CN112598507A - 基于知识图谱的过度授信风险预测***和方法 - Google Patents
基于知识图谱的过度授信风险预测***和方法 Download PDFInfo
- Publication number
- CN112598507A CN112598507A CN202011572517.XA CN202011572517A CN112598507A CN 112598507 A CN112598507 A CN 112598507A CN 202011572517 A CN202011572517 A CN 202011572517A CN 112598507 A CN112598507 A CN 112598507A
- Authority
- CN
- China
- Prior art keywords
- data
- enterprise
- credit
- group
- enterprise group
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000010276 construction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06Q40/03—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)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请提供一种基于知识图谱的过度授信风险预测***和方法,包括数据平台、计算平台和应用平台;数据平台,用于基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建企业集团的成员图谱;计算平台,用于根据成员图谱和成员图谱中每个成员的信贷数据,计算企业集团的信贷规模;应用平台,用于根据信贷规模,确定企业集团的授信风险情况。本***避免对集团内的多个成员同时授信而导致过度授信的情况,为集团或类集团的过度风险授信监管提供了有效识别手段,降低金融风险监管***风险,提升金融风险监管***的稳定性。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种基于知识图谱的过度授信风险预测***和方法。
背景技术
融资是企业筹集资金的行为。当企业过度融资而占用大量的社会资源,就会给市场经济造成严重的金融风险隐患。目前,为了约束一家或多家金融机构对单一企业过度授权融资,监管部门已针对授信集中风险采取相应的监管制度。但是,由于企业有些是以企业集团形式存在,企业集团当前缺乏信息科技手段对潜在可能过度授信的企业进行有效识别,对企业集团/类集团更是缺乏必要的识别手段。
发明内容
本申请实施例的目的在于提供一种基于知识图谱的过度授信风险预测***和方法,通过知识图谱和集团识别算法应用于企业集团多头过度授信风险管理,识别出企业集团的内部集团成员,并对企业集团仅过度授信风险监管,超越了对单一大型企业进行过度授信的监管范畴,为对企业集团/类集团提供了识别手段,提升金融风险监管的稳定性。
第一方面,本申请实施例提供了一种基于知识图谱的过度授信风险预测***,包括数据平台、计算平台和应用平台;
数据平台,用于基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建企业集团的成员图谱;
计算平台,用于根据成员图谱和成员图谱中每个成员的信贷数据,计算企业集团的信贷规模;
应用平台,用于根据信贷规模,确定企业集团的授信风险情况。
在上述实现过程中,通过建立过度授信风险预测***中的数据平台、计算平台和应用平台,并通过数据平台利用知识图谱技术对企业集团的成员关系进行梳理,从而能够再通过计算平台和应用平台针对企业集团内的集团成员进行总体授信风险预测,避免对集团内的多个成员同时授信而导致过度授信的情况,为集团或类集团的过度风险授信监管提供了有效识别手段,降低金融风险监管***风险,提升金融风险监管***的稳定性。
进一步地,数据平台,包括:
获取模块,用于获取企业集团的舆情数据和全量工商数据;
第一确定模块,用于根据舆情数据和全量工商数据,确定企业集团中的集团成员和成员控制关系;
构建模块,用于根据集团成员和成员控制关系,构建企业集团的成员图谱。
在上述实现过程中,通过获取模块、第一确定模块和构建模块,利用舆情数据和全量工商数据,追溯出集团或类集团的成员和控制关系,并以此构建成员图谱,从而能够清楚得了解到集团内部成员结构,以能够在后续针对集团的授信风险进行预测。
进一步地,第一确定模块,包括:
确定单元,用于根据舆情数据和全量工商数据,确定企业集团中的龙头企业和成员控制关系;
遍历单元,用于以龙头企业为起始节点,向下遍历成员控制关系,得到企业集团的所有集团成员。
在上述实现过程中,通过确定单元和遍历单元,以集团中的龙头企业为起始节点,遍历成员控制关系,从而能够快速得知集团成员,提高了集团成员的识别效率。
进一步地,构建模块,包括:
构建单元,用于以企业集团中的集团成员为数据实体,成员控制关系为数据关系,构建企业集团的成员图谱。
在上述实现过程中,以集团成员为数据实体,成员控制关系为数据关系,构建成员图谱,能够更加清晰、直观地表达出企业集团的集团成员结构。
进一步地,应用平台,包括:
评分模块,用于根据信贷规模,利用预设的授信风险评分策略对企业集团进行评分,得到评分结果;
第二确定模块,用于基于评分结果确定企业集团的授信风险情况。
在上述实现过程中,通过评分模型和第二确定模型,实现集团过度授信风险的识别,降低监管***风险。
进一步地,应用平台还包括:
推送模块,用于将企业集团的授信风险情况发送至预设终端。
在上述实现过程中,推送集团多头过度授信风险管理报告而非直接干预银行经营、向各家银行提出信贷限额,操作方面不涉及商业机密,更易落地。
第二方面,本申请实施例提供了一种基于知识图谱的过度授信风险预测方法,包括:
基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建企业集团的成员图谱;
根据成员图谱和成员图谱中每个成员的信贷数据,计算企业集团的信贷规模;
根据信贷规模,确定企业集团的授信风险情况。
进一步地,基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建企业集团的成员图谱,包括:
获取企业集团的舆情数据和全量工商数据;
根据舆情数据和全量工商数据,确定企业集团中的集团成员和成员控制关系;
根据集团成员和成员控制关系,构建企业集团的成员图谱。
进一步地,根据舆情数据和全量工商数据,确定企业集团中的集团成员和成员控制关系,包括:
根据舆情数据和全量工商数据,确定企业集团中的龙头企业和成员控制关系;
以龙头企业为起始节点,向下遍历成员控制关系,得到企业集团的所有集团成员。
进一步地,根据信贷规模,确定企业集团的授信风险情况,包括:
根据信贷规模,利用预设的授信风险评分策略对企业集团进行评分,得到评分结果;
基于评分结果确定企业集团的授信风险情况。
第三方面,本申请实施例提供了一种电子设备,包括存储器及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行如第一方面中的过度授信风险预测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其特征在于,其存储有计算机程序,计算机程序被处理器执行时实现如第一方面中的过度授信风险预测方法。
可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的过度授信风险预测方法的流程示意图;
图2为本申请实施例提供的过度授信风险预测***的结构示意图;
图3为本申请实施例提供的数据平台的结构示意图;
图4为本申请实施例提供的第一确定模块的结构示意图;
图5为本申请实施例提供的构建模块的结构示意图;
图6为本申请实施例提供的应用平台的结构示意图;
图7为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如背景技术相关记载,由于企业有些是以企业集团形式存在,企业集团当前缺乏信息科技手段对潜在可能过度授信的企业进行有效识别,对企业集团/类集团更是缺乏必要的识别手段。
针对上述现有技术中的问题,本申请提供了一种基于知识图谱的过度授信风险预测方法和***,通过建立过度授信风险预测***中的数据平台、计算平台和应用平台,并通过数据平台利用知识图谱技术对企业集团的成员关系进行梳理,从而能够再通过计算平台和应用平台针对企业集团内的集团成员进行总体授信风险预测,避免对集团内的多个成员同时授信而导致过度授信的情况,为集团或类集团的过度风险授信监管提供了有效识别手段,降低金融风险监管***风险,提升金融风险监管***的稳定性。
实施例一
参见图1,参见图1,图1示出了本申请实施例提供的基于知识图谱的过度授信风险预测方法的实现流程图。本申请实施例中下述的过度授信风险预测方法可应用于电子设备,电子设备包括但不限于智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算机设备。本申请实施例的基于知识图谱的过度授信风险预测方法,包括步骤S101至S103,详述如下:
步骤S101,基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建企业集团的成员图谱。
在本实施例中,舆情数据为网站、博客、微博、微信、论坛等各个网络平台上的数据。全量工商数据为企业所有工商信息,包括企业名称、企业经营范围、企业股东、主要人员、信息变更记录和分支机构等。
可选地,运用大数据突破传统的舆情管理,实时记录舆情数据,全面分析舆情传播动态,并根据舆情的分类、关键词、新闻性质查看相应条件下的对应数据。通过数据平台利用知识图谱技术对企业集团的成员关系进行梳理,从而能够针对企业集团内的集团成员进行授信风险预测,避免对集团内的多个成员同时授信而导致过度授信的情况,为集团或类集团的过度风险授信监管提供了有效识别手段,降低金融风险监管***风险,提升金融风险监管***的稳定性。
在一种可能实现的方式中,基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建企业集团的成员图谱,包括:获取企业集团的舆情数据和全量工商数据;根据舆情数据和全量工商数据,确定企业集团中的集团成员和成员控制关系;根据集团成员和成员控制关系,构建企业集团的成员图谱。
在上述实现方式中,可基于大数据技术对舆情数据进行分析,以得到企业,例如,新闻平台发布了“A公司的子公司B今天上市了”。则可以分析出A公司与B公司是企业集团或类集团中的成员,所以可以得到A公司和B公司;再基于该企业的全量工商数据,确定该企业的上下游控制关系,并进行追溯,从而得到存在成员控制关系的集团成员名单;最后基于此,构建企业集团的成员图谱。
可选地,根据舆情数据和全量工商数据,确定企业集团中的集团成员和成员控制关系,包括:根据舆情数据和全量工商数据,确定企业集团中的龙头企业和成员控制关系;以龙头企业为起始节点,向下遍历成员控制关系,得到企业集团的所有集团成员。
在本实施例中,龙头企业为无法再追溯到具有控制性法人股东的企业。当龙头企业为“国资委”时,则受“国资委”投资的一个或多个企业分别作为龙头企业,也就是说,某一集团内存在一个或以上龙头企业。具体地,以龙头企业为起始节点对控制关系进行遍历,将其控制的所有企业及其关键管理人员控制的企业划分为集团成员,同时保证集团成员不重复,且一个企业存在且唯一存在一个集团内,控制关系判断标准为直接或间接控制比例在50%以上(可根据阈值进行调整),最终可得到龙头企业、核心企业和一般企业三种类型的企业成员。核心企业是指在集团关联结构上,企业重要程度(关联企业数量)相对较高(前30%)的成员企业为核心成员企业。某一集团内存在一个或多个核心企业。一般企业是指集团内除龙头成员企业和核心成员企业之外的其他企业。
可选地,根据集团成员和成员控制关系,构建企业集团的成员图谱,包括:以企业集团中的集团成员为数据实体,成员控制关系为数据关系,构建企业集团的成员图谱。
在本实施例中,知识图谱是一个用图数据结构表示的知识载体,描述客观世界的事物及其关系,其中节点代表客观世界的事物,边代表事物之间的关系。本实施例以企业集团中的集团成员为数据实体,成员控制关系为数据关系,构建企业集团的成员图谱。具体地,针对每两个企业成员,以成员控制关系作为连接线连接存在控制关系的两个企业成员。进一步地,还可以将控制状态(控制或被控制)作为数据属性融合到成员图谱中,例如,A公司被B公司控制,则可以将连接线的指向调整为B公司指向A公司。
步骤S102,根据成员图谱和成员图谱中每个成员的信贷数据,计算企业集团的信贷规模。
在本实施例中,信贷数据为金融机构上报的信贷数据,其可以信贷额、信贷时间、信贷条件等。基于上述信贷数据计算企业集团内所有集团成员的信贷规模,并累加为企业集团的总体信贷规模。
步骤S103,根据信贷规模,确定企业集团的授信风险情况。
在本实施例中,可以结合宏观经济、行业景气度和贷款机构分布等情况,在信贷规模的的基础上,对企业集团的授信风险进行打分并排序,并基于排序结果确定企业集团的授信风险情况。例如,集团D的多头授信风险值排在第1位,则确定集团D存在过度授信风险。
在一种实现方式中,根据信贷规模,确定企业集团的授信风险情况,包括:根据信贷规模,利用预设的授信风险评分策略对企业集团进行评分,得到评分结果;基于评分结果确定企业集团的授信风险情况。
在上述实现方式中,授信风险评分策略可以是企业对应行业内的评分方式。基于每个集团成员的信贷规模,利用授信风险评分策略对每个集团成员进行评分,根据所有集团成员的评分结果,计算企业集团的总体授信风险评分。
进一步地,根据信贷规模,确定企业集团的授信风险情况之后,还包括:将企业集团的授信风险情况发送至预设终端。本实施例将排名相对靠前、集团多头授信风险较高的集团以报告的形式推送给各家金融机构的预设终端,提示各家金融机构做好相应的风险防控工作,提高风险防控的稳定性。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种基于知识图谱的过度授信风险预测***。参见图2,图2是本申请实施例提供的一种过度授信风险预测***的结构框图。本实施例中该***包括的各平台/模块/单元用于执行图1对应的实施例中的各步骤,具体参见图1以及图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的基于知识图谱的过度授信风险预测***,包括数据平台、计算平台和应用平台;
数据平台201,用于基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建企业集团的成员图谱;
计算平台202,用于根据成员图谱和成员图谱中每个成员的信贷数据,计算企业集团的信贷规模;
应用平台203,用于根据信贷规模,确定企业集团的授信风险情况。
在一实施例中,参见图3,数据平台201,包括:
获取模块301,用于获取企业集团的舆情数据和全量工商数据;
第一确定模块302,用于根据舆情数据和全量工商数据,确定企业集团中的集团成员和成员控制关系;
构建模块303,用于根据集团成员和成员控制关系,构建企业集团的成员图谱。
在一实施例中,参见图4,第一确定模块302,包括:
确定单元401,用于根据舆情数据和全量工商数据,确定企业集团中的龙头企业和成员控制关系;
遍历单元402,用于以龙头企业为起始节点,向下遍历成员控制关系,得到企业集团的所有集团成员。
在一实施例中,参见图5,构建模块303,包括:
构建单元501,用于以企业集团中的集团成员为数据实体,成员控制关系为数据关系,构建企业集团的成员图谱。
在一实施例中,参见图6,应用平台203,包括:
评分模块604,用于根据信贷规模,利用预设的授信风险评分策略对企业集团进行评分,得到评分结果;
第二确定模块602,用于基于评分结果确定企业集团的授信风险情况。
在一实施例中,应用平台还包括:
推送模块603,用于将企业集团的授信风险情况发送至预设终端。
上述的基于知识图谱的过度授信风险预测***可实施上述实施例一的基于知识图谱的过度授信风险预测方法。上述实施例一中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述实施例一的内容,在本实施例中,不再进行赘述。
实施例三
图7为本申请一实施例提供的电子设备的结构示意图。如图7所示,该实施例的电子设备7包括:至少一个处理器70(图7中仅示出一个)处理器、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72,所述处理器70执行所述计算机程序72时实现上述任意方法实施例中的步骤。
所述电子设备7可以是智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算设备。该电子设备可包括但不仅限于处理器70、存储器71。本领域技术人员可以理解,图7仅仅是电子设备7的举例,并不构成对电子设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71在一些实施例中可以是所述电子设备7的内部存储单元,例如电子设备7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述电子设备7的外部存储设备,例如所述电子设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述电子设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供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计算机程序,所述计算机程序被处理器执行时实现可实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
所述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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请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一个存储介质中,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,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种基于知识图谱的过度授信风险预测***,其特征在于,包括数据平台、计算平台和应用平台;
所述数据平台,用于基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建所述企业集团的成员图谱;
所述计算平台,用于根据所述成员图谱和所述成员图谱中每个成员的信贷数据,计算所述企业集团的信贷规模;
所述应用平台,用于根据所述信贷规模,确定所述企业集团的授信风险情况。
2.根据权利要求1所述的过度授信风险预测***,其特征在于,所述数据平台,包括:
获取模块,用于获取企业集团的舆情数据和全量工商数据;
第一确定模块,用于根据所述舆情数据和所述全量工商数据,确定所述企业集团中的集团成员和成员控制关系;
构建模块,用于根据所述集团成员和成员控制关系,构建所述企业集团的成员图谱。
3.根据权利要求2所述的过度授信风险预测***,其特征在于,所述第一确定模块,包括:
确定单元,用于根据所述舆情数据和所述全量工商数据,确定所述企业集团中的龙头企业和成员控制关系;
遍历单元,用于以所述龙头企业为起始节点,向下遍历所述成员控制关系,得到所述企业集团的所有集团成员。
4.根据权利要求2所述的过度授信风险预测***,其特征在于,所述构建模块,包括:
构建单元,用于以所述企业集团中的集团成员为数据实体,所述成员控制关系为数据关系,构建所述企业集团的成员图谱。
5.根据权利要求1所述的过度授信风险预测***,其特征在于,所述应用平台,包括:
评分模块,用于根据所述信贷规模,利用预设的授信风险评分策略对所述企业集团进行评分,得到评分结果;
第二确定模块,用于基于所述评分结果确定所述企业集团的授信风险情况。
6.根据权利要求1所述的过度授信风险预测***,其特征在于,所述应用平台还包括:
推送模块,用于将所述企业集团的授信风险情况发送至预设终端。
7.一种基于知识图谱的过度授信风险预测方法,其特征在于,包括:
基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建所述企业集团的成员图谱;
根据所述成员图谱和所述成员图谱中每个成员的信贷数据,计算所述企业集团的信贷规模;
根据所述信贷规模,确定所述企业集团的授信风险情况。
8.根据权利要求7所述的过度授信风险预测方法,其特征在于,所述基于知识图谱技术,根据企业集团的舆情数据和全量工商数据,构建所述企业集团的成员图谱,包括:
获取企业集团的舆情数据和全量工商数据;
根据所述舆情数据和所述全量工商数据,确定所述企业集团中的集团成员和成员控制关系;
根据所述集团成员和成员控制关系,构建所述企业集团的成员图谱。
9.根据权利要求8所述的过度授信风险预测方法,其特征在于,所述根据所述舆情数据和所述全量工商数据,确定所述企业集团中的集团成员和成员控制关系,包括:
根据所述舆情数据和所述全量工商数据,确定所述企业集团中的龙头企业和成员控制关系;
以所述龙头企业为起始节点,向下遍历所述成员控制关系,得到所述企业集团的所有集团成员。
10.根据权利要求7所述的过度授信风险预测方法,其特征在于,所述根据所述信贷规模,确定所述企业集团的授信风险情况,包括:
根据所述信贷规模,利用预设的授信风险评分策略对所述企业集团进行评分,得到评分结果;
基于所述评分结果确定所述企业集团的授信风险情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011572517.XA CN112598507A (zh) | 2020-12-25 | 2020-12-25 | 基于知识图谱的过度授信风险预测***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011572517.XA CN112598507A (zh) | 2020-12-25 | 2020-12-25 | 基于知识图谱的过度授信风险预测***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112598507A true CN112598507A (zh) | 2021-04-02 |
Family
ID=75203615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011572517.XA Pending CN112598507A (zh) | 2020-12-25 | 2020-12-25 | 基于知识图谱的过度授信风险预测***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598507A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362158A (zh) * | 2021-05-31 | 2021-09-07 | ***股份有限公司 | 一种信用评估方法、装置及计算机可读存储介质 |
Citations (9)
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*** |
US20190354544A1 (en) * | 2011-02-22 | 2019-11-21 | Refinitiv Us Organization Llc | Machine learning-based relationship association and related discovery and search engines |
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 |
CN110930249A (zh) * | 2020-02-07 | 2020-03-27 | 成都数联铭品科技有限公司 | 大型企业信用风险预测方法及***、存储介质及电子设备 |
CN111383102A (zh) * | 2020-03-27 | 2020-07-07 | 北京明略软件***有限公司 | 金融信贷风险识别方法、模型构建方法和装置 |
CN111784508A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 企业风险评估方法、装置及电子设备 |
CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
CN112037032A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的额度管理方法及装置 |
CN112037043A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的优质贷款企业确定方法及装置 |
-
2020
- 2020-12-25 CN CN202011572517.XA patent/CN112598507A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190354544A1 (en) * | 2011-02-22 | 2019-11-21 | Refinitiv Us Organization Llc | Machine learning-based relationship association and related discovery and search engines |
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*** |
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 |
CN110930249A (zh) * | 2020-02-07 | 2020-03-27 | 成都数联铭品科技有限公司 | 大型企业信用风险预测方法及***、存储介质及电子设备 |
CN111383102A (zh) * | 2020-03-27 | 2020-07-07 | 北京明略软件***有限公司 | 金融信贷风险识别方法、模型构建方法和装置 |
CN111784508A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 企业风险评估方法、装置及电子设备 |
CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
CN112037032A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的额度管理方法及装置 |
CN112037043A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的优质贷款企业确定方法及装置 |
Non-Patent Citations (1)
Title |
---|
李小庆: ""客户关联关系知识图谱的构建及应用"", 《中国金融电脑》, pages 86 - 87 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362158A (zh) * | 2021-05-31 | 2021-09-07 | ***股份有限公司 | 一种信用评估方法、装置及计算机可读存储介质 |
CN113362158B (zh) * | 2021-05-31 | 2024-06-11 | ***股份有限公司 | 一种信用评估方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Green et al. | A population-based ecologic study of inflammatory bowel disease: searching for etiologic clues | |
US8615516B2 (en) | Grouping similar values for a specific attribute type of an entity to determine relevance and best values | |
US8412712B2 (en) | Grouping methods for best-value determination from values for an attribute type of specific entity | |
Zhang et al. | A system for tender price evaluation of construction project based on big data | |
CN107767070B (zh) | 用于信息推广的方法及装置 | |
CN105590055A (zh) | 用于在网络交互***中识别用户可信行为的方法及装置 | |
CN111382956A (zh) | 企业集团关系的挖掘方法和装置 | |
CN112598513B (zh) | 识别股东风险交易行为的方法及装置 | |
US8972328B2 (en) | Determining document classification probabilistically through classification rule analysis | |
CN115422173A (zh) | 金融信贷领域的数据治理方法及*** | |
Wieczorkowski et al. | Big data: Three-aspect approach | |
Dong et al. | Cost index predictions for construction engineering based on LSTM neural networks | |
CN108009444A (zh) | 全文搜索的权限控制方法、装置与计算机可读存储介质 | |
CN111461727B (zh) | 交易行为的监控预警方法、装置、存储介质和智能设备 | |
CN112598507A (zh) | 基于知识图谱的过度授信风险预测***和方法 | |
KR20170094935A (ko) | 기업정보 제공 시스템 및 방법 | |
Man et al. | Comprehensive efficiency analysis of logistics industry based on machine learning and self-service data envelopment analysis model | |
CN111026705B (zh) | 建筑工程文件管理方法、***及终端设备 | |
CN114066624A (zh) | 基于图计算的黑名单关联图谱挖掘方法及*** | |
Zhao et al. | Detecting fake reviews via dynamic multimode network | |
Berarducci | Collaborative approaches to blockchain regulation: The Brooklyn Project example | |
US20210209620A1 (en) | Assessing Impact of Media Data Upon Brand Worth | |
US10936984B2 (en) | System for mitigating exposure associated with identified impacts of technological system changes based on solution data modelling | |
CN112613732A (zh) | 一种金融机构监管评级的方法和装置 | |
Zheng et al. | Addressing the challenges of government service provision with AI |
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 |