KR102187832B1 - 유사 기업 추출 장치 및 이를 이용한 유사 기업 추출 방법 - Google Patents
유사 기업 추출 장치 및 이를 이용한 유사 기업 추출 방법 Download PDFInfo
- Publication number
- KR102187832B1 KR102187832B1 KR1020180049340A KR20180049340A KR102187832B1 KR 102187832 B1 KR102187832 B1 KR 102187832B1 KR 1020180049340 A KR1020180049340 A KR 1020180049340A KR 20180049340 A KR20180049340 A KR 20180049340A KR 102187832 B1 KR102187832 B1 KR 102187832B1
- Authority
- KR
- South Korea
- Prior art keywords
- company
- node
- extracting
- transaction
- control unit
- Prior art date
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/10—Office automation; Time management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
유사 기업 추출 장치 및 이를 이용한 유사 기업 추출 방법이 개시된다.
본 발명의 거래 데이터 기반 유사기업 추출 장치는, 외부 제1 서버와 거래 유무 데이터를 송수신하고 외부 제2 서버와 거래 내역 데이터를 송수신하는 통신부; 및 상기 통신부와 전기적으로 연결되고, 수신된 상기 거래 내역 데이터를 기초로 관심 기업의 적어도 하나 이상인 제1차 거래처 및 상기 관심 기업의 적어도 하나 이상인 유사 기업을 추출하는 제어부를 포함하고, 상기 통신부는, 상기 제어부가 상기 유사 기업을 추출하면 외부 단말기에 상기 유사 기업의 리스트를 송신하고, 상기 제어부는, 상기 거래 내역 데이터를 기초로 입력 인자군을 생성하며, 생성된 상기 입력 인자군의 유사도를 기초로 상기 유사 기업을 추출하고, 추출된 상기 제1차 거래처의 거래 내역 데이터를 기초로 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하고, 상기 제2차 거래처 중에서 상기 유사 기업을 추출하고, 상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되고, 상기 제어부는, 수신된 상기 거래 내역 데이터를 기초로 학습 데이터를 1회 이상 갱신하는 과정을 포함하는 기계 학습을 통해 상기 가치사슬 업체 리스트를 추출하되, 상기 학습 데이터는 복수의 학습 노드 및 상기 학습 노드 각각에 대응되는 학습 입력 인자군으로 구성되며, 상기 제어부는 상기 학습 노드에 대응되는 상기 거래 내역 데이터를 상기 제2 서버에 요청하고, 수신된 상기 거래 내역 데이터를 기초로 상기 학습 입력 인자군을 추출할 수 있다.
본 발명의 거래 데이터 기반 유사기업 추출 장치는, 외부 제1 서버와 거래 유무 데이터를 송수신하고 외부 제2 서버와 거래 내역 데이터를 송수신하는 통신부; 및 상기 통신부와 전기적으로 연결되고, 수신된 상기 거래 내역 데이터를 기초로 관심 기업의 적어도 하나 이상인 제1차 거래처 및 상기 관심 기업의 적어도 하나 이상인 유사 기업을 추출하는 제어부를 포함하고, 상기 통신부는, 상기 제어부가 상기 유사 기업을 추출하면 외부 단말기에 상기 유사 기업의 리스트를 송신하고, 상기 제어부는, 상기 거래 내역 데이터를 기초로 입력 인자군을 생성하며, 생성된 상기 입력 인자군의 유사도를 기초로 상기 유사 기업을 추출하고, 추출된 상기 제1차 거래처의 거래 내역 데이터를 기초로 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하고, 상기 제2차 거래처 중에서 상기 유사 기업을 추출하고, 상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되고, 상기 제어부는, 수신된 상기 거래 내역 데이터를 기초로 학습 데이터를 1회 이상 갱신하는 과정을 포함하는 기계 학습을 통해 상기 가치사슬 업체 리스트를 추출하되, 상기 학습 데이터는 복수의 학습 노드 및 상기 학습 노드 각각에 대응되는 학습 입력 인자군으로 구성되며, 상기 제어부는 상기 학습 노드에 대응되는 상기 거래 내역 데이터를 상기 제2 서버에 요청하고, 수신된 상기 거래 내역 데이터를 기초로 상기 학습 입력 인자군을 추출할 수 있다.
Description
본 발명은 기업의 거래 정보의 패턴을 인식하여 관심 기업과 유사한 범주의 기업을 인식하는 장치 및 이를 이용한 유사기업 인식 방법에 관한 것이다.
기업 활동에서 해당 기업과 유사한 사업을 영위하는 유사 범주의 기업들을 인식하는 것은 경쟁 환경의 인식, 새로운 사업 기회의 도출 및 위험의 파악 면에서 매우 중요한 작업이다. 이에 따라, 공공기관 또는 시장조사기관에서는 표준 산업 분류를 비롯하여 산업, 업종, 지역별 통계 자료를 제공함으로써 기업이 자신과 유사한 업종의 기업을 인식할 수 있는 기반을 제공하고 있다.
그러나, 근래의 기업 환경은 산업기술간 융·복합으로 기업들의 당면 경영이슈들이 복잡해지고 있으며 이에 따라 공공기관 또는 시장조사기관에서 제공하는 자료는 시장 상황을 즉시 반영하기에는 한계가 있는 제한적인 데이터일 수 있다.
이에 따라 기업 경영전략 수립에 있어 전자세금계산서와 같은 거래 데이터 활용에 대한 필요성이 증가하고 있다. 거래 데이터는 기업 간 거래 정보를 실시간으로 확인할 수 있어 적시성을 갖는 중요 정보로서 기업의 경영의사결정 수단으로 활용이 가능하다. 특히 거래 데이터의 분석을 통해 관심 기업과 사업의 구조가 유사한 기업을 인식하고 이를 기반으로 유연한 경쟁 분석을 통해 경영 전략을 수립하는 것은 기업 활동에 많은 도움이 될 수 있다.
본 발명은 거래 데이터를 이용하여 실시간으로 기업의 경쟁 환경의 인식, 새로운 사업 기회의 도출 및 사업상 위험의 파악을 위한 경영전략 수립에 활용 가능한 유사 기업을 추출할 수 있는 방법을 제공하는 것을 목적으로 한다.
또한 본 발명은, 관심 기업과 유사한 기업의 추출을 위하여 정확도가 개선된 방법을 제공하는 또 다른 목적이 있다.
상술한 목적을 달성하기 위한 본 발명의 거래 데이터 기반 유사기업 추출 장치는, 외부 제1 서버와 거래 유무 데이터를 송수신하고 외부 제2 서버와 거래 내역 데이터를 송수신하는 통신부; 및 상기 통신부와 전기적으로 연결되고, 수신된 상기 거래 내역 데이터를 기초로 관심 기업의 적어도 하나 이상인 제1차 거래처 및 상기 관심 기업의 적어도 하나 이상인 유사 기업을 추출하는 제어부를 포함하고, 상기 통신부는, 상기 제어부가 상기 유사 기업을 추출하면 외부 단말기에 상기 유사 기업의 리스트를 송신할 수 있다.
그리고, 상기 제어부는 상기 거래 내역 데이터를 기초로 입력 인자군을 생성하며, 상기 입력 인자군의 유사도를 기초로 상기 유사 기업을 추출하는 것이 바람직하다.
상기 거래 내역 데이터는 비정형 데이터인 거래 품목명을 포함하고, 상기 제어부는 상기 거래 품목명의 형태소 분석 및 클러스터링을 통해 거래 품목 그룹명을 형성하여 상기 입력 인자군에 포함시키도록 할 수 있다.
상기 제어부는, 추출된 상기 제1차 거래처의 거래 내역 데이터를 기초로 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하고, 상기 제2차 거래처 중에서 상기 유사 기업을 추출하도록 하는 것이 바람직하다.
한편, 상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되는 것이 바람직하다.
그리고, 상기 1차 서브 노드는 상기 마스터 노드의 전방에 위치한 전방 서브 노드와 상기 마스터 노드의 후방에 위치한 후방 서브 노드로 구분되고, 상기 제어부는, 상기 제2차 거래처 중에서 상기 전방 서브 노드와 상기 후방 서브 노드와 동시에 거래 관계가 있는 기업을 상기 유사 기업 중에서 우선 순위가 있는 최유사 기업으로 추출하도록 할 수 있다.
상기 제어부는, 상기 거래 유무 데이터 및 상기 거래 내역 데이터로부터 상기 마스터 노드와 관련된 후보 노드를 추출하고, 상기 후보 노드의 거래 내역 데이터를 상기 제2 서버에 요청하고, 상기 후보 노드의 거래 내역 데이터를 상기 제2 서버로부터 수신하여 상기 후보 노드에 관한 입력 인자군을 추출할 수 있다. 또한 상기 제어부는 추출된 상기 입력 인자군으로부터 상기 후보 노드의 관련도를 추출하고, 상기 관련도에 기초하여 상기 후보 노드 중에서 서브 노드를 추출하여 상기 가치사슬 업체 리스트를 형성하는
또한 상기 제어부는, 수신된 상기 거래 내역 데이터를 기초로 학습 데이터를 1회 이상 갱신하는 과정을 포함하는 기계 학습을 통해 가치사슬 업체 리스트를 추출하되, 상기 학습 데이터는 복수의 학습 노드 및 상기 학습 노드 각각에 대응되는 학습 입력 인자군으로 구성되며, 상기 제어부는 상기 학습 노드에 대응되는 상기 거래 내역 데이터를 상기 제2 서버에 요청하고, 수신된 상기 거래 내역 데이터를 기초로 상기 학습 입력 인자군을 추출하는 것이 바람직하다.
더 나아가, 상기 제어부는 상기 거래 유무 데이터, 상기 거래 내역 데이터 및 상기 가치사슬 업체 리스트를 기초로 가치사슬 그래프를 생성하고, 상기 통신부는 상기 제어부가 상기 가치사슬 그래프를 생성하면 외부 단말기에 상기 가치사슬 그래프를 송신하며, 상기 가치사슬 그래프는 복수 개의 노드; 상기 복수 개의 노드를 연결하는 복수 개의 선을 포함하고, 상기 복수 개의 노드는 상기 마스터 노드와 상기 서브 노드를 포함할 수 있다.
상기 제어부는 추출된 상기 유사 기업 및 상기 유사 기업과 상기 제1차 거래처를 연결하는 선을 상기 가치사슬 그래프에 포함시켜 생성하되, 상기 유사 기업과 상기 제1차 거래처를 연결하는 선은 상기 복수 개의 노드를 연결하는 상기 복수 개의 선과 대비하여, 색과 굵기와 끝단 유형 중 적어도 하나를 달리하는 것이 바람직하다.
본 발명의 일 실시예에 따른 통신부와 제어부를 포함하는 유사 기업 추출 장치를 이용한 유사 기업의 추출 방법은, 외부 단말기로부터 관심 기업의 상기 유사 기업의 추출 요청을 수신하는 단계; 상기 통신부가 외부 제1 서버로부터 상기 마스터 노드의 거래 유무 데이터를 수신하면 상기 제어부가 상기 관심 기업의 적어도 하나 이상인 제1차 거래처를 추출하는 단계; 상기 통신부가 외부 제2 서버로부터 상기 제1차 거래처의 거래 내역 데이터를 수신하면, 상기 제어부가 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하는 단계; 상기 제어부가 상기 제2차 거래처 중에서 상기 유사 기업을 추출하는 단계를 포함하여 구성될 수 있다.
그리고, 상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되도록 하는 것이 바람직하다.
상술한 본 발명의 다양한 실시 예에 따르면, 거래 데이터를 이용하여 실시간으로 기업의 경영전략 수립에 활용 가능한 유사기업을 인식함으로써 경쟁 환경의 인식, 새로운 사업 기회의 도출 및 사업상 위험의 파악에 이점을 제공할 수 있다.
더 나아가, 관심 기업과 유사한 기업 인식함 에 있어서, 정확도가 개선된 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 유사기업 추출 장치의 모식도이다.
도 2는 본 발명의 관심 기업, 제1차 거래처 및 유사 기업간의 거래 관계를 나타낸 모식도이다.
도 3은 본 발명과 관련된 가치사슬의 일 예를 나타낸 도면이다.
도 4는 본 발명과 관련된 가치사슬의 일 예를 나타낸 도면이다
도 5는 본 발명의 일 실시예에 따른 가치사슬 추출 과정에 관한 플로우 차트이다.
도 6은 본 발명의 일 실시예에 따른 학습 데이터의 자료 구조도이다.
도 7은 본 발명의 일 실시예에 따른 가치사슬 내의 노드 사이의 상관 관계를 시각화한 그래프를 나타낸 도면이다.
도 2는 본 발명의 관심 기업, 제1차 거래처 및 유사 기업간의 거래 관계를 나타낸 모식도이다.
도 3은 본 발명과 관련된 가치사슬의 일 예를 나타낸 도면이다.
도 4는 본 발명과 관련된 가치사슬의 일 예를 나타낸 도면이다
도 5는 본 발명의 일 실시예에 따른 가치사슬 추출 과정에 관한 플로우 차트이다.
도 6은 본 발명의 일 실시예에 따른 학습 데이터의 자료 구조도이다.
도 7은 본 발명의 일 실시예에 따른 가치사슬 내의 노드 사이의 상관 관계를 시각화한 그래프를 나타낸 도면이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시 예들 뿐만 아니라 특정 실시 예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블록도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.
본 명세서의 청구범위에서, 상세한 설명에 기재된 기능을 수행하기 위한 수단으로 표현된 구성요소는 예를 들어 상기 능을 수행하는 회로 소자의 조합 또는 펌웨어/마이크로 코드 등을 포함하는 모든 형식의 소프트웨어를 포함하는 기능을 수행하는 모든 방법을 포함하는 것으로 의도되었으며, 상기 기능을 수행하도록 상기 소프트웨어를 실행하기 위한 적절한 회로와 결합된다. 이러한 청구범위에 의해 정의되는 본 발명은 다양하게 열거된 수단에 의해 제공되는 기능들이 결합되고 청구항이 요구하는 방식과 결합되기 때문에 상기 기능을 제공할 수 있는 어떠한 수단도 본 명세서로부터 파악되는 것과 균등한 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시 예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 유사기업 추출 장치의 모식도이다. 도 1을 참조하면, 본 발명의 일 실시예에 따른 가치사슬 추출 장치는 주 서버(100)일 수 있다.
주 서버(100)는 모델링을 구축하여 가치사슬을 추출하는 서버일 수 있다. 주 서버(100)는 제1 서버(200) 및/또는 제2 서버(300)에 유선 및/또는 무선으로 연결될 수 있다. 주 서버(100)는 제어부(controller)를 포함할 수 있다. 주 서버(100)는 외부와 통신할 수 있는 통신부를 포함할 수 있다.
제1 서버(200)는 특정 기업의 거래 유무에 관한 정보를 보유하고 관리할 수 있다. 제1 서버(200)는 예를 들어 은행, 신용평가회사, 기업 거래 정보 배급 회사, 투자금융사 등일 수 있다. 주 서버(100)의 통신부는 제1 서버(200)와 통신하여 자료를 송수신할 수 있다.
제2 서버(300)는 특정 기업의 거래 내역 데이터, 즉 거래 내역에 관한 정보를 보유하고 관리할 수 있다. 제2 서버(300)는 예를 들어 국세청 또는/및 통계청일 수 있다. 다른 예를 들어 제2 서버(300)는 제1 서버(200)와 통합될 수 있다. 주 서버(100)의 통신부는 제2 서버(300)와 통신하여 자료를 송수신할 수 있다.
단말기(400)는 주 서버(100)와 유선 또는/및 무선으로 연결될 수 있다. 단말기(400)는 컴퓨터이거나 이동 단말기일 수 있다. 예를 들어 단말기(400)는 어플리케이션(application)을 이용하여 주 서버(100)와 통신할 수 있다. 주 서버(100)의 통신부는 단말기(400)와 통신하여 자료를 송수신할 수 있다.
도 2는 본 발명의 관심 기업, 제1차 거래처 및 유사 기업간의 거래 관계를 나타낸 모식도이다. 도 2에 도시된 바와 같이, 상기 제어부는 수신된 상기 거래 내역 데이터를 기초로 관심 기업의 적어도 하나 이상인 제1차 거래처 및 상기 관심 기업의 적어도 하나 이상인 유사 기업을 추출할 수 있으며, 상기 통신부는, 상기 제어부가 상기 유사 기업을 추출하면 외부 단말기에 상기 유사 기업의 리스트를 송신할 수 있다. 본 발명의 일 실시 예에서 유사 기업이라 함은, 관심 기업과 거래 내역을 기초로 파악된 사업 구조가 유사한 기업을 의미하며, 관심 기업과 경쟁 관계에 있는 기업이거나, 동일한 산업군에 포함될 수 있는 기업일 수 있다.
상기 제어부는 상기 거래 내역 데이터를 기초로 입력 인자군을 생성하며, 상기 입력 인자군의 유사도를 기초로 상기 유사 기업을 추출하는 것이 바람직하다. 상기 거래 내역 데이터는 비정형 데이터인 거래 품목명을 포함하고, 상기 제어부는 상기 거래 품목명의 형태소 분석 및 클러스터링을 통해 거래 품목 그룹명을 형성하여 상기 입력 인자군에 포함시키도록 할 수 있다. 상기 거래 내역 데이터는 예를 들어 세금계산서일 수 있다. 상기 입력 인자군은, 거래 횟수, 거래 금액, 거래 주기, 매출액, 지역적 거리, 거래 의존율, 거래 월별 거래 금액, 품목 동조화 지수 중 적어도 하나를 포함할 수 있다. 상기 '유사도(Similarity)'는 이른바 구조적 등위성(Structural Equivalence), 즉 내부에 포함되는 인자 또는 원소들의 겹치는 정도로서. 코사인 유사도나 자카드 유사도 뿐만 아니라 피어슨 상관계수 등이 사용될 수 있다. 또한 아래에 기술하는 바와 같이 관심 기업을 마스터 노드로 하는 가치사슬 내에 있는 기업을 일정 수준의 유사도를 만족하는 기업이라 판단할 수도 있다.
또한 도 2에 도시된 바와 같이, 상기 제어부는, 추출된 상기 제1차 거래처의 거래 내역 데이터를 기초로 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하고, 상기 제2차 거래처 중에서 상기 유사 기업을 추출하도록 하는 것이 바람직하다. 일례로 제1차 거래처가 관심 기업으로부터 특정 품목을 매입하는 기업인 경우(도 2의 제1차 거래처(1) 참조), 상기 매입하는 기업에 특정 품목을 판매하는 기업(도 2의 유사업체(1) 참조)은 관심 기업과 유사한 사업 구조를 가질 가능성이 있다. 제1차 거래처가 관심 기업에 특정 품목을 판매하는 기업인 경우(도 2의 제1차 거래처(2) 참조), 상기 판매하는 기업으로부터 특정 품목을 매입하는 기업(도 2의 유사업체(2) 참조) 또한 관심 기업과 유사한 사업 구조를 가질 가능성이 있다. 이러한 제2차 거래처 중에서 유사 기업을 추출함으로써, 사업 구조의 유사도가 높은 기업을 선별할 수 있다. 이러한 유사 기업 추출 방식은 확장하는 것도 가능하다. 즉, 제2차 거래처와 거래하는 제3차 거래처, 제3차와 거래하는 제4차 거래처가 있을 수 있는데, 이 제4차 거래처 중에서도, 관심 기업과 사업 구조가 유사한 기업을 도출할 수 있다. 이러한 방식으로, 자연수 n에 대하여 제2n차 거래처들은 유사 기업의 후보군이 될 수 있다. 이 경우, 유사 기업 선정 과정에 거래(품목 판매)의 방향(도 2의 화살표)을 고려함으로써, 후보군의 숫자 및 연산의 횟수를 줄이는 것도 가능하다.
도 3은 본 발명과 관련된 가치사슬의 일 예를 나타낸 도면이다. 도 3을 참조하면, 반도체 제조 기업을 중심으로 하는 가치사슬이 나타난다. 가치사슬에서 중심이 되는 노드(node)를 마스터 노드(master node)라고 할 수 있다. 예를 들어 도 1의 가치사슬에서 마스터 노드는 반도체 제조 기업인 X1기업 또는 X2 기업일 수 있다. 다른 예를 들어 도 1의 가치사슬에서 마스터 노드는 반도체 재료를 취급하는 A1 기업 또는 A2 기업일 수 있다.
도 3에 도시된 화살표는 납품의 방향이라 할 수 있다. 예를 들어 반도체 제조 기업은 반도체 재료와 반도체 장비를 납품 받을 수 있다. 예를 들어 반도체 제조 기업은 반도체를 컴퓨터 기업, 통신장비 기업, 그리고 전자 세트 기업에 납품할 수 있다.
도 4는 본 발명과 관련된 가치사슬의 일 예를 나타낸 도면이다. 도 4에 도시된 바와 같이, 본 발명과 관련된 가치사슬의 일례는 마스터 노드를 기점으로 전방과 후방으로 구분될 수 있다.
마스터 노드와 관련을 가지는 노드를 서브 노드라 할 수 있다. 서브 노드는 마스터 노드의 전방에 위치하면 전방 서브 노드라 할 수 있다. 서브 노드는 마스터 노드의 후방에 위치하면 후방 서브 노드라 할 수 있다. 후방 서브 노드는 마스터 노드에게 납품(제품 공급)하는 기업일 수 있다. 전방 서브 노드는 마스터 노드로부터 제품을 구매하는 기업일 수 있다.
서브 노드는 마스터 노드와의 연결 정도에 따라 1차, 2차, 3차로 구분될 수 있다. 예를 들어 1차 서브 노드(F11, F12, F13, F14, R11, R12, R13, R14)는 마스터 노드와 직접적으로 거래하는 기업일 수 있다. 예를 들어 2차 서브 노드(R21, R22, R23, R24, F21, F22, F23, F24)는 1차 서브 노드(F11, F12, F13, F14, R11, R12, R13, R14)를 통해 마스터 노드와 연결된 기업이라 할 수 있다.
본 발명의 일 실시 예에서, 상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되는 것이 바람직하다. 즉, 마스터 노드와의 관련도 측면에서 신뢰성이 검증된 가치사슬 업체 리스트 내의 서브 노드 중에서 제1차 거래처를 추출함으로써, 유사 기업 추출의 정확도를 높이고, 가치사슬과 통합된 시각화 서비스를 제공하는 것이 가능해 진다.
상기 1차 서브 노드는 도 4에 도시된 바와 같이, 상기 마스터 노드의 전방에 위치한 전방 서브 노드와 상기 마스터 노드의 후방에 위치한 후방 서브 노드로 구분되고, 상기 제어부는, 상기 제2차 거래처 중에서 상기 전방 서브 노드와 상기 후방 서브 노드와 동시에 거래 관계가 있는 기업을 상기 유사 기업 중에서 우선 순위가 있는 최유사 기업으로 추출하도록 할 수 있다. 즉 제2차 거래처 중에서 관심 기업의 전, 후방 제1차 거래처와 동시에 거래하고 있는 기업은 관심 기업과 핵심적인 경쟁 관계가 있거나, 사업 구조면에서 동일한 산업군에 속할 가능성이 높다고 판단될 수 있다.
도 5는 본 발명의 일 실시예에 따른 가치사슬 추출 과정에 관한 플로우 차트이다. 도 5에 도시된 바와 같이, 상기 제어부는, 상기 거래 유무 데이터 및 상기 거래 내역 데이터로부터 상기 마스터 노드와 관련된 후보 노드를 추출하고, 상기 후보 노드의 거래 내역 데이터를 상기 제2 서버에 요청하고, 상기 후보 노드의 거래 내역 데이터를 상기 제2 서버로부터 수신하여 상기 후보 노드에 관한 입력 인자군을 추출할 수 있다. 또한 상기 제어부는, 상기 추출된 입력 인자군으로부터 상기 후보 노드의 관련도를 추출하고, 상기 관련도에 기초하여 상기 후보 노드 중에서 서브 노드를 추출하여 상기 가치사슬 업체 리스트를 형성할 수 있다. 관련도는 마스터 노드인 업체의 주된 거래 품목과의 연관성을 포함하는 척도일 수 있다.
도 6은 본 발명의 일 실시예에 따른 학습 데이터의 자료 구조도이다. 도 6에 도시된 바와 같이, 상기 학습 데이터는 복수의 학습 노드 및 상기 학습 노드 각각에 대응되는 학습 입력 인자군으로 구성되며, 상기 제어부는 상기 학습 노드에 대응되는 상기 거래 내역 데이터를 상기 제2 서버(300)에 요청하고, 수신된 상기 거래 내역 데이터를 기초로 상기 학습 입력 인자군을 추출하는 것이 바람직하다.
또한 상기 제어부는, 수신된 상기 거래 내역 데이터를 기초로 학습 데이터를 1회 이상 갱신하는 과정을 포함하는 기계 학습을 통해 가치사슬 업체 리스트를 추출하되, 상기 학습 데이터는 복수의 학습 노드 및 상기 학습 노드 각각에 대응되는 학습 입력 인자군으로 구성되며, 상기 제어부는 상기 학습 노드에 대응되는 상기 거래 내역 데이터를 상기 제2 서버에 요청하고, 수신된 상기 거래 내역 데이터를 기초로 상기 학습 입력 인자군을 추출하는 것이 바람직하다.
상기 기계 학습은 랜덤 포레스트 기법을 포함하고, 상기 후보 노드의 관련도는 상기 후보 노드가 아래에 설명되는 서브 노드일 사후 확률일 수 있다. 즉, 상기 기계 학습은 제1차 랜덤 포레스트 학습 단계를 포함할 수 있다. 이 단계에서 학습 데이터는 제1차 랜덤 포레스트 학습에 의해 사후확률을 가질 수 있다. 또한 상기 기계 학습은 학습 데이터 갱신 단계를 포함할 수 있다. 이 단계에서 학습 데이터는 사후확률의 값에 기초하여 기존의 학습 데이터를 기준으로 새로운 기업을 추가하거나 삭제하여 갱신될 수 있다. 상기 기계 학습은 제2차 랜덤 포레스트 학습 단계를 포함할 수 있다. 이 단계에서 갱신된 학습 데이터는 사후확률을 가질 수 있다. 상기 제2차 랜덤 포레스트 학습 단계를 통해 가치사슬 업체 리스트가 도출될 수 있다. 이 단계에서 가치사슬 업체 리스트는 사후확률에 따라 정렬될 수 있다.
상기 제어부가 상기 학습 데이터를 1회 이상 갱신하는 과정은, 상기 기계 학습을 통해 상기 추출된 입력 인자군으로부터 상기 후보 노드 각각의 관련도를 생성하고, 상기 후보 노드 중에서 상기 학습 노드 중 어느 것과도 일치하지 않는 후보 노드의 관련도가 제1 기준치 이상인 경우, 상기 일치하지 않는 후보 노드를 새로운 학습 노드로 하고, 상기 일치하지 않는 후보 노드에 대응되는 입력 인자군을 새로운 학습 입력 인자군으로 하여 상기 학습 데이터에 추가시키고, 상기 후보 노드 중에서 상기 학습 노드 중 하나와 일치하는 노드의 관련도가 제2 기준치 미만인 경우에 상기 학습 데이터에서 상기 일치하는 노드 및 상기 일치하는 노드에 대응하는 학습 입력 인자군을 제외시키는 과정을 포함할 수 있다. 이러한 학습 데이터의 갱신 과정은 상기 학습 데이터가 실질적으로 유의미하지 않은 거래 내역을 포함하고 있는 경우에도 학습의 정확성을 향상시켜, 신뢰도 높은 가치사슬 업체 리스트를 도출하는 데 기여할 수 있다. 상기 제1 기준치의 설정 방법의 일례로, 상기 후보 노드의 관련도를 큰 순서대로 나열한 후, 상위의 소정 %에 해당하는 관련도를 제1 기준치로 설정하는 것이 가능하다. 상기 소정 %는 일례로 30%와 같은 수치로 지정할 수 있다. 상기 제1 기준치는 상기 제2 기준치보다 높게 설정하는 것이 바람직하다. 이는 학습 데이터의 과도한 변동을 방지하여 안정적인 갱신을 보장할 수 있다.
도 7은 본 발명의 일 실시예에 따른 가치사슬 추출 방법에 의해 도출된 서브 노드(SN1, SN2, SN3, SN4, SN5, SN6 등)와 마스터 노드(MN)의 상관 관계를 시각화한 그래프를 나타낸 도면이다. 도 7은 가치사슬 그래프라 칭할 수 있다.
도 7을 참조하면, 'SNx'는 제1차 x 서브 노드를 의미하고 'SNx,y'는 제1 차 x 서브 노드에 연결된 제2차 y 서브 노드를 의미할 수 있다.
'노드'는 마스터 노드와 서브 노드를 통칭하는 개념으로 이해될 수 있다. 노드 사이의 선(LN)은 노드 사이의 정보를 제공할 수 있다. 예를 들어 노드 사이의 선(LN)의 굵기는 노드 사이의 관련도가 클수록 클 수 있다. 예를 들어 노드 사이의 선(LN)에 나타난 화살표는 납품 방향을 의미할 수 있다. 예를 들어 노드 사이의 선(LN)의 거리는 노드 사이의 지리적 거리를 의미할 수 있다.
도 7에 도시된 그래프는 도 1에 도시된 단말기(400)에 표시되는 화면일 수 있다. 도면에 도시되지 않았으나, 노드에 터치 입력이 가해지면 노드에 관련된 재무 정보 등이 단말기(400)의 화면에 표시될 수 있다.
상기 제어부는 상기 거래 유무 데이터, 상기 거래 내역 데이터 및 상기 가치사슬 업체 리스트를 기초로 상기 가치사슬 그래프를 생성할 수 있다.
또한, 상기 제어부는 추출된 상기 유사 기업 및 상기 유사 기업과 상기 제1차 거래처를 연결하는 선을 상기 가치사슬 그래프에 포함시켜 생성하되, 상기 유사 기업과 상기 제1차 거래처를 연결하는 선은 상기 복수 개의 노드를 연결하는 상기 복수 개의 선과 대비하여, 색과 굵기와 끝단 유형 중 적어도 하나를 달리하는 것이 바람직하다. 일례로 도 7의 SN6,2는 관심기업 MN(마스터 노드)의 유사 기업일 수 있다.
본 발명의 일 실시예에 따른 통신부와 제어부를 포함하는 거래 데이터 기반 유사 기업 추출 장치를 이용한 유사 기업의 추출 방법은, 외부 단말기로부터 관심 기업의 상기 유사 기업의 추출 요청을 수신하는 단계; 상기 통신부가 외부 제1 서버로부터 상기 마스터 노드의 거래 유무 데이터를 수신하면 상기 제어부가 상기 관심 기업의 적어도 하나 이상인 제1차 거래처를 추출하는 단계; 상기 통신부가 외부 제2 서버로부터 상기 제1차 거래처의 거래 내역 데이터를 수신하면, 상기 제어부가 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하는 단계; 상기 제어부가 상기 제2차 거래처 중에서 상기 유사 기업을 추출하는 단계를 포함하여 구성될 수 있다.
그리고, 상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되도록 하는 것이 바람직하다.
앞에서 설명된 본 발명의 어떤 실시예들 또는 다른 실시예들은 서로 배타적이거나 구별되는 것은 아니다. 앞서 설명된 본 발명의 어떤 실시예들 또는 다른 실시예들은 각각의 구성 또는 기능이 병용되거나 조합될 수 있다.
상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
100: 주 서버 200: 제1 서버
300: 제2 서버 400: 단말기
300: 제2 서버 400: 단말기
Claims (12)
- 외부 제1 서버와 거래 유무 데이터를 송수신하고 외부 제2 서버와 거래 내역 데이터를 송수신하는 통신부; 및
상기 통신부와 전기적으로 연결되고, 수신된 상기 거래 내역 데이터를 기초로 관심 기업의 적어도 하나 이상인 제1차 거래처 및 상기 관심 기업의 적어도 하나 이상인 유사 기업을 추출하는 제어부를 포함하고,
상기 통신부는, 상기 제어부가 상기 유사 기업을 추출하면 외부 단말기에 상기 유사 기업의 리스트를 송신하고,
상기 제어부는,
상기 거래 내역 데이터를 기초로 입력 인자군을 생성하며, 생성된 상기 입력 인자군의 유사도를 기초로 상기 유사 기업을 추출하고,
추출된 상기 제1차 거래처의 거래 내역 데이터를 기초로 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하고, 상기 제2차 거래처 중에서 상기 유사 기업을 추출하고,
상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되고,
상기 제어부는,
수신된 상기 거래 내역 데이터를 기초로 학습 데이터를 1회 이상 갱신하는 과정을 포함하는 기계 학습을 통해 상기 가치사슬 업체 리스트를 추출하되,
상기 학습 데이터는 복수의 학습 노드 및 상기 학습 노드 각각에 대응되는 학습 입력 인자군으로 구성되며,
상기 제어부는 상기 학습 노드에 대응되는 상기 거래 내역 데이터를 상기 제2 서버에 요청하고, 수신된 상기 거래 내역 데이터를 기초로 상기 학습 입력 인자군을 추출하는 것을 특징으로 하는 유사 기업 추출 장치. - 삭제
- 제 1 항에 있어서,
상기 거래 내역 데이터는 비정형 데이터인 거래 품목명을 포함하고,
상기 제어부는
상기 거래 품목명의 형태소 분석 및 클러스터링을 통해 거래 품목 그룹명을 형성하여 상기 입력 인자군에 포함시키는 것을 특징으로 하는 유사 기업 추출 장치. - 삭제
- 삭제
- 제 1 항에 있어서,
상기 1차 서브 노드는 상기 마스터 노드의 전방에 위치한 전방 서브 노드와 상기 마스터 노드의 후방에 위치한 후방 서브 노드로 구분되고,
상기 제어부는,
상기 제2차 거래처 중에서 상기 전방 서브 노드 및 상기 후방 서브 노드와 동시에 거래 관계가 있는 기업을 상기 유사 기업 중에서 우선 순위가 있는 최유사 기업으로 추출하는 것을 특징으로 하는 유사 기업 추출 장치. - 제 1 항에 있어서,
상기 제어부는,
상기 거래 유무 데이터 및 상기 거래 내역 데이터로부터 상기 마스터 노드와 관련된 후보 노드를 추출하고, 상기 후보 노드의 거래 내역 데이터를 상기 제2 서버에 요청하고, 상기 후보 노드의 거래 내역 데이터를 상기 제2 서버로부터 수신하여 상기 입력 인자군을 추출하며,
추출된 상기 입력 인자군으로부터 상기 후보 노드의 관련도를 추출하고, 상기 관련도에 기초하여 상기 후보 노드 중에서 서브 노드를 추출하여 상기 가치사슬 업체 리스트를 형성하는 것을 특징으로 하는 유사 기업 추출 장치. - 삭제
- 제 1 항에 있어서,
상기 제어부는
상기 거래 유무 데이터, 상기 거래 내역 데이터 및 상기 가치사슬 업체 리스트를 기초로 가치사슬 그래프를 생성하고,
상기 통신부는 상기 제어부가 상기 가치사슬 그래프를 생성하면 외부 단말기에 상기 가치사슬 그래프를 송신하며,
상기 가치사슬 그래프는
복수 개의 노드;
상기 복수 개의 노드를 연결하는 복수 개의 선을 포함하고,
상기 복수 개의 노드는 상기 마스터 노드와 상기 서브 노드를 포함하는 것을 특징으로 하는 유사 기업 추출 장치. - 제 9 항에 있어서,
상기 제어부는,
추출된 상기 유사 기업 및 상기 유사 기업과 상기 제1차 거래처를 연결하는 선을 상기 가치사슬 그래프에 포함시켜 생성하되,
상기 유사 기업과 상기 제1차 거래처를 연결하는 선은 상기 복수 개의 노드를 연결하는 상기 복수 개의 선과 대비하여, 색과 굵기와 끝단 유형 중 적어도 하나를 달리하는 것을 특징으로 하는 유사 기업 추출 장치. - 통신부와 제어부를 포함하는 유사 기업 추출 장치를 이용한 유사 기업의 추출 방법에 있어서,
외부 단말기로부터 관심 기업의 상기 유사 기업의 추출 요청을 수신하는 단계;
상기 통신부가 외부 제1 서버로부터 상기 관심 기업의 거래 유무 데이터를 수신하면 상기 제어부가 상기 관심 기업의 적어도 하나 이상인 제1차 거래처를 추출하는 단계;
상기 통신부가 외부 제2 서버로부터 상기 제1차 거래처의 거래 내역 데이터를 수신하면, 상기 제어부가 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하는 단계;
상기 제어부가 상기 제2차 거래처 중에서 상기 유사 기업을 추출하는 단계를 포함하고,
상기 제1차 거래처를 추출하는 단계에서,
상기 제1차 거래처는 상기 관심 기업을 마스터 노드로 하는 가치사슬 업체 리스트에서 상기 관심 기업과 직접 거래 관계가 있는 1차 서브 노드이거나, 상기 1차 서브 노드 중에서 선택되고,
상기 제어부가,
수신된 상기 거래 내역 데이터를 기초로 학습 데이터를 1회 이상 갱신하는 과정을 포함하는 기계 학습을 통해 상기 가치사슬 업체 리스트를 추출하되,
상기 학습 데이터는 복수의 학습 노드 및 상기 학습 노드 각각에 대응되는 학습 입력 인자군으로 구성되며,
상기 제어부는 상기 학습 노드에 대응되는 상기 거래 내역 데이터를 상기 제2 서버에 요청하고, 수신된 상기 거래 내역 데이터를 기초로 상기 학습 입력 인자군을 추출하고,
상기 2차 거래처를 추출하는 단계에서,
상기 제어부가,
추출된 상기 제1차 거래처의 거래 내역 데이터를 기초로 상기 제1차 거래처와 거래하는 적어도 하나 이상인 제2차 거래처를 추출하고,
상기 유사 기업을 추출하는 단계에서,
상기 제어부가,
상기 거래 내역 데이터를 기초로 입력 인자군을 생성하며, 생성된 상기 입력 인자군의 유사도를 기초로 상기 유사 기업을 추출하고,
상기 제2차 거래처 중에서 상기 유사 기업을 추출하는 것을 특징으로 하는 유사 기업 추출 방법. - 제 11 항에 있어서,
상기 1차 서브 노드는 상기 마스터 노드의 전방에 위치한 전방 서브 노드와 상기 마스터 노드의 후방에 위치한 후방 서브 노드로 구분되고,
상기 유사 기업을 추출하는 단계에서,
상기 제어부가,
상기 제2차 거래처 중에서 상기 전방 서브 노드 및 상기 후방 서브 노드와 동시에 거래 관계가 있는 기업을 상기 유사 기업 중에서 우선 순위가 있는 최유사 기업으로 추출하는 것을 특징으로 하는 유사 기업 추출 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180049340A KR102187832B1 (ko) | 2018-04-27 | 2018-04-27 | 유사 기업 추출 장치 및 이를 이용한 유사 기업 추출 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180049340A KR102187832B1 (ko) | 2018-04-27 | 2018-04-27 | 유사 기업 추출 장치 및 이를 이용한 유사 기업 추출 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190125067A KR20190125067A (ko) | 2019-11-06 |
KR102187832B1 true KR102187832B1 (ko) | 2020-12-07 |
Family
ID=68542001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180049340A KR102187832B1 (ko) | 2018-04-27 | 2018-04-27 | 유사 기업 추출 장치 및 이를 이용한 유사 기업 추출 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102187832B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220163770A (ko) | 2021-06-03 | 2022-12-12 | 금석우 | 기업 간의 거래 중개 플랫폼 서비스 방법 |
US20220405772A1 (en) * | 2021-06-21 | 2022-12-22 | Fronteo, Inc. | Information processing system and information processing method |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101927578B1 (ko) * | 2016-02-12 | 2019-03-07 | 중소기업은행 | 기업정보 제공 시스템 및 방법 |
-
2018
- 2018-04-27 KR KR1020180049340A patent/KR102187832B1/ko active IP Right Grant
Non-Patent Citations (1)
Title |
---|
The Journal of Society for e-Business Studies |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220163770A (ko) | 2021-06-03 | 2022-12-12 | 금석우 | 기업 간의 거래 중개 플랫폼 서비스 방법 |
US20220405772A1 (en) * | 2021-06-21 | 2022-12-22 | Fronteo, Inc. | Information processing system and information processing method |
Also Published As
Publication number | Publication date |
---|---|
KR20190125067A (ko) | 2019-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330445B (zh) | 用户属性的预测方法和装置 | |
Zhou et al. | Internet financial fraud detection based on a distributed big data approach with node2vec | |
CN111476662A (zh) | 反洗钱识别方法及装置 | |
CN111737546B (zh) | 确定实体业务属性的方法及装置 | |
CN111831923A (zh) | 识别关联的特定账户的方法、装置及存储介质 | |
CN111489065A (zh) | 融合ict供应链网络拓扑和产品商业信息的节点风险评估 | |
CN111080304A (zh) | 一种可信关系识别方法、装置及设备 | |
CN110310114A (zh) | 对象分类方法、装置、服务器及存储介质 | |
KR102228737B1 (ko) | Ai를 이용한 가짜뉴스 판독 방법 및 장치 | |
KR102187832B1 (ko) | 유사 기업 추출 장치 및 이를 이용한 유사 기업 추출 방법 | |
CN111639690A (zh) | 基于关系图谱学习的欺诈分析方法、***、介质及设备 | |
US11823026B2 (en) | Artificial intelligence system employing graph convolutional networks for analyzing multi-entity-type multi-relational data | |
CN105339968A (zh) | 响应于搜索查询的社交网络增强内容项 | |
CN109784352A (zh) | 一种评估分类模型的方法和装置 | |
CN116307671A (zh) | 风险预警方法、装置、计算机设备、存储介质 | |
US20240232232A1 (en) | Automated data set enrichment, analysis, and visualization | |
CN114118816A (zh) | 一种风险评估方法、装置、设备及计算机存储介质 | |
US11551317B2 (en) | Property valuation model and visualization | |
KR20220155377A (ko) | 계정의 식별방법, 식별장치, 전자 디바이스 및 컴퓨터 판독 가능한 매체 | |
CN117291722A (zh) | 对象管理方法、相关设备及计算机可读介质 | |
CN116431651A (zh) | 图数据处理方法、装置和计算机设备 | |
CN111984698B (zh) | 一种信息预测方法、装置及存储介质 | |
CN115293291A (zh) | 排序模型的训练方法、排序方法、装置、电子设备及介质 | |
CN116806337A (zh) | 使用子图的信息匹配 | |
US20200334595A1 (en) | Company size estimation system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |