器502可进一步包括相对于处理器504远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器502具体可以但不限于用于存储目标对象的属性信息,以及知识图谱等信息。作为一种示例,如图5所示,上述存储器502中可以但不限于包括上述风险评估装置中的获取单元41、第一确定单元43及第二确定单元45。此外,还可以包括但不限于上述风险评估装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置506用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置506包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置506为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子装置还包括:显示器508,用于显示上述知识图谱;和连接总线510,用于连接上述电子装置中的各个模块部件。
根据本发明的实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取目标对象相关的知识图谱,其中,目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在知识图谱上,知识图谱还记录目标对象的与其他对象之间的关系;
S2,基于目标对象风险评估评估指标从知识图谱确定对应的评估节点,以及确定评估节点的权重值,其中,评估节点对应知识图谱上记录的实体数据或者作为实体数据的属性值;
S3,根据风险评估算法、预先确定的评估节点对应的数据值以及评估节点对的权重值确定目标对象的风险评估值。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,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,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种风险评估方法,其特征在于,包括:
获取目标对象相关的知识图谱,其中,所述目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在所述知识图谱上,所述知识图谱还记录所述目标对象的与其他对象之间的关系;
基于所述目标对象风险评估评估指标从所述知识图谱确定对应的评估节点,以及确定所述评估节点的权重值,其中,所述评估节点对应所述知识图谱上记录的所述实体数据或者作为实体数据的属性值;
根据风险评估算法、预先确定的所述评估节点对应的数据值以及所述评估节点对的权重值确定所述目标对象的风险评估值。
2.根据权利要求1所述的方法,其特征在于,根据风险评估算法、预先确定的所述评估节点对应的数据值以及所述评估节点对的权重值确定所述目标对象的风险评估值,包括:
从多个数据库中根据所述风险评估值获取所述目标对象的固有属性值、与所述其他对象之间的关系以及与所述其他对象之间的交易数据;
根据所述目标对象的标识信息将所述目标对象的固有属性、与所述其他对象之间的关系以及所述交易数据构建所述知识图谱。
3.根据权利要求1所述的方法,其特征在于,基于所述目标对象风险评估评估指标从所述知识图谱确定对应的评估节点,包括:
通过条件随机场算法确定所述知识图谱确定对应的评估节点。
4.根据权利要求1所述的方法,其特征在于,根据风险评估算法、预先确定的所述评估节点对应的数据值以及所述评估节点对的权重值确定所述目标对象的风险评估值之后,所述方法还包括:
在所述风险评估值小于等于预定阈值的情况下,确定所述目标对象不符合目标选择。
5.根据权利要求2所述的方法,其特征在于,根据所述目标对象的标识信息将所述目标对象的固有属性、与所述其他对象之间的关系以及所述交易数据构建所述知识图谱之后,所述方法还包括:
在检测预定时间段内与所述目标对象相关的其他对象存在变化的情况下,更新所述知识图谱。
6.一种风险评估装置,其特征在于,包括:
获取单元,用于获取目标对象相关的知识图谱,其中,所述目标对象的各个数据作为实体数据或者作为实体数据的属性值记录在所述知识图谱上,所述知识图谱还记录所述目标对象的与其他对象之间的关系;
第一确定单元,用于基于所述目标对象风险评估评估指标从所述知识图谱确定对应的评估节点,以及确定所述评估节点的权重值,其中,所述评估节点对应所述知识图谱上记录的所述实体数据或者作为实体数据的属性值;
第二确定单元,用于根据风险评估算法、预先确定的所述评估节点对应的数据值以及所述评估节点对的权重值确定所述目标对象的风险评估值。
7.根据权利要求6所述的装置,其特征在于,所述第二确定单元,包括:
获取模块,用于从多个数据库中根据所述风险评估值获取所述目标对象的固有属性值、与所述其他对象之间的关系以及与所述其他对象之间的交易数据;
构建模块,用于根据所述目标对象的标识信息将所述目标对象的固有属性、与所述其他对象之间的关系以及所述交易数据构建所述知识图谱。
8.根据权利要求6所述的装置,其特征在于,所述第一确定单元,包括:
确定模块,用于通过条件随机场算法确定所述知识图谱确定对应的评估节点。
9.一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214237.5A CN111445121A (zh) | 2020-03-24 | 2020-03-24 | 风险评估方法和装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214237.5A CN111445121A (zh) | 2020-03-24 | 2020-03-24 | 风险评估方法和装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111445121A true CN111445121A (zh) | 2020-07-24 |
Family
ID=71650955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010214237.5A Withdrawn CN111445121A (zh) | 2020-03-24 | 2020-03-24 | 风险评估方法和装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445121A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111916110A (zh) * | 2020-08-06 | 2020-11-10 | 龙马智芯(珠海横琴)科技有限公司 | 语音质检的方法及装置 |
CN112102097A (zh) * | 2020-09-28 | 2020-12-18 | 中国银行股份有限公司 | 投资能力的评估方法、装置、电子设备及计算机存储介质 |
CN113379053A (zh) * | 2020-12-17 | 2021-09-10 | 中国人民公安大学 | 应急响应决策方法、装置及电子设备 |
CN113642926A (zh) * | 2021-08-31 | 2021-11-12 | 上海明略人工智能(集团)有限公司 | 用于风险预警的方法及装置、电子设备、存储介质 |
CN113934863A (zh) * | 2021-09-29 | 2022-01-14 | 北方工业大学 | 食品安全风险预测方法、装置、电子设备及介质 |
CN114118816A (zh) * | 2021-11-30 | 2022-03-01 | 建信金融科技有限责任公司 | 一种风险评估方法、装置、设备及计算机存储介质 |
CN114648260A (zh) * | 2022-05-24 | 2022-06-21 | 深圳装速配科技有限公司 | 一种建材采购方法及建材采购平台 |
CN115905559A (zh) * | 2022-11-10 | 2023-04-04 | 北京大学 | 失智照护领域知识图谱构建方法和装置 |
CN116010467A (zh) * | 2023-01-10 | 2023-04-25 | 北京天融信网络安全技术有限公司 | 基于通联图谱的风险发现方法、装置、设备及存储介质 |
-
2020
- 2020-03-24 CN CN202010214237.5A patent/CN111445121A/zh not_active Withdrawn
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111916110A (zh) * | 2020-08-06 | 2020-11-10 | 龙马智芯(珠海横琴)科技有限公司 | 语音质检的方法及装置 |
CN111916110B (zh) * | 2020-08-06 | 2024-04-26 | 龙马智芯(珠海横琴)科技有限公司 | 语音质检的方法及装置 |
CN112102097A (zh) * | 2020-09-28 | 2020-12-18 | 中国银行股份有限公司 | 投资能力的评估方法、装置、电子设备及计算机存储介质 |
CN113379053A (zh) * | 2020-12-17 | 2021-09-10 | 中国人民公安大学 | 应急响应决策方法、装置及电子设备 |
CN113642926B (zh) * | 2021-08-31 | 2023-08-08 | 上海明略人工智能(集团)有限公司 | 用于风险预警的方法及装置、电子设备、存储介质 |
CN113642926A (zh) * | 2021-08-31 | 2021-11-12 | 上海明略人工智能(集团)有限公司 | 用于风险预警的方法及装置、电子设备、存储介质 |
CN113934863A (zh) * | 2021-09-29 | 2022-01-14 | 北方工业大学 | 食品安全风险预测方法、装置、电子设备及介质 |
CN114118816A (zh) * | 2021-11-30 | 2022-03-01 | 建信金融科技有限责任公司 | 一种风险评估方法、装置、设备及计算机存储介质 |
CN114648260A (zh) * | 2022-05-24 | 2022-06-21 | 深圳装速配科技有限公司 | 一种建材采购方法及建材采购平台 |
CN115905559A (zh) * | 2022-11-10 | 2023-04-04 | 北京大学 | 失智照护领域知识图谱构建方法和装置 |
CN115905559B (zh) * | 2022-11-10 | 2024-01-23 | 北京大学 | 失智照护领域知识图谱构建方法和装置 |
CN116010467A (zh) * | 2023-01-10 | 2023-04-25 | 北京天融信网络安全技术有限公司 | 基于通联图谱的风险发现方法、装置、设备及存储介质 |
CN116010467B (zh) * | 2023-01-10 | 2024-02-02 | 北京天融信网络安全技术有限公司 | 基于通联图谱的风险发现方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445121A (zh) | 风险评估方法和装置、存储介质及电子装置 | |
Gao et al. | Big data validation and quality assurance--issuses, challenges, and needs | |
US20100262462A1 (en) | Systems, Methods, and Media for Survey Management | |
CN105868373B (zh) | 电力业务信息***关键数据处理方法及装置 | |
CN107810500A (zh) | 数据质量分析 | |
CN111222982A (zh) | 一种互联网信贷逾期预测方法、装置、服务器和存储介质 | |
CN111091351A (zh) | 用户画像构建方法、装置、电子设备和可读存储介质 | |
US11201802B2 (en) | Systems and methods for providing infrastructure metrics | |
CN111680855A (zh) | 一种项目全过程风险自动检测预警方法及*** | |
US11921737B2 (en) | ETL workflow recommendation device, ETL workflow recommendation method and ETL workflow recommendation system | |
CN112348005A (zh) | 双录审核方法、装置、客户端设备及存储介质 | |
US20230289698A1 (en) | System and Methods for Monitoring Related Metrics | |
CN113868498A (zh) | 数据存储方法、电子装置、装置及可读存储介质 | |
US20220027827A1 (en) | Benchmarking of user experience quality | |
CN110544052A (zh) | 关系网络图的展示方法及装置 | |
EP3226186A1 (de) | Kapazitätsanalyse- und -planungswerkzeug, insbesondere für eine informationstechnologie(-infrastruktur) | |
Kolyshkina et al. | Interpretability of machine learning solutions in industrial decision engineering | |
CN112416896A (zh) | 数据异常的报警方法和装置、存储介质、电子装置 | |
CN114860737B (zh) | 教研数据的处理方法、装置、设备及介质 | |
CN114493851A (zh) | 一种风险处理方法及装置 | |
KR102432126B1 (ko) | 데이터 이활용에 관한 데이터 준비 방법 및 데이터 이활용 시스템 | |
CN113705072A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
Baruti | Analysis and Implementation of a Business Intelligence QlikView application for logistic and procurement management. Sews Cabind case for the shortage problem. | |
Abdallah et al. | A Data Collection Quality Model for Big Data Systems | |
Downs | The data |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200724 |
|
WW01 | Invention patent application withdrawn after publication |