CN111583037A - 风险关联对象的确定方法、装置和服务器 - Google Patents
风险关联对象的确定方法、装置和服务器 Download PDFInfo
- Publication number
- CN111583037A CN111583037A CN202010361597.8A CN202010361597A CN111583037A CN 111583037 A CN111583037 A CN 111583037A CN 202010361597 A CN202010361597 A CN 202010361597A CN 111583037 A CN111583037 A CN 111583037A
- Authority
- CN
- China
- Prior art keywords
- data
- risk
- stock
- blacklist
- target object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational 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)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书提供了风险关联对象的确定方法、装置和服务器。在一个实施例中,上述风险关联对象的确定方法可以预先根据多个数据对象的股权关系数据,基于生成森林数据结构建立得到的对应的股权关系图;在具体确定目标对象是否是黑名单的风险关联对象时,可以根据目标对象和黑名单,来检索扫描上述基于生成森林数据结构的股权关系图,快速地得到对应的检索结果;再根据检索结果,确定出目标对象是否为黑名单的风险关联对象。从而可以有效地降低处理过程中所涉及的数据处理量和数据处理的复杂度,提高了数据处理效率,以能高效、准确地判断出目标对象是否为黑名单的风险关联对象。
Description
技术领域
本说明书属于互联网技术领域,尤其涉及风险关联对象的确定方法、装置和服务器。
背景技术
在金融交易场景中,为了能有效地对涉嫌违规行为的企业或个人进行惩罚,维护金融交易市场的稳定和秩序,通常一些金融机构或金融组织会定期对外发布相关的制裁黑名单,并对制裁黑名单中的风险对象,以及不属于黑名单但与黑名单中的风险对象关系密切的风险关联对象(例如,持有黑名单中的风险对象大量股权的企业等)进行相应惩罚。
因此,目前亟需一种能高效、准确地确定黑名单的风险关联对象的方法。
发明内容
本说明书提供了一种风险关联对象的确定方法、装置和服务器,以便能够高效、准确地确定出目标对象是否为黑名单的风险关联对象。
本说明书提供的一种风险关联对象的确定方法、装置和服务器是这样实现的:
一种风险关联对象的确定方法,包括:获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
一种股权关系图的建立方法,包括:获取多个数据对象中各个数据对象的公示数据;从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
一种风险关联对象的确定装置,包括:获取模块,用于获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;检索模块,用于根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;确定模块,用于根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
本说明书提供的一种风险关联对象的确定方法、装置和服务器,可以预先根据多个数据对象的股权关系数据,基于生成森林数据结构建立得到的对应的股权关系图;在具体判断目标对象是否是黑名单的风险关联对象时,可以根据目标对象和黑名单,来检索扫描基于生成森林数据结的股权关系图,快速地得到对应的检索结果;进一步可以根据检索结果,确定出目标对象是否为黑名单的风险关联对象。从而能有效地降低处理过程中所涉及的数据处理量和数据处理的复杂度,提高了数据处理效率,高效、准确地判断出目标对象是否为黑名单的风险关联对象。
附图说明
为了更清楚地说明本说明书实施例,下面将对实施例中所需要使用的附图作简单地介绍,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是应用本说明书实施例提供的风险关联对象的确定方法的***结构组成的一个实施例的示意图;
图2是在一个场景示例中,应用本说明书实施例提供的风险关联对象的确定方法的一种实施例的示意图;
图3是在一个场景示例中,应用本说明书实施例提供的风险关联对象的确定方法的一种实施例的示意图;
图4是在一个场景示例中,应用本说明书实施例提供的风险关联对象的确定方法的一种实施例的示意图;
图5是在一个场景示例中,应用本说明书实施例提供的风险关联对象的确定方法的一种实施例的示意图;
图6是在一个场景示例中,应用本说明书实施例提供的风险关联对象的确定方法的一种实施例的示意图;
图7是本说明书的一个实施例提供的风险关联对象的确定方法的流程示意图;
图8是本说明书的一个实施例提供的股权关系图的建立方法的流程示意图;
图9是本说明书的一个实施例提供的服务器的结构组成示意图;
图10是本说明书的一个实施例提供的风险关联对象的确定装置的结构组成示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
本说明书实施例提供一种风险关联对象的确定方法,所述风险关联对象的确定方法具体可以应用于包含有服务器和终端设备的***架构中。具体可以参阅图1所示。上述服务器和终端设备可以通过有线或无线的方式相连。
在本实施例中,具体实施之前,上述服务器可以获取多个数据对象中各个数据对象的公示数据;从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。并且,上述服务器还会获取数据对象的公示数据的更新数据;从所述公示数据的更新数据中,提取得到股权关系数据的更新数据;根据所述股权关系数据的更新数据,更新对应的生成树,得到更新后的股权关系图。
在本实施例中,具体实施时,终端设备在检测到待检测的目标对象时,可以生成并向服务器发送针对目标对象的检测请求。服务器接收并响应上述检测请求,获取目标对象以及相关的黑名单,其中,所述黑名单包含有至少一个风险对象;根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
在本实施例中,所述服务器具体可以包括一种应用于网络平台一侧,能够实现数据传输、数据处理等功能的后台负责数据处理的服务器。具体的,所述服务器例如可以为一个具有数据运算、存储功能以及网络交互功能的电子设备。或者,所述服务器也可以为运行于该电子设备中,为数据处理、存储和网络交互提供支持的软件程序。在本实施例中,并不具体限定所述服务器的数量。所述服务器具体可以为一个服务器,也可以为几个服务器,或者,由若干服务器形成的服务器集群。
在本实施例中,所述终端设备具体可以包括一种应用于终端一侧,能够实现数据采集、数据传输等功能的前端设备。具体的,所述终端设备例如可以为台式电脑、平板电脑、笔记本电脑、智能手机等。或者,所述终端设备也可以为能够运行于上述电子设备中的软件应用。例如,可以是在台式电脑上运行的某个应用程序等。
在一个具体的场景示例中,可以参阅图2所示,某金融服务平台可以应用本说明书实施例提供的风险关联对象的确定方法来检测确定向该平台申请金融服务的企业对象或个人对象是否为黑名单的风险关联对象。
在本场景示例中,该金融服务平台可以为符合要求的企业对象或个人对象提供多种金融服务。例如,可以为企业对象提供产品推广服务、融资服务等。也可以为个人对象提供创业资金支持服务、信用借贷服务等等。
A机构作为负责对金融市场进行监管的组织,会定期整理并对外发布涉嫌洗钱风险的制裁黑名单,并对该黑名单中涉嫌洗钱风险的风险对象,以及制裁黑名单的风险关联对象(包括:虽然不在上述制裁黑名单中但与上述风险对象存在紧密联系的企业对象或个人对象,例如,持有制裁黑名单中的风险对象50%以上股权的企业或个人)进行相应的制裁处理(例如,冻结银行存款等),作为惩罚,以打击洗钱这类违规行为,维护金融市场的稳定和秩序。
在本场景示例中,B企业可以通过终端设备向该金融服务平台中的负责数据处理的第一服务器发起金融服务申请。这时,第一服务器会先接收并响应该金融服务申请,生成针对B企业的检测请求,其中,上述检测请求中可以携带有B企业的相关信息。进一步,第一服务器会将上述检测请求发送至该金融服务平台中的负责风险检测的第二服务器,以请求第二服务器检测B企业是否是属于A机构发布的制裁黑名单中涉嫌洗钱风险的风险对象,以及确认该目标对象是否为制裁黑名单的风险关联对象。
该金融服务器平台的第二服务器接收并根据上述检测请求,确定出待检测的目标对象为B企业。同时,第二服务器还会拉取A机构最新发布的制裁黑名单。其中,上述制裁黑名单中包含有多个A机构认定为涉嫌洗钱风险的企业对象和/或个人对象。
具体实施时,可以参阅图3所示,第二服务器可以先检索制裁黑名单,以确定B企业是否是制裁黑名单上的涉嫌洗钱风险的风险对象。
如果第二服务器在制裁黑名单上检索到了B企业,可以确定B企业是制裁黑名单上的风险对象,是受到制裁的数据对象。进而可以生成风险等级最高的第一类风险提示信息,以提示B企业是制裁黑名单上的风险对象,并将上述第一类风险提示信息发送至第一服务器。第一服务器在接收到上述第一类风险提示信息后,可以直接拒绝B企业提出的金融服务申请。
在本场景示例中,第二服务器通过检索扫描制裁黑名单,发现B企业不在该制裁黑名单,进一步可以根据制裁黑名单,检索股权关系图,确定目标对象是否为黑名单的风险关联对象。
其中,上述股权关系图具体可以包括一种基于生成森林数据结构构建的,保存有各个企业对象的股权关系信息的数据。
在本场景示例中,具体实施前,第二服务器可以从各个企业的官方网站,或者企业信息公示***等数据源获取各个企业对象的公示数据。其中,上述公示数据具体可以包括:企业的市场主体的注册登记信息、企业的股权信息、企业的股权变更等数据。当然,上述所列举的公示数据只是一种示意性说明。具体实施时,根据具体情况和处理要求,上述公示数据还可以包括其他与企业相关的信息数据。
第二服务器可以根据上述公示数据,提取得到相应的各个企业的股权关系数据。其中,上述股权关系数据具体可以是通过三元数据组表示。具体的,每一个股权关系数据都可以包括有:股东对象(例如,持有其他公司股份的公司名称)、控股对象(例如,被股东对象持有股份的公司名称)、持股比例(例如,股东对象持有的控股对象的股权与控股对象总股份的比值)这三种元素数据。具体的,每一个股权关系数据可以表示为以下形式:<shareholder,company,ratio>。其中,shareholder具体可以表示为股东对象,company具体可以表示为控股对象,ratio具体可以表示为持股比例。
第二服务器在按照上述方式从所获取的多个企业的公示数据中提取得到相应的多个股权关系数据后,接着可以根据上述多个股权关系数据,来构建基于生成森林数据结构的股权关系图。
具体的,对于上述多个股权关系数据中的每一个股权关系数据,第二服务器都会将同一个股权关系数据中的股东对象和控股对象确定为两个待相连的对象节点,并生成以该股权关系数据中的控股比例作为属性值(例如,连接线的长度,或宽度等属性)的连接线;再用上述连接线连接两个待相连的对象节点。按照上述方式处理完多个股权关系数据后,可以得到一个包含有大量对象节点和连接线的包含有多个连通分量的非连通图。进一步,可以对上述非连通图进行遍历,利用每一个连通分量生成一棵或多棵生成数据,从而可以根据上述非连通图得到多棵生成树。接着,可以将上述多棵生成树组合在一起,得到对应的生成森林,即得到了基于生成森林数据结构的股权关系图。
下面以对13个股权关系数据进行处理生成对应的基于生成森林数据结构的股权关系图为例,进行具体说明。首先可以参阅图4所示,13个股权关系数据中的其中某一个股权关系数据表示为<GS1,GS2,50%>。即股东对象为企业GS1,(被)控股对象为企业GS2,GS1所持有的GS2的占股比例为50%。在本场景示例中,第二服务器可以利用连接线之间将GS1和GS2所对应的对象节点相连,进一步在该连接线上标注出对应的属性值为50%。从而完成针对这一个股权关系数据的处理。按照上述方式,可以完成针对剩余的13个股权关系数据的处理,得到图4所示的非连通图。
需要指出的是,图4所示的是一种包含有多种连通分量的非连通图。因此,可以通过对上述非连通图进行处理,可以确定出如图5所示的3种不同的连通分量。
再分别对应上述多种连通分量进行处理,得到对应的多棵生成树。其中,每一种连通分量至少可以生成一棵生成树。在本场景示例中,基于上述3种连通分量,可以得到对应的3棵生成树,将上述3棵生成树组合,可以得到如图6所示的包含有3棵生成树的生成森林,即基于生成森林数据结构的股权关系图。
需要说明的是,上述基于生成森林数据结构的股权关系图相对于以往的股权信息数据能够更加清楚、准确、便捷地表征出不同数据对象之间复杂的股权关系。并且上述基于生成森林数据结构的股权关系图相对于以往的股权信息数据更容易进行修改、删除、增加等更新操作,也更适合于进行检索扫描等处理。因此,利用上述基于生成森林数据结构的股权关系图代替以往的股权信息数据,进行股权关系的更新,或者进行关于黑名单的风险关联对象的检索扫描等处理时,可以有效地降低所涉及到的数据处理量和处理的复杂度,提高处理效率。
例如,基于上述生成森林数据结构的股权关系图,第二服务器可以间隔较短的时间段,例如,每隔一分钟,查询获取企业对象的公示数据的更新数据。进而可以公示数据的更新数据中,提取得到股权关系数据的更新数据。接着,可以根据上述股权关系数据的更新数据,在上述基于生成森林数据结构的股权关系图中直接对相关的生成树的结构进行相应的修剪操作。例如,在对应的生成树中进行新增连接线,和/或删除连接线的操作。从而可以通过更新生成树,来更新股权关系图。上述更新过程所涉及到数据处理量远小于基于以往的股权信息数据所涉及到的数据处理量,有效地缩短了更新处理时间。例如,上述更新过程往往只需要耗时O(log2(n)),其中,n具体表示为生成树的深度。这样可以实现对股权关系图中的股权关系信息进行准实时性的更新,有效地避免了股权关系图中的股权信息的滞后延迟。同时,上述更新过程O(log2(n))时间内准实时完成,n为生成树深度。
此外,利用上述基于生成森林数据结构的关系数据图进行检索扫描时所涉及到的数据处理量,也远小于利用以往的股权信息数据进行检索扫描所涉及到的数据处理量。相应的,整个检索扫描过程的处理耗时会得到有效的缩短,例如,完成一次检索扫描的耗时通常为O(log(n)/log(log(n)))。并且,上述基于生成森林数据结构的关系数据图,也更适合进行更加复杂的股权关系的分析和处理。
在本场示例中,第二服务器具体实施时,可以以B企业作为检索的对象节点,遍历最近更新的基于生成森林数据结构的股权关系图。
具体的,可以利用上述股权关系图的生成森林数据结构的结构特点,选择使用深度优先遍历算法,遍历检所生成森林中的各棵生成树,确定B企业是否与制裁黑名单中的至少一个风险对象连通。即,检索是否存在某一棵生成树中的B企业所对应的对象节点通过连接线以直接连接或间接连接的方式与至少一个风险对象鄋对应的对象节点相连。
如果通过检索,第二服务器确定不存在上述生成树,则可以确定制裁黑名单中没有任何一个风险对象与B企业连通,判断B企业与制裁黑名单中的风险对象无关。这时,第二服务器可以停止检索扫描,确定不是制裁黑名单的风险关联对象。进而可以生成并向第一服务器发送安全提示信息。第一服务器接收到上述安全提示信息后,可以正常地接收并处理B企业的金融服务申请,根据相关协议正常为B企业提供相应的金融服务。
在本场景示例中,参阅图3所示,第二服务器通过上述检索扫描,发现存在一个风险对象(可以记为目标风险对象H)与B企业连通。这时第二服务器还无法准确地确定B企业是否是制裁黑名单的风险关联对象。第二服务器可以进一步计算B企业与目标风险对象H之间的控股比例,再基于控股比例和预设的控股比例阈值,来判断B企业是否为制裁黑名单的风险关联对象。
其中,上述预设的控股比例阈值具体可以根据A机构发布的制裁规则确定。其中,上述制裁规则具体可以包括OFAC50(The Office of Foreign Assets Control of the USDepartment of the Treasury)规则。基于该制裁规则,所确定的预设的控股比例阈值为50%。当然,上述所列举的预设的控股比例阈值只是一种示意性说明。具体实施时,根据涉及到的具体机构和具体规则,上述预设的控股比例阈值还可以是其他数值。对此,本说明书不作限定。
第二服务器具体实施时,可以通过检索存在目标风险对象H与B企业连通的生成树,确定出B企业与目标风险对象H直接相连的连接线作为第一类连接线,以及B企业与目标风险对象H间接相连的连接线作为第二类连接线。并且获取第一类连接线的属性值,以及第二类连接的属性值。进一步,可以按照预设的确定规则,将第一类连接线的属性值直接相加得到第一比例值。同时,将属于同一个间接关系的第二类连接线的属性值相乘得到对应一个间接关系的比例值,再将多个间接关系的比例值相加得到第二比例值。最后可以将第一比例值和第二比例值相加的和作为B企业针对目标风险对象H的控股比例。
具体的,按照上述方式确定出B企业与目标风险对象H之间直接相连的只有一条第一类连接线L1,且属性值为10%。B企业与目标风险对象H之间间接相连的存在多条第二类连接线,且分别属于两个不同间接关系。其中,在第一个间接关系中,B企业通过第二类连接线L2-1-1先与企业C相连,企业C又通过第二类连接线L2-1-2与目标风险对象H相连,上述两条第二类连接线的属性值分别为:20%和10%。在第二个间接关系中,B企业通过第二类连接线L2-2-1先与企业D相连,企业D又通过第二类连接线L2-2-2与自然人E相连,自然人E又通过第二类连接线L2-2-3与目标风险对象H相连,上述三条第二类连接线的属性值分别为:10%、10%和20%。再按照预设的确定规则,计算出第一比例为:10%。针对第一个间接关系的比例值为20%×10%=2%。针对第二个间接关系的比例值为20%×10%×10%=0.2%。进而可以确定出第二比例为:2%+0.2%=2.2%。将第一比例和第二比例相加,得到B企业针对目标风险对象H的控股比例为:12.2%。
第二服务器将上述控股比例与预设的控股比例阈值进行数值比较,发现小于预设的控股比例阈值,进而可以确定出B企业不是制裁黑名单的风险关联对象,但是由于B企业与制裁黑名单中的目标风险对象H有关联,因此判断B企业未来可能存在一定的被制裁的风险。因此,第二服务器可以生成并向第一服务器发送风险等级相对较低的第三类风险提示信息。第一服务器在接收到第三类风险提示信息后,可以根据第三类风险提示信息,为B企业设置潜在风险标签,进而可以在一定的风险承受范围内,为B企业受限的金融服务。
如果第二服务器按照上述方式计算出的B企业针对目标风险对象H的控股比例为:61%,大于或等于预设的控股比例阈值。可以确定出B企业是制裁黑名单的风险关联对象,判断为B企业提供金融服务有很高的风险。因此,第二服务器可以生成并向第一服务器发送风险等级仅次于第一类风险提示信息的第二类风险提示信息。第一服务器在接收到第二类风险提示信息后,可以根据第二类风险提示信息,拒绝为B企业提供金融服务。
由上述场景示例可见,本说明书提供的风险关联对象的确定方法,由于预先根据多个数据对象的股权关系数据,基于生成森林数据结构建立得到的对应的股权关系图。在具体确定目标对象是否是黑名单的风险关联对象时,可以通过根据目标对象和黑名单,来检索扫描股权关系图,快速地得到对应的检索结果。再根据检索结果,确定出目标对象是否为黑名单的风险关联对象。从而可以有效地降低处理过程中所涉及的数据处理量和数据处理的复杂度,提高了数据处理效率,高效、准确地确定出目标对象是否为黑名单的风险关联对象。
参阅图7所示,本说明书实施例提供了一种风险关联对象的确定方法,其中,该方法具体应用于服务器一侧。具体实施时,该方法可以包括以下内容。
S701:获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象。
在一些实施例中,上述目标对象具体可以包括待检测确定是否存在风险的数据对象。具体的,上述目标对象可以是企业对象,例如,XX公司等等。也开始是个人对象,例如,自然人王先生等等。当然,上述所列举的目标对象只是一种示意性说明。具体实施时,根据具体的应用场景,上述目标对象还可以包括除上述所列举的目标对象之外其他类型的数据对象。对此,本说明书不作限定。
在一些实施例中,上述黑名单具体可以包括记录有涉嫌某类金融风险,或交易风险的风险对象的名单。具体的,上述黑名单可以是由例如银行、证监机构,或者官方协会等金融机构为了打击违规行为,规范金融市场秩序所整理发布的。
在一些实施例中,根据所涉及的风险类型的不同,上述黑名单具体可以包括:失信黑名单、涉嫌洗钱风险黑名单、涉嫌赌博风险黑名单等等。当然,上述所列举的黑名单只是一种示意性说明。具体实施时,根据具体的应用场景,上述黑名单还可以包括其他类型的黑名单。例如,还可以包括涉嫌欺诈风险的黑名单等等。
在一些实施例中,上述黑名单具体可以包括有一个风险对象,也可以包括多个风险对象。其中,上述风险对象具体可以包括涉嫌某类风险的企业对象或个人对象等。
在一些实施例中,通常基于相应的制裁规则,在金融交易场景中会对黑名单上的风险对象进行相应制裁,以惩罚打击这类风险对象的涉嫌风险的违规行为。例如,限制这类风险对象对外融资、禁止这类风险对象参与交易,或者拒绝为这类风险对象提供正常的金融服务等等。因此,上述黑名单也可以称为制裁黑名单。
在一些实施例中,除了会对黑名单中的风险对象进行制裁外,根据相应的制裁规则(例如,OFAC50规则),还会对黑名单以外,但与该黑名单中的风险对象关联紧密(例如,拥有风险对象50%股权的)的黑名单的风险关联对象同时进行相应制裁。
在一些实施例中,在判断某个具体的数据对象是否存在风险,是否可能会被制裁时,可以将该数据对象确定为目标对象,并获取目标对象的相关信息。例如,目标对象的注册名称、注册编号等指示。同时,还会从相关的金融机构的服务器上获取最新的黑名单。
S702:根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图。
在一些实施例中,上述股权关系图具体可以包括一种基于生成森林数据结构构建的,保存有各个数据对象(例如,企业对象或个人对象)的股权关系信息的数据。
在本实施例中,需要说明的是,在真实的金融交易场景中,不同的数据对象之间具体的股权关系是非常复杂、难以梳理的。具体的,例如,某一个企业可能是多个不同企业的持股股东。同时,又有多个其他企业和个人是该企业的持股股东。不同企业、个人之间还会存在股权交叉等现象。如果一个企业或个人所持有的股权发生变更,往往会导致大量相关联的企业或个人的股权也会发生变化。这时,如果是基于以往的股权信息数据,势必需要根据更新的数据对全量数据进行重新计算。而对全量数据的计算所涉及到的数据处理量往往又会非常庞大,数据处理难度也会相当较高,常常需要耗费数天至数周的时间,存在处理效率慢,时效性差的问题。此外,如果基于以往的股权信息数据通过检索扫描,来梳理各个数据对象之间的股权关系,计算某一个数据对象针对另一个数据对象的占股比例时,也会类似地涉及到大量的数据处理,处理复杂度也相对较高,也存在处理效率较低,时效性较差的问题。
而在本实施例中,考虑到在真实的金融交易场景中股权关系的具体特点,在将各个数据对象的股权关系数据的综合反映在关系图中时,会呈现为一种包含有多个连通分量的非连通图。这种非连通图本身可以,也适合通过生成森林数来进行表征。而基于生成森林数据结构的股权关系图,相对于以往的股权信息数据,可以充分利用生成森林数据结构的结构特点,能够更加清楚、简单地表征出复杂的股权关系。例如,相关联的数据对象之间的股权关系可以在一棵生成树中表现出来,并且在该生成树中连接上述两个数据对象之间的连接线的属性值又能表征出相关的控股比例等。相应的,在对上述基于生成森林数据结构的股权关系图具体进行更新操作,或者相关的检索扫描等数据处理时,不需要再作全量数据的计算,因此所涉及到的数据处理量会相对较少,数据处理难度也会相对较低。相对于以往的股权信息数据,利用上述基于生成森林数据结构的股权关系图进行相关的数据处理,可以有效地提高处理效率,有较好时效性。
在一些实施例中,上述股权关系图是预先根据股权关系数据,基于生成森林数据结构,所建立得到的。其中,上述股权关系数据具体可以包括一种用于表征两个数据对象之间的股权关系的数据。具体的,上述股权关系数据可以是通过三元数据组的形式来表示。
在一些实施例中,每一个股权关系数据都可以包括有:股东对象(例如,持有其他公司股份的公司名称或者注册编号)、控股对象(例如,被股东对象持有股份的公司名称或者注册编号)、持股比例(例如,股东对象持有的控股对象的股权与控股对象总股份的比值)这三种元素数据。具体的,每一个股权关系数据进一步可以表示为以下形式:<shareholder,company,ratio>。其中,shareholder具体可以表示为股东对象,company具体可以表示为控股对象,ratio具体可以表示为持股比例。当然,上述所列举的股权关系数据的表示方式只是一种示意性说明。具体实施时,根据具体情况,也可以采用其他形式的三元数据组来表示上述股权关系数据。
在一些实施例中,具体实施前,可以先获取并根据各个数据对象的股权关系数据来构建得到上述基于生成森林数据结构的股权关系图。具体实施时,可以包括:从各个企业的官方网站,或者信息公示***等数据源获取各个数据对象的公示数据。其中,上述公示数据具体可以包括:企业的市场主体的注册登记信息、企业的股权信息、企业的股权变更、企业的股东信息等数据。当然,上述所列举的公示数据只是一种示意性说明。具体实施时,根据具体情况和处理要求,上述公示数据还可以包括其他与数据对象相关的信息数据。进一步,可以根据上述公示数据,通过整理,提取得到以三元数据组的方式表示的股权关系数据。进而可以根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
在一些实施例中,上述根据所述股权关系数据,建立基于生成森林数据结构的股权关系图,具体实施时,可以包括:先对多个股权关系数据分别进行相应的处理,得到对应的多棵生成树;再根据上述多个生成树,建立得到基于生成森林数据结构的股权关系图。
在本实施例中,以对多个股权关系数据中的一个股权关系数据的处理为例,具体实施时,可以根据该股权关系数据,确定出股东对象、控股对象,以及控股比例;进一步,可以将该股权关系数据中的股东对象和控股对象确定为待相连的两个对象节点,并利用基于该股权关系数据中的控股比例生成的连接线,来连接上述待相连的两个对象节点。其中,所述连接线的属性值为股权关系数据中的控股比例。
在按照上述方式处理完多个股权关系数据后,可以得到一种保存有各个数据对象之间的股权关系信息的非连通图。该非连通中包含有多个连通分量。进一步,可以通过对上述多个连通分量进行相应处理,得到对应的多棵生成树。具体的,可以对上述非连通图中的多个连通分量分别进行遍历,得到对应的多棵生成树。其中,每一个连通分量可以得到对应的一棵或多棵生成树。进而可以根据上述多棵生成树,得到基于生成森林数据结构的股权关系图。
在一些实施例中,还可以每间隔较短时间段,通过查询各个企业的官方网站,或者信息公示***等数据源,获取数据对象的公示数据的更新数据。并且,从所述公示数据的更新数据中,提取得到股权关系数据的更新数据。进而可以根据所述股权关系数据的更新数据,利用上述基于生成森林数据结构的股权关系图,对相应的生成树的结构进行相应的修剪操作。例如,在对应的生成树中进行新增连接线,和/或删除连接线的操作处理,完成对生成树的更新,得到了更新后的股权关系图。从而可以避免对全量数据的重新计算,使得更新处理具有较好的时效性,快速、高效地对股权关系图实现近似准实时的更新。进而后续可以使用最近更新的、更加准确的股权关系图进行后续的检索。
在一些实施例中,上述根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,具体实施时,可以包括以下内容:根据所述黑名单,确定出黑名单上的风险对象;根据所述目标对象,遍历所述股权关系图,确定所述风险对象中是否存在与目标对象连通的目标风险对象;在确定所述风险对象中存在与目标对象连通的目标风险对象的情况下,检索并确定出将所述目标对象与所述目标风险对象直接相连的第一类连接线,以及将所述目标对象与所述目标风险对象间接相连的第二类连接线;获取第一类连接线的属性值,以及第二类连接线的属性值,作为检索结果。
在一些实施例中,上述目标风险对象具体可以包括与目标对象连通的风险对象。上述黑名单的风险关联对象具体可以包括虽然不在黑名单上,但由于与黑名单上的风险对象关联密切的数据对象。例如,持有黑名单中一个或多个风险对象的股份比例大于预设的控股比例阈值的数据对象。对于上述黑名单的风险关联对象,也有可能也存在相关风险,也有可能会受到制裁等。
上述第一类连接线具体可以包括在股权关系图中直接将目标对象与目标风险对象所对应的对象节点相连的连接线。例如,在目标对象和目标风险对象所对应的对象节点之间不存其他的对象节点,目标对象的对象节点直接通过一条连接线(记为l1)与目标风险对象的对象节点相连,可以将连接l1确定为第一类连接线。
上述第二类连接线具体可以包括在股权关系图中间接将目标对象与目标风险对象所对应的对象节点相连的连接线。例如,在目标对象和目标风险对象所对应的对象节点之间还可以存在有第三个对象节点,目标对象的对象节点先通过一条连接线(记为l2)与第三个对象节点相连,第三个对象节点再通过另一条连接线(记为l3)再与目标风险对象的对象节点相连,可以将上述连接线l2和l3确定对应同一个间接关系的第二类连接线。
在一些实施例中,上述根据所述目标对象,遍历所述股权关系图,确定所述风险对象中是否存在与目标对象连通的目标风险对象,具体实施时,可以包括:遍历所述股权关系图中的生成树,确定是否存在风险对象的对象节点,与目标对象的对象节点通过第一类连接线,或第二类连接线相连。如果存在,则可以将该风险对象确定为与目标对象连通的目标风险对象。进而可以针对上述股权关系图继续进行下一步更加细致的检索扫描,以确定目标对象是否为黑名单的风险关联对象。
在一些实施例中,在根据所述目标对象,遍历所述股权关系图中,确定所述风险对象中是否存在与目标对象连通的目标风险对象后,所述方法还包括:在确定所述风险对象中不存在与目标对象连通的目标风险对象的情况下,确定所述目标对象不是黑名单的风险关联对象。即,在股权关系图中没有找到通过第一类连接线,或第二类连接线与目标对象的对象节点相连的风险对象的对象节点。在这种情况下,可以直接确定出目标对象不是黑名单的风险关联对象,可以停止针对股权关系图进行下一步的检索扫描。由于通过上述方式可以确定目标对象与黑名单中任何一个风险对象都不关联,因此,可以判断该目标对象目前不存在风险。这时,可以针对该目标对象生成未检测到风险的提示信息。
在一些实施例中,在确定所述风险对象中存在与目标对象连通的目标风险对象的情况下,具体实施时,可以针对上述股权关系图继续进行下一步更加细致的检索扫描。具体的,可以检索并确定出将所述目标对象与所述目标风险对象直接相连的第一类连接线,以及将所述目标对象与所述目标风险对象间接相连的第二类连接线;进一步获取第一类连接线的属性值,以及第二类连接线的属性值,作为对应的检索结果。
S703:根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
在一些实施例中,上述根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象,具体实施时,可以根据所述第一类连接线的属性值,以及第二类连接线的属性值,按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例;再根据所述目标对象针对目标风险对象的控股比例,和预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象。
其中,上述预设的控股比例阈值具体可以根据黑名单的公布机构所公布的与黑名单对应的制裁规则确定。例如,根据与反洗钱制裁黑名单对应的制裁规则OFAC50,所确定出的预设的控股比例阈值为50%。当然,上述所列举的预设的控股比例阈值只是一种示意性说明。具体实施时,根据具体的黑名单,以及与黑名单对应的制裁规则,上述预设的控股比例阈值还可以是其他数值。
在一些实施例中,在只包含有第一类连接线的情况下,上述按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例,具体实施时,可以包括:将第一类连接线的属性值相加得到的和作为目标对象针对目标风险对象的控股比例。
在一些实施例中,在只包含有第二类连接线的情况下,上述按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例,具体实施时,可以包括:将上述第二类连接线划分成一个或多个间接关系;将同一个间接关系中所包含的第二类连接线的属性值相乘,得到乘积作为与该间接关系对应的比例值;再将多个间接关系的比例值相加得到和作为目标对象针对目标风险对象的控股比例。
在一些实施例中,在同时包含有第一类连接线,和第二类连接线的情况下,可以按照上述方式对第一类连接线和第二类连接线分别进行相应的处理。具体的,可以将第一类连接线的属性值相加的和确定为第一比例。同时,针对第二类连接线,将多个间接关系的比例值相加得到和作为第二比例。再将第一比例和第二比例相加得到的和作为目标对象针对目标风险对象的控股比例。
在一些实施例中,上述根据所述目标对象针对目标风险对象的控股比例,和预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象,具体实施时,可以包括:通过数值比较,在确定目标对象针对目标风险对象的控股比例小于预设的控股比例阈值的情况下,可以确定目标对象不是黑名单的风险关联对象。但是,由于目标对象与黑名单中的至少一个风险对象关联,目标对象可能会存在潜在风险,因此,可以判断目标对象存在一定风险,且风险等级相对较低。这时,可以针对该目标对象生成风险等级低的风险提示信息。
在一些实施例中,上述根据所述目标对象针对目标风险对象的控股比例,和预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象,具体实施时,还可以包括:通过数值比较,在确定目标对象针对目标风险对象的控股比例大于或等于预设的控股比例阈值的情况下,可以确定目标对象是黑名单的风险关联对象。因此,可以判断目标对象存在风险,且风险等级相对较高。这时,可以针对该目标对象生成风险等级高的风险提示信息。
在一些实施例中,具体实施时,可以根据上述提示信息,确定出目标对象具体的风险情况,例如是否存在风险,以及具体的风险等级等。进而可以根据目标对象具体的风险情况,对目标对象进行相应的数据处理。例如,可以对不存在风险的目标对象提供所有的服务。对存在风险,但风险等级相对较低的目标对象提供部分服务,同时还可以针对这类目标对象进行风险监控。对存在风险,且风险等级较高的目标对象停止提供服务等。
在本实施例中,由于预先根据多个数据对象的股权关系数据,基于生成森林数据结构建立得到的对应的股权关系图。在具体确定目标对象是否是黑名单的风险关联对象时,可以通过根据目标对象和黑名单,来检索扫描股权关系图,快速地得到对应的检索结果。再根据检索结果,确定出目标对象是否为黑名单的风险关联对象。从而可以有效地降低处理过程中所涉及的数据处理量和数据处理的复杂度,提高了数据处理效率,高效、准确地确定出目标对象是否为黑名单的风险关联对象。
在一些实施例中,在获取目标对象和黑名单后,还可以先检索黑名单,确定目标对象是否为黑名单上的风险对象。在确定目标对象不是黑名单上的风险对象的情况下,再通过风险关联对象的确定方法,对股权关系图进行检索扫描,以确定目标对象是否为黑名单的风险关联对象。在确定目标对象是黑名单上的风险对象的情况下,可以不再对股权关系图进行检索扫描,确定目标对象为存在风险的风险对象,并将目标对象的风险等级确定为最高等级。
在一些实施例中,所述股权关系图具体可以按照以下方式建立得到:获取多个数据对象中各个数据对象的公示数据;从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
在一些实施例中,上述根据所述股权关系数据,建立基于生成森林数据结构的股权关系图,具体实施时,可以包括以下内容:根据所述股权关系数据,将同一个股权关系数据中的股东对象和控股对象确定为待相连的对象节点,并利用基于该股权关系数据中的控股比例生成的连接线连接待相连的对象节点,以建立多棵生成树,其中,所述连接线的属性值为股权关系数据中的控股比例;根据所述多棵生成树,建立得到基于生成森林数据结构的股权关系图。
在一些实施例中,上述根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,具体实施时,可以包括以下内容:根据所述黑名单,确定风险对象;根据所述目标对象,遍历所述股权关系图,确定所述风险对象中是否存在与目标对象连通的目标风险对象;在确定所述风险对象中存在与目标对象连通的目标风险对象的情况下,检索并确定出将所述目标对象与所述目标风险对象直接相连的第一类连接线,以及将所述目标对象与所述目标风险对象间接相连的第二类连接线;获取第一类连接线的属性值,以及第二类连接线的属性值,作为检索结果。
在一些实施例中,上述根据所述目标对象,遍历所述股权关系图,具体实施时,可以包括:根据所述目标对象,通过深度优先遍历算法,遍历所述股权关系图。
其中,上述深度优先遍历算法(DepthFirstSearch,DFS)属于一种针对图和树的遍历算法。基于上述深度优先遍历算法,在对股权关系图进行具体遍历时,可以优先对每一棵树的每一个可能的分支连接路径深入到不能再深入为止,并且保持对每个对象节点只能访问一次。此外,应用深度优先遍历算法遍历股权关系图的过程中,不全部保留对象结点,占用空间相对较少,还支持回溯操作。因此,在本实施例中,利用深度优先遍历算法对基于生成森林数据结构的股权关系图进行遍历,可以有效地提高处理效率,减少处理耗时。
当然,上述所列举的深度优先遍历算法只是一种示意说明。具体实施时,根据具体股权关系图的具体情况和结构特征,还可以采用其他合适的遍历算法进行遍历。例如,在一些情况下,也可以使用广度优先遍历算法进行遍历等。
在一些实施例中,在根据所述目标对象,遍历所述股权关系图中,确定所述风险对象中是否存在与目标对象连通的目标风险对象后,所述方法具体实施时,还可以包括以下内容:在确定所述风险对象中不存在与目标对象连通的目标风险对象的情况下,确定所述目标对象不是黑名单的风险关联对象。
在一些实施例中,上述根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象,具体实施时,可以包括以下内容:根据所述第一类连接线的属性值,以及第二类连接线的属性值,按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例;根据所述目标对象针对目标风险对象的控股比例,和预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象。
在一些实施例中针对目标风险对象为一个的情况下,可以进一步细分多种不同情况来准确地确定出目标对象针对目标风险对象的控股比例。
在一些实施例中,在只包含有第一类连接线的情况下,上述按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例,具体实施时,可以包括:将第一类连接线的属性值相加得到的和作为目标对象针对目标风险对象的控股比例。
在一些实施例中,在只包含有第二类连接线的情况下,上述按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例,具体实施时,可以包括:将上述第二类连接线划分成一个或多个间接关系;将同一个间接关系中所包含的第二类连接线的属性值相乘,得到乘积作为与该间接关系对应的比例值;再将多个间接关系的比例值相加得到和作为目标对象针对目标风险对象的控股比例。
在一些实施例中,在同时包含有第一类连接线,和第二类连接线的情况下,可以按照上述方式对第一类连接线和第二类连接线分别进行相应的处理。具体的,可以将第一类连接线的属性值相加的和确定为第一比例。同时,针对第二类连接线,将多个间接关系的比例值相加得到和作为第二比例。再将第一比例和第二比例相加得到的和作为目标对象针对目标风险对象的控股比例。
在一些实施例中,在根据所述目标对象和所述黑名单,检索股权关系图,有时会出现目标对象与黑名单中的多个风险对象连通,即确定出的目标风险对象包括多个目标风险对象。在这种情况下,可以先确定上述多个目标对象是否属于同一个黑名单;再多个目标风险对象是否属于同一个黑名单分情况,来准确地确定出目标对象是否为黑名单的风险关联对象。
在一些实施例中,在确定多个目标对象属于同一个黑名单时,在所述目标风险对象包括多个目标风险对象的情况下,上述根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象,具体实施时,可以包括以下内容:根据所述第一类连接线的属性值,以及第二类连接线的属性值,按照预设的确定规则,确定出目标对象针对多个目标风险对象的多个控股比例;将目标对象针对多个目标风险对象的多个控股比例的和,作为目标对象针对所述黑名单的关联比例;根据所述目标对象针对所述黑名单的关联比例,和所述预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象。
在本场景示例中,针对上述情况可以分别按照预设的确定规则,计算出目标对象针对各个目标风险对象的多个控股比例;再将上述多个控股比例相加的和作为目标对象针对黑名单的关联比例。进而,可以将上述关联比例,和基于与该黑名单对应的制裁规则所确定出的预设的控股比例阈值进行比较,如果确定上述关联比例小于预设的控股比例阈值,可以确定目标对象不是黑名单的风险关联对象。如果确定上述关联比例大于或等于预设的控股比例阈值,可以确定目标对象是该黑名单的风险关联对象。
在一些实施例中,在确定多个目标对象属于多个黑名单时,即在所述黑名单包括多个黑名单,且所述多个目标风险对象属于至少两个黑名单的情况下,上述根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象,具体实施时,可以包括以下内容:确定目标对象所属的黑名单;根据所述目标对象与各个黑名单中的目标风险对象之间的第一类连接线的属性值,以及第二类连接线的属性值,确定出所述目标对象分别针对各个黑名单的关联比例;根据所述目标对象分别针对各个黑名单的关联比例,确定所述目标对象是否为黑名单的风险关联对象。
在本实施例中,具体实施时,可以根据目标对象所属的黑名单,将多个目标风险对象划分为多组,每一组对应一个黑名单。其中,在划分组时,可以出现将同一个目标风险对象同时划分在多组。例如,企业H不但在黑名单1中,也在黑名单2中,因此在划分组时,与黑名单1对应的组中可以包含有企业H,同时与黑名单2对应的组中也可以包括有企业H。
进一步,可以分别针对各个组,对应在一个黑名单中,来根据该组所包含的目标风险对象,计算目标对象针对一个黑名单的关联比例。从而可以得到多个关联比例,其中,上述多个关联比例中的各个关联比例分别与一个黑名单所对应。
接着,可以根据上述多个关联比例,以及与多个黑名单分别对应的预设的控股比例阈值,确定目标对象是否是为黑名单的风险关联对象。
具体的,例如可以将所确定出的目标对象针对黑名单1的关联比例,与预设的控股比例阈值1进行比较,得到第一比较结果。其中,上述预设的控股比例阈值1为根据对应于黑名单1的制裁规则所确定的。根据第一比较结果,确定目标对象是否为黑名单1的风险关联对象。同时,还可以将所确定出的目标对象针对黑名单2的关联比例,与预设的控股比例阈值2进行比较,得到第二比较结果。其中,上述预设的控股比例阈值2为根据对应于黑名单2的制裁规则所确定的。根据第2比较结果,确定目标对象是否为黑名单2的风险关联对象。
在一些实施例中,在确定目标对象为黑名单的风险关联对象的情况下,所述方法具体实施时,还可以包括以下内容:针对所述目标对象设置制裁风险标签。进而,可以根据目标对象的制裁风险标签,对目标对象进行相应的数据处理。例如,为目标对象提供对应受限制的部分服务;或者,监控目标对象的行为等等。
在一些实施例中,所述方法具体实施时,还可以包括以下内容:获取数据对象的公示数据的更新数据;从所述公示数据的更新数据中,提取得到股权关系数据的更新数据;根据所述股权关系数据的更新数据,更新对应的生成树,得到更新后的股权关系图。
在本实施例中,通过上述方式可以以较低的计算成本,高效、及时地对股权关系图进行更新,达到近似于准实时更新的效果,从而可以使得后续基于更新后的股权关系图,能够更加精准地确定目标对象是否为黑名单的风险关联对象。
在一些实施例中,具体实施时,可以通过消息队列获取数据对象的公示数据的更新数据,从而能够更加及时、快速地获得最新的更新数据。
在一些实施例中,在根据所述目标对象和所述黑名单,检索股权关系图前,所述方法具体实施时,还可以包括以下内容:检索所述黑名单,确定所述目标对象是否为风险对象。
由上可见,本说明书实施例提供的风险关联对象的确定方法,由于预先根据多个数据对象的股权关系数据,基于生成森林数据结构建立得到的对应的股权关系图。在具体确定目标对象是否是黑名单的风险关联对象时,可以通过根据目标对象和黑名单,来检索扫描股权关系图,快速地得到对应的检索结果。再根据检索结果,确定出目标对象是否为黑名单的风险关联对象。从而可以有效地降低处理过程中所涉及的数据处理量和数据处理的复杂度,提高了数据处理效率,高效、准确地确定出目标对象是否为黑名单的风险关联对象,也缩短了用户的等待时间,能够实现近似准实时地检索扫描得到结果,提高了用户的使用体验。还通过利用了股权关系图所基于的生成森林数据结构的结构特点,利用深度优先遍历算法来遍历所述股权关系图,从而可以进一步提高了数据处理效率。还通过根据三元组的股权关系数据建立基于生成森林数据结构的股权关系图,来记录保存各个数据对象的股权关系信息,使得对股权关系信息的管理和更新变得更加高效、及时。
参阅图8所示,本说明书实施例还提供了一种股权关系图的建立方法,以便能高效地保存管理股权关系信息。其中,该方法具体实施时,可以包括以下内容。
S801:获取多个数据对象中各个数据对象的公示数据。
S802:从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例。
S803:根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
在一些实施例中,上述根据所述股权关系数据,建立基于生成森林数据结构的股权关系图,具体实施时,可以包括:根据所述股权关系数据,将同一个股权关系数据中的股东对象和控股对象确定为待相连的对象节点,并利用基于该股权关系数据中的控股比例生成的连接线连接待相连的对象节点,以建立多棵生成树,其中,所述连接线的属性值为股权关系数据中的控股比例;根据所述多棵生成树,建立得到基于生成森林数据结构的股权关系图。
在一些实施例中,所述方法具体实施时,还可以包括:获取数据对象的公示数据的更新数据;从所述公示数据的更新数据中,提取得到股权关系数据的更新数据;根据所述股权关系数据的更新数据,更新对应的生成树,得到更新后的股权关系图。
由上可见,本说明书实施例提供的股权关系图的建立方法,可以以降低的数据处理成本来保存管理复杂的股权关系信息,并能够及时地对股权关系图中的信息进行更新。
本说明书实施例还提供了一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器具体实施时可以根据指令执行以下步骤:获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
为了能够更加准确地完成上述指令,参阅图9所示,本说明书实施例还提供了另一种具体的服务器,其中,所述服务器包括网络通信端口901、处理器902以及存储器903,上述结构通过内部线缆相连,以便各个结构可以进行具体的数据交互。
其中,所述网络通信端口901,具体可以用于获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象。
所述处理器902,具体可以用于根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
所述存储器903,具体可以用于存储相应的指令程序。
在本实施例中,所述网络通信端口901可以是与不同的通信协议进行绑定,从而可以发送或接收不同数据的虚拟端口。例如,所述网络通信端口可以是负责进行web数据通信的80号端口,也可以是负责进行FTP数据通信的21号端口,还可以是负责进行邮件数据通信的25号端口。此外,所述网络通信端口还可以是实体的通信接口或者通信芯片。例如,其可以为无线移动网络通信芯片,如GSM、CDMA等;其还可以为Wifi芯片;其还可以为蓝牙芯片。
在本实施例中,所述处理器902可以按任何适当的方式实现。例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中,所述存储器903可以包括多个层次,在数字***中,只要能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在***中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
本说明书实施例还提供了一种基于上述风险关联对象的确定方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
在本实施例中,上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施例中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
参阅图10所示,在软件层面上,本说明书实施例还提供了一种风险关联对象的确定装置,该装置具体可以包括以下的结构模块。
获取模块1001,具体可以用于获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象。
检索模块1002,具体可以用于根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图。
确定模块1003,具体可以用于根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
在一些实施例中,所述装置具体还可以包括建立模块,可以用于获取多个数据对象中各个数据对象的公示数据;从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
在一些实施例中,上述建立模块具体实施时,可以根据所述股权关系数据,将同一个股权关系数据中的股东对象和控股对象确定为待相连的对象节点,并利用基于该股权关系数据中的控股比例生成的连接线连接待相连的对象节点,以建立多棵生成树,其中,所述连接线的属性值为股权关系数据中的控股比例;根据所述多棵生成树,建立得到基于生成森林数据结构的股权关系图。
在一些实施例中,上述检索模块1002具体实施时,可以包括以下结构单元:
第一确定单元,具体可以用于根据所述黑名单,确定风险对象;
遍历单元,具体可以用于根据所述目标对象,遍历所述股权关系图,确定所述风险对象中是否存在与目标对象连通的目标风险对象;
第二确定单元,具体可以用于在确定所述风险对象中存在与目标对象连通的目标风险对象的情况下,检索并确定出将所述目标对象与所述目标风险对象直接相连的第一类连接线,以及将所述目标对象与所述目标风险对象间接相连的第二类连接线;
获取单元,具体可以用于获取第一类连接线的属性值,以及第二类连接线的属性值,作为检索结果。
在一些实施例中,上述遍历单元具体实施时,可以根据所述目标对象,通过深度优先遍历算法,遍历所述股权关系图。
在一些实施例中,上述检索模块1002具体实施时,在确定所述风险对象中不存在与目标对象连通的目标风险对象的情况下,可以确定所述目标对象不是黑名单的风险关联对象。
在一些实施例中,上述确定模块1003具体实施时,可以包括以下结构单元:
第三确定单元,具体可以用于根据所述第一类连接线的属性值,以及第二类连接线的属性值,按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例;
第四确定单元,具体可以用于根据所述目标对象针对目标风险对象的控股比例,和预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象。
在一些实施例中,在所述目标风险对象包括多个目标风险对象的情况下,上述确定模块1003具体实施时,还可以根据所述第一类连接线的属性值,以及第二类连接线的属性值,按照预设的确定规则,确定出目标对象针对多个目标风险对象的多个控股比例;将目标对象针对多个目标风险对象的多个控股比例的和,作为目标对象针对所述黑名单的关联比例;根据所述目标对象针对所述黑名单的关联比例,和所述预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象。
在一些实施例中,在所述黑名单包括多个黑名单,且所述多个目标风险对象属于至少两个黑名单的情况下,上述确定模块1003具体实施时,还可以确定目标对象所属的黑名单;根据所述目标对象与各个黑名单中的目标风险对象之间的第一类连接线的属性值,以及第二类连接线的属性值,确定出所述目标对象分别针对各个黑名单的关联比例;根据所述目标对象分别针对各个黑名单的关联比例,确定所述目标对象是否为黑名单的风险关联对象。
在一些实施例中,所述装置还可以包括标签模块,具体可以用于在确定目标对象为黑名单的风险关联对象的情况下,针对所述目标对象设置制裁风险标签。
在一些实施例中,所述装置还可以包括更新模块,具体可以用于获取数据对象的公示数据的更新数据;从所述公示数据的更新数据中,提取得到股权关系数据的更新数据;根据所述股权关系数据的更新数据,更新对应的生成树,得到更新后的股权关系图。
在一些实施例中,在根据所述目标对象和所述黑名单,检索股权关系图前,所述检索模块1002具体实施时,还可以先检索所述黑名单,确定所述目标对象是否为风险对象。
需要说明的是,上述实施例阐明的单元、装置或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
由上可见,本说明书实施例提供的风险关联对象的确定装置,预先根据多个数据对象的股权关系数据,基于生成森林数据结构建立得到的对应的股权关系图。在具体确定目标对象是否是黑名单的风险关联对象时,可以通过获取模块和检索模块根据目标对象和黑名单,来检索扫描股权关系图,快速地得到对应的检索结果。再通过确定模块根据检索结果,确定出目标对象是否为黑名单的风险关联对象。从而可以有效地降低处理过程中所涉及的数据处理量和数据处理的复杂度,提高了数据处理效率,高效、准确地确定出目标对象是否为黑名单的风险关联对象。
本说明书还提供了一种股权关系图的建立装置,具体可以包括以下结构模块:获取模块,具体可以用于获取多个数据对象中各个数据对象的公示数据;提取模块,具体可以用于从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;建立模块,具体可以用于根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
虽然本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施例的描述可知,本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书的技术方案本质上可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本说明书可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (19)
1.一种风险关联对象的确定方法,包括:
获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;
根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;
根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
2.根据权利要求1所述的方法,所述股权关系图按照以下方式建立:
获取多个数据对象中各个数据对象的公示数据;
从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;
根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
3.根据权利要求2所述的方法,所述根据所述股权关系数据,建立基于生成森林数据结构的股权关系图,包括:
根据所述股权关系数据,将同一个股权关系数据中的股东对象和控股对象确定为待相连的对象节点,并利用与该股权关系数据对应的连接线连接待相连的对象节点,以建立多棵生成树,其中,所述连接线的属性值为股权关系数据中的控股比例;
根据所述多棵生成树,建立得到基于生成森林数据结构的股权关系图。
4.根据权利要求1所述的方法,所述根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,包括:
根据所述黑名单,确定风险对象;
根据所述目标对象,遍历所述股权关系图,确定所述风险对象中是否存在与目标对象连通的目标风险对象;
在确定所述风险对象中存在与目标对象连通的目标风险对象的情况下,检索并确定出将所述目标对象与所述目标风险对象直接相连的第一类连接线,以及将所述目标对象与所述目标风险对象间接相连的第二类连接线;
获取第一类连接线的属性值,以及第二类连接线的属性值,作为检索结果。
5.根据权利要求4所述的方法,所述根据所述目标对象,遍历所述股权关系图,包括:
根据所述目标对象,通过深度优先遍历算法,遍历所述股权关系图。
6.根据权利要求4所述的方法,在根据所述目标对象,遍历所述股权关系图,确定所述风险对象中是否存在与目标对象连通的目标风险对象后,所述方法还包括:
在确定所述风险对象中不存在与目标对象连通的目标风险对象的情况下,确定所述目标对象不是黑名单的风险关联对象。
7.根据权利要求4所述的方法,所述根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象,包括:
根据所述第一类连接线的属性值,以及第二类连接线的属性值,按照预设的确定规则,确定出目标对象针对目标风险对象的控股比例;
根据所述目标对象针对目标风险对象的控股比例,和预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象。
8.根据权利要求7所述的方法,在所述目标风险对象包括多个目标风险对象的情况下,所述根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象,还包括:
根据所述第一类连接线的属性值,以及第二类连接线的属性值,按照预设的确定规则,确定出目标对象针对多个目标风险对象的多个控股比例;
将目标对象针对多个目标风险对象的多个控股比例的和,作为目标对象针对所述黑名单的关联比例;
根据所述目标对象针对所述黑名单的关联比例,和所述预设的控股比例阈值,确定所述目标对象是否为黑名单的风险关联对象。
9.根据权利要求8所述的方法,在所述黑名单包括多个黑名单,且所述多个目标风险对象属于至少两个黑名单的情况下,所述根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象,还包括:
确定目标对象所属的黑名单;
根据所述目标对象与各个黑名单中的目标风险对象之间的第一类连接线的属性值,以及第二类连接线的属性值,确定出所述目标对象分别针对各个黑名单的关联比例;
根据所述目标对象分别针对各个黑名单的关联比例,确定所述目标对象是否为黑名单的风险关联对象。
10.根据权利要求1所述的方法,在确定目标对象为黑名单的风险关联对象的情况下,所述方法还包括:
针对所述目标对象设置制裁风险标签。
11.根据权利要求2所述的方法,所述方法还包括:
获取数据对象的公示数据的更新数据;
从所述公示数据的更新数据中,提取得到股权关系数据的更新数据;
根据所述股权关系数据的更新数据,更新对应的生成树,得到更新后的股权关系图。
12.根据权利要求1所述的方法,在根据所述目标对象和所述黑名单,检索股权关系图前,所述方法还包括:
检索所述黑名单,确定所述目标对象是否为风险对象。
13.一种股权关系图的建立方法,包括:
获取多个数据对象的公示数据;
从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;
根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
14.根据权利要求13所述的方法,根据所述股权关系数据,建立基于生成森林数据结构的股权关系图,包括:
根据所述股权关系数据,将同一个股权关系数据中的股东对象和控股对象确定为待相连的对象节点,并利用与该股权关系数据对应的连接线连接待相连的对象节点,以建立多棵生成树,其中,所述连接线的属性值为股权关系数据中的控股比例;
根据所述多棵生成树,建立得到基于生成森林数据结构的股权关系图。
15.根据权利要求13所述的方法,所述方法还包括:
获取数据对象的公示数据的更新数据;
从所述公示数据的更新数据中,提取得到股权关系数据的更新数据;
根据所述股权关系数据的更新数据,更新对应的生成树,得到更新后的股权关系图。
16.一种风险关联对象的确定装置,包括:
获取模块,用于获取目标对象和黑名单,其中,所述黑名单包含有至少一个风险对象;
检索模块,用于根据所述目标对象和所述黑名单,检索股权关系图,得到对应的检索结果,其中,所述股权关系图包括预先根据多个数据对象的股权关系数据,基于生成森林数据结构所建立得到的数据关系图;
确定模块,用于根据所述检索结果,确定所述目标对象是否为黑名单的风险关联对象。
17.根据权利要求16所述的装置,所述装置还包括建立模块,用于获取多个数据对象中各个数据对象的公示数据;从所述公示数据中,提取得到股权关系数据,其中,所述股权关系数据包括:股东对象、控股对象和控股比例;根据所述股权关系数据,建立基于生成森林数据结构的股权关系图。
18.一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至12中任一项所述方法的步骤。
19.一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现权利要求1至12中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010361597.8A CN111583037B (zh) | 2020-04-30 | 2020-04-30 | 风险关联对象的确定方法、装置和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010361597.8A CN111583037B (zh) | 2020-04-30 | 2020-04-30 | 风险关联对象的确定方法、装置和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583037A true CN111583037A (zh) | 2020-08-25 |
CN111583037B CN111583037B (zh) | 2023-04-07 |
Family
ID=72127596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010361597.8A Active CN111583037B (zh) | 2020-04-30 | 2020-04-30 | 风险关联对象的确定方法、装置和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583037B (zh) |
Citations (10)
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*** |
CN109242664A (zh) * | 2018-10-16 | 2019-01-18 | 西安交通大学 | 一种面向新设立企业的纳税风险预测方法 |
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 |
CN109559192A (zh) * | 2018-10-25 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于关联图谱的风险检测方法、装置、设备及存储介质 |
CN109753527A (zh) * | 2019-01-03 | 2019-05-14 | 深圳壹账通智能科技有限公司 | 异常企业挖掘方法、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 |
CN110533525A (zh) * | 2019-07-30 | 2019-12-03 | 阿里巴巴集团控股有限公司 | 用于评估实体风险的方法及装置 |
CN110570111A (zh) * | 2019-08-30 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 企业风险预测方法、模型训练方法、装置及设备 |
CN110648051A (zh) * | 2019-08-29 | 2020-01-03 | 北京金堤科技有限公司 | 企业信息分析处理方法和装置、电子设备和存储介质 |
CN111046247A (zh) * | 2019-12-17 | 2020-04-21 | 深圳前海环融联易信息科技服务有限公司 | 基于有向图的深度搜索方法、装置、计算机设备及存储介质 |
-
2020
- 2020-04-30 CN CN202010361597.8A patent/CN111583037B/zh active Active
Patent Citations (10)
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*** |
CN109242664A (zh) * | 2018-10-16 | 2019-01-18 | 西安交通大学 | 一种面向新设立企业的纳税风险预测方法 |
CN109559192A (zh) * | 2018-10-25 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于关联图谱的风险检测方法、装置、设备及存储介质 |
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 |
CN109753527A (zh) * | 2019-01-03 | 2019-05-14 | 深圳壹账通智能科技有限公司 | 异常企业挖掘方法、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 |
CN110533525A (zh) * | 2019-07-30 | 2019-12-03 | 阿里巴巴集团控股有限公司 | 用于评估实体风险的方法及装置 |
CN110648051A (zh) * | 2019-08-29 | 2020-01-03 | 北京金堤科技有限公司 | 企业信息分析处理方法和装置、电子设备和存储介质 |
CN110570111A (zh) * | 2019-08-30 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 企业风险预测方法、模型训练方法、装置及设备 |
CN111046247A (zh) * | 2019-12-17 | 2020-04-21 | 深圳前海环融联易信息科技服务有限公司 | 基于有向图的深度搜索方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111583037B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8412712B2 (en) | Grouping methods for best-value determination from values for an attribute type of specific entity | |
CN104040557B (zh) | 在线诈骗检测动态评分集合***和方法 | |
US8615516B2 (en) | Grouping similar values for a specific attribute type of an entity to determine relevance and best values | |
US9910875B2 (en) | Best-value determination rules for an entity resolution system | |
CN109949154B (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
CN112766907A (zh) | 业务数据的处理方法、装置和服务器 | |
CN111382956A (zh) | 企业集团关系的挖掘方法和装置 | |
CN111598713B (zh) | 基于相似度权重更新的团伙识别方法、装置及电子设备 | |
CN114006765A (zh) | 检测报文中敏感信息的方法、装置和电子设备 | |
CN115062163A (zh) | 异常组织的识别方法、装置、电子设备和介质 | |
CN112750038B (zh) | 交易风险的确定方法、装置和服务器 | |
CN116739605A (zh) | 交易数据检测方法、装置、设备及存储介质 | |
CN111583037B (zh) | 风险关联对象的确定方法、装置和服务器 | |
CN111461727A (zh) | 交易行为的监控预警方法、装置、存储介质和智能设备 | |
CN110807702A (zh) | 贷后信息的管理方法、装置、设备及存储介质 | |
CN109918189B (zh) | 一种资源管理方法及相关设备 | |
CN116703555A (zh) | 一种预警方法、装置、电子设备及计算机可读介质 | |
CN115731028A (zh) | 一种预警方法、装置、电子设备及计算机可读介质 | |
CN111429257B (zh) | 一种交易监控方法和装置 | |
CN114757546A (zh) | 风险预警方法、装置、设备及介质 | |
CN114066624A (zh) | 基于图计算的黑名单关联图谱挖掘方法及*** | |
CN111369370A (zh) | 估值表处理方法、装置、服务器及存储介质 | |
Huang et al. | Detecting phishing gangs via taint analysis on the Ethereum blockchain | |
CN112819347B (zh) | 一种行业主体审核方法、装置、电子设备及存储介质 | |
CN114022166B (zh) | 一种信息处理方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |