CN111967976B - 基于知识图谱的风险企业确定方法及装置 - Google Patents
基于知识图谱的风险企业确定方法及装置 Download PDFInfo
- Publication number
- CN111967976B CN111967976B CN202010837956.2A CN202010837956A CN111967976B CN 111967976 B CN111967976 B CN 111967976B CN 202010837956 A CN202010837956 A CN 202010837956A CN 111967976 B CN111967976 B CN 111967976B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- entity
- risk value
- business
- risk
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (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
本发明提供了一种基于知识图谱的风险企业确定方法及装置,该方法包括:构建企业知识图谱,企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;根据企业实体的属性风险值,确定企业实体的风险值;通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;根据每个企业实体对应的企业实体关系的风险值,以及对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。本发明可以用以准确地判断企业是否为风险企业,准确度高。
Description
技术领域
本发明涉及风险预警分析技术领域,尤其涉及一种基于知识图谱的风险企业确定方法及装置。
背景技术
目前,企业进行银行贷款越来越常见,银行需要对对申请贷款的企业进行审核,判断该企业是否存在贷款风险,避免导致企业信用膨胀,超越自身的还款能力,给银行造成极大的贷款风险。目前,银行贷款对于贷款的审核方式多停留在企业基本信息上,审核不全面造成风险企业判断不准确,而目前缺乏准确地判断风险企业的方法。
发明内容
本发明实施例提出一种基于知识图谱的风险企业确定方法,用以准确地判断企业是否为风险企业,准确度高,该方法包括:
构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;
基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;
根据企业实体的属性风险值,确定企业实体的风险值;
通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;
根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;
确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。
本发明实施例提出一种基于知识图谱的风险企业确定装置,准确地判断企业是否为风险企业,准确度高,该装置包括:
企业知识图谱构建模块,用于构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;
属性风险值确定模块,用于基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;
企业风险值确定模块,用于根据企业实体的属性风险值,确定企业实体的风险值;
关系风险值确定模块,用于通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;
关联企业风险值确定模块,用于根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;
风险企业确定模块,用于确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。
本发明实施例还提出了一种计算机设备,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,所述处理器执行所述计算机程序时实现上述基于知识图谱的风险企业确定方法。
本发明实施例还提出了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述基于知识图谱的风险企业确定方法的计算机程序。
在本发明实施例中,构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;根据企业实体的属性风险值,确定企业实体的风险值;通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。在上述实施例中,确定风险企业的过程不止考虑了企业的属性信息,而是通过构建企业知识图谱,充分挖掘出与每个企业有关系的企业实体、企业实体关系,从而确定每个企业实体的风险值,使得确定的风险企业更准确。
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作简单地介绍,显而易见地,下面描述中的附图仅仅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。在附图中:
图1为本发明实施例中基于知识图谱的风险企业确定方法的流程图;
图2为本发明实施例中一个企业知识图谱的示意图;
图3为本发明实施例中基于知识图谱的风险企业确定装置的示意图;
图4为本发明实施例基于知识图谱的风险企业确定装置的另一种示意图;
图5为本发明实施例中计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
图1为本发明实施例中基于知识图谱的风险企业确定方法的流程图,如图1所示,该方法包括:
步骤101,构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;
步骤102,基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;
步骤103,根据企业实体的属性风险值,确定企业实体的风险值;
步骤104,通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;
步骤105,根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;
步骤106,确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。
在本发明实施例中,确定风险企业的过程不止考虑了企业的属性信息,而是通过构建企业知识图谱,充分挖掘出与每个企业有关系的企业实体、企业实体关系,从而确定每个企业实体的风险值,使得确定的风险企业更准确。
具体实施时,发明人发现,银行贷款对于贷款的审核方式多停留在企业基本信息上,对于与贷款相关的关联企业分析比较少。某种程度上,很难通过贷款企业的基本信息分析关联企业的关系和关联企业的风险挖掘,因此不可避免地发生同一企业集团的关联成员在同一银行的分支机构或者不同的分支机构取得交叉贷款或重复贷款。由于关联企业之间的经营状况、财务状况具有很大的同质性和关联性,债务链十分脆弱,一旦某个企业生产经营出现风险,就有可能影响到整个企业集团的贷款安全。
因此,本发明充分分析关联企业之间的经营状况、财务状态的同质性和关联性,债务链相对脆弱,其中任何一个企业产生经营风险,可能影响到关联企业的贷款安全的特性。利用企业知识图谱,挖掘关联企业的集群,深度分析企业风险关系,辅助贷款资金审核。
在步骤101中,要构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系,在一实施例中,所述企业实体属性包括企业工商数据、企业法律诉讼数据、企业舆情数据、行内企业数据、行内担保数据和企业信贷数据中的至少一种。其中,企业信贷数据包含行内信贷业务数据、贷前调查报告、信贷审批报告、贷后检查报告等信息。
企业实体内部包括企业法人、股权关系、股权构成、集团成员关系等,此部分数据由外部工商数据获取,上述内部构成可以关联交易信息、历史贷款信息,进而可确定出企业实体关系,在一实施例中,所述企业实体关系包括对外投资关系、担保关系、资金上下游关系、行政处罚关系、司法处罚关系中的至少一种。图2为本发明实施例中一个企业知识图谱的示意图。
在步骤102中,基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值,表1为属性风险表的一个示例。
表1
属性信息 | 属性信息描述 | 属性风险值 |
企业工商数据 | 企业经营亏损超过自身资金 | 100 |
企业工商数据 | 企业投资失败 | 80 |
在一实施例中,根据企业实体的属性风险值,确定企业实体的风险值,包括:
确定企业实体的属性风险值对应的权重;
根据企业实体的属性风险值以及对应的权重,确定企业实体的风险值。
在上述实施例中,权值可以根据属性信息的重要程度来定,可以采用如下公式,根据企业实体的属性风险值以及对应的权重,确定企业实体的风险值:
其中,R(Ai)为企业实体Ai的风险值;
Vj为企业实体Ai对应的第j个属性风险值;
wj为企业实体Ai对应的第j个属性风险值对应的权重,其中,
在步骤104中,通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值,表2为一个关系风险表的示例。
表2
企业实体关系 | 风险值 |
对外投资关系 | 0.1 |
担保关系 | 0.2 |
资金上下游关系 | 0.3 |
行政处罚关系 | 0.2 |
司法处罚关系 | 0.2 |
在一实施例中,采用如下公式,根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值:
其中,Rel(Ai)为企业实体Ai的关联企业风险值;
R(Bj)为企业实体Ai对应的第j个企业实体关系的风险值;
Cj为企业实体Ai对应的第j个企业实体关系的另一端企业实体Bj的风险值。
通过上述公式,可迅速且准确的确定每个企业实体的风险值,这样就可以确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。
在一实施例中,所述方法还包括:
基于风险企业的属性信息和对应的企业实体关系,生成预警信息。
预警信息包括提示业务终止贷款审核并进行更为详细的背景调查。
具体实施时,可以每隔一段时间,例如每天更新企业实体的风险值和关联企业风险值,自动发现风险较高的企业,并给予预警提示。
综上所述,在本发明实施例提出的方法中,构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;根据企业实体的属性风险值,确定企业实体的风险值;通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。在上述实施例中,确定风险企业的过程不止考虑了企业的属性信息,而是通过构建企业知识图谱,充分挖掘出与每个企业有关系的企业实体、企业实体关系,从而确定每个企业实体的风险值,使得确定的风险企业更准确。
本发明实施例还提出一种基于知识图谱的风险企业确定装置,其原理与基于知识图谱的风险企业确定方法类似,这里不再赘述。
图3为本发明实施例中基于知识图谱的风险企业确定装置的示意图,如图3所示,该装置包括:
企业知识图谱构建模块301,用于构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;
属性风险值确定模块302,用于基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;
企业风险值确定模块303,用于根据企业实体的属性风险值,确定企业实体的风险值;
关系风险值确定模块304,用于通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;
关联企业风险值确定模块305,用于根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;
风险企业确定模块306,用于确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。
在一实施例中,所述企业实体属性包括企业工商数据、企业法律诉讼数据、企业舆情数据、行内企业数据、行内担保数据和企业信贷数据中的至少一种。
在一实施例中,所述企业实体关系包括对外投资关系、担保关系、资金上下游关系、行政处罚关系、司法处罚关系中的至少一种。
在一实施例中,企业风险值确定模块303具体用于:
确定企业实体的属性风险值对应的权重;
根据企业实体的属性风险值以及对应的权重,确定企业实体的风险值。
在一实施例中,关联企业风险值确定模块305具体用于:
采用如下公式,根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值:
其中,Rel(Ai)为企业实体Ai的关联企业风险值;
R(Bj)为企业实体Ai对应的第j个企业实体关系的风险值;
Cj为企业实体Ai对应的第j个企业实体关系的另一端企业实体Bj的风险值。
在一实施例中,图4为本发明实施例基于知识图谱的风险企业确定装置的另一种示意图,可见,所述装置还包括预警信息生成模块307,用于:
基于风险企业的属性信息和对应的企业实体关系,生成预警信息。
综上所述,在本发明实施例提出的装置中,构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;根据企业实体的属性风险值,确定企业实体的风险值;通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业。在上述实施例中,确定风险企业的过程不止考虑了企业的属性信息,而是通过构建企业知识图谱,充分挖掘出与每个企业有关系的企业实体、企业实体关系,从而确定每个企业实体的风险值,使得确定的风险企业更准确。
本申请的实施例还提供一种计算机设备,图5为本发明实施例中计算机设备的示意图,该计算机设备能够实现上述实施例中的基于知识图谱的风险企业确定方法中全部步骤,所述电子设备具体包括如下内容:
处理器(processor)501、存储器(memory)502、通信接口(CommunicationsInterface)503和总线504;
其中,所述处理器501、存储器502、通信接口503通过所述总线504完成相互间的通信;所述通信接口503用于实现服务器端设备、检测设备以及用户端设备等相关设备之间的信息传输;
所述处理器501用于调用所述存储器502中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的基于知识图谱的风险企业确定方法中的全部步骤。
本申请的实施例还提供一种计算机可读存储介质,能够实现上述实施例中的基于知识图谱的风险企业确定方法中全部步骤,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的基于知识图谱的风险企业确定方法的全部步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种基于知识图谱的风险企业确定方法,其特征在于,包括:
构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;
基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;
根据企业实体的属性风险值,确定企业实体的风险值;
通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;
根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;
确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业;
采用如下公式,根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值:
其中,Rel(Ai)为企业实体Ai的关联企业风险值;
R(Bj)为企业实体Ai对应的第j个企业实体关系的风险值;
Cj为企业实体Ai对应的第j个企业实体关系的另一端企业实体Bj的风险值。
2.如权利要求1所述的基于知识图谱的风险企业确定方法,其特征在于,所述企业实体属性包括企业工商数据、企业法律诉讼数据、企业舆情数据、行内企业数据、行内担保数据和企业信贷数据中的至少一种。
3.如权利要求1所述的基于知识图谱的风险企业确定方法,其特征在于,所述企业实体关系包括对外投资关系、担保关系、资金上下游关系、行政处罚关系、司法处罚关系中的至少一种。
4.如权利要求1所述的基于知识图谱的风险企业确定方法,其特征在于,根据企业实体的属性风险值,确定企业实体的风险值,包括:
确定企业实体的属性风险值对应的权重;
根据企业实体的属性风险值以及对应的权重,确定企业实体的风险值。
5.如权利要求1所述的基于知识图谱的风险企业确定方法,其特征在于,还包括:
基于风险企业的属性信息和对应的企业实体关系,生成预警信息。
6.一种基于知识图谱的风险企业确定装置,其特征在于,包括:
企业知识图谱构建模块,用于构建企业知识图谱,所述企业知识图谱包括企业实体、企业实体的属性信息、企业实体关系;
属性风险值确定模块,用于基于企业实体的属性信息,通过查询属性风险表,确定企业实体的属性风险值;
企业风险值确定模块,用于根据企业实体的属性风险值,确定企业实体的风险值;
关系风险值确定模块,用于通过查询关系风险表,获得企业知识图谱中每个企业实体对应的企业实体关系的风险值;
关联企业风险值确定模块,用于根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值;
风险企业确定模块,用于确定风险值大于第一预设阈值或关联企业风险值大于第二预设阈值的企业实体为风险企业;
关联企业风险值确定模块具体用于:
采用如下公式,根据每个企业实体对应的企业实体关系的风险值,以及所述对应的企业实体关系的另一端企业实体的风险值,确定每个企业实体的关联企业风险值:
其中,Rel(Ai)为企业实体Ai的关联企业风险值;
R(Bj)为企业实体Ai对应的第j个企业实体关系的风险值;
Cj为企业实体Ai对应的第j个企业实体关系的另一端企业实体Bj的风险值。
7.如权利要求6所述的基于知识图谱的风险企业确定装置,其特征在于,所述企业实体属性包括企业工商数据、企业法律诉讼数据、企业舆情数据、行内企业数据、行内担保数据和企业信贷数据中的至少一种。
8.如权利要求6所述的基于知识图谱的风险企业确定装置,其特征在于,所述企业实体关系包括对外投资关系、担保关系、资金上下游关系、行政处罚关系、司法处罚关系中的至少一种。
9.如权利要求6所述的基于知识图谱的风险企业确定装置,其特征在于,企业风险值确定模块具体用于:
确定企业实体的属性风险值对应的权重;
根据企业实体的属性风险值以及对应的权重,确定企业实体的风险值。
10.如权利要求6所述的基于知识图谱的风险企业确定装置,其特征在于,还包括预警信息生成模块,用于:
基于风险企业的属性信息和对应的企业实体关系,生成预警信息。
11.一种计算机设备,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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010837956.2A CN111967976B (zh) | 2020-08-19 | 2020-08-19 | 基于知识图谱的风险企业确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010837956.2A CN111967976B (zh) | 2020-08-19 | 2020-08-19 | 基于知识图谱的风险企业确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111967976A CN111967976A (zh) | 2020-11-20 |
CN111967976B true CN111967976B (zh) | 2024-04-16 |
Family
ID=73388706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010837956.2A Active CN111967976B (zh) | 2020-08-19 | 2020-08-19 | 基于知识图谱的风险企业确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967976B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598507A (zh) * | 2020-12-25 | 2021-04-02 | 北京知因智慧科技有限公司 | 基于知识图谱的过度授信风险预测***和方法 |
CN112884496B (zh) * | 2021-05-06 | 2021-08-20 | 达而观数据(成都)有限公司 | 计算企业信用因子分数的方法、装置及计算机存储介质 |
CN113449046A (zh) * | 2021-06-29 | 2021-09-28 | 平安资产管理有限责任公司 | 基于企业知识图谱的模型训练方法、***及相关装置 |
CN113505990A (zh) * | 2021-07-08 | 2021-10-15 | 建信金融科技有限责任公司 | 企业风险评估的方法、装置、电子设备和存储介质 |
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 |
CN113779136B (zh) * | 2021-09-08 | 2024-04-19 | 平安银行股份有限公司 | 基于知识图谱的债务清收对象确定方法、装置及电子设备 |
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*** |
CN113989019A (zh) * | 2021-10-27 | 2022-01-28 | 平安银行股份有限公司 | 识别风险的方法、装置、设备及存储介质 |
CN115496595B (zh) * | 2022-11-02 | 2023-05-02 | 平安银行股份有限公司 | 标识产品风险的分析方法、设备及计算机可读存储介质 |
Citations (5)
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*** |
CN110163413A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 企业监控及预警方法、装置、计算机设备及可读存储介质 |
CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
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 |
CN110929994A (zh) * | 2019-11-04 | 2020-03-27 | 中证征信(深圳)有限公司 | 企业关联风险的分析方法、装置、设备以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505990A (zh) * | 2021-07-08 | 2021-10-15 | 建信金融科技有限责任公司 | 企业风险评估的方法、装置、电子设备和存储介质 |
-
2020
- 2020-08-19 CN CN202010837956.2A patent/CN111967976B/zh active Active
Patent Citations (5)
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*** |
CN110163413A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 企业监控及预警方法、装置、计算机设备及可读存储介质 |
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 |
CN110503236A (zh) * | 2019-07-08 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于知识图谱的风险预测方法、装置、设备以及存储介质 |
CN110929994A (zh) * | 2019-11-04 | 2020-03-27 | 中证征信(深圳)有限公司 | 企业关联风险的分析方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111967976A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111967976B (zh) | 基于知识图谱的风险企业确定方法及装置 | |
CN111784508A (zh) | 企业风险评估方法、装置及电子设备 | |
CN111476660B (zh) | 一种基于数据分析的智能风控***及方法 | |
JP2018538587A (ja) | リスク評価方法およびシステム | |
CN112037043B (zh) | 基于知识图谱的优质贷款企业确定方法及装置 | |
US8775291B1 (en) | Systems and methods for enrichment of data relating to consumer credit collateralized debt and real property and utilization of same to maximize risk prediction | |
CA2991136A1 (en) | Modifying data structures to indicate derived relationships among entity data objects | |
Sarno et al. | Business process anomaly detection using ontology-based process modelling and multi-level class association rule learning | |
CN111833182B (zh) | 识别风险对象的方法和装置 | |
CN108492001A (zh) | 一种用于担保贷款网络风险管理的方法 | |
CN114861185A (zh) | 用于企业级台账的共识机制处理方法及装置 | |
Van Thiel et al. | Artificial intelligent credit risk prediction: An empirical study of analytical artificial intelligence tools for credit risk prediction in a digital era | |
CN113505990A (zh) | 企业风险评估的方法、装置、电子设备和存储介质 | |
CN113538137A (zh) | 一种基于双图谱融合计算的资金流监控方法及装置 | |
WO2016138805A1 (zh) | 一种分布数据异动判断定位方法及*** | |
Bielecki et al. | A bottom-up dynamic model of portfolio credit risk. part I: Markov copula perspective | |
CN112329862A (zh) | 基于决策树的反洗钱方法及*** | |
US20150134564A1 (en) | Predicting economic conditions | |
US20150134565A1 (en) | Predicting economic conditions | |
WO2022217712A1 (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
Hidayat | The Effect of Institutional Ownership and Auditor Independence on Tax Avoidance | |
CN114254985A (zh) | 一种基于供应链的智能金融服务方法及*** | |
Laeli et al. | The Effect of Financial Health on Profitability with Islamic Corporate Governance as A Moderating Variable | |
Cheng | Study on the Relationship between Financial Development and Economic Growth | |
US20150134411A1 (en) | Predicting economic conditions |
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 |