CN105303447A - 利用网络信息进行信用评级的方法和系统 - Google Patents
利用网络信息进行信用评级的方法和系统 Download PDFInfo
- Publication number
- CN105303447A CN105303447A CN201510505605.0A CN201510505605A CN105303447A CN 105303447 A CN105303447 A CN 105303447A CN 201510505605 A CN201510505605 A CN 201510505605A CN 105303447 A CN105303447 A CN 105303447A
- Authority
- CN
- China
- Prior art keywords
- credit
- user
- data
- network
- original
- 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
Abstract
本申请公开了一种利用网络信息进行信用评级的方法和系统。所述方法的一具体实施方式包括:通过与网络之间的接口,设置输入信息条目;接收用户按照所述信息条目输入的内容,并获得用户原始信用数据;使用预先指定的算法分析所述原始信用数据,得到分析结果;根据所述分析结果,生成信用评级。该实施方式实现了通过分析用户长期数据的量化值,更真实、准确地反映用户的信用。
Description
技术领域
本申请涉及计算机应用领域,具体涉及信用评级领域,尤其涉及一种利用网络信息进行信用评级的方法和系统。
背景技术
借贷关系的前提是信用,互联网P2P等新型金融模式快速发展,但是传统的银行征信服务只覆盖了一部分网民,信用评价体系的不完善妨碍了新型借贷模式的开展。
传统的征信方法存在以下不足:
1、很多人没有银行借贷记录,没有信用卡消费记录;
2、银行借贷记录和信用卡消费记录本身并不全面,现金消费能力和网络消费能力被忽视;
3、线下的行为记录本身是一件很难的事情,成本高,信息不全面,而线上的记录相对成本很低,信息量也很大。
发明内容
本申请提供了一种利用网络信息进行信用评级的方法和系统。
一方面,本申请提供了一种利用网络信息进行信用评级的方法,所述方法包括:通过与网络之间的接口,设置输入信息条目;
接收用户按照所述信息条目输入的内容,并获得用户原始信用数据;使用预先指定的算法分析所述原始信用数据,得到分析结果;根据所述分析结果,生成信用评级。
在一些实施例中,获得用户原始信用数据包括:根据用户的身份信息向服务器端网络应用查询与所述用户的网络身份关联的私有网络信息。
在一些实施例中,所述获得的原始信用数据是针对一个评价对象的原始信用数据,或者是针对多个评价对象的原始信用数据,或者是预先指定的与网络相对应的类型的原始信用数据。
在一些实施例中,分析所述原始信用数据的过程具体包括:确定用户的社交参数。
在一些实施例中,所述社交参数包括:入度D、介数B、聚集系数C。
在一些实施例中,所述入度D,具体包括:表示在网络中任意一个节点被其他节点关注的数量。
在一些实施例中,所述介数B,具体包括:表示任意两个节点通过节点i的最短路径的数量;
g(m,n)是节点m和n之间的最短路径数,gi(m,n)是节点m和n之间经过节点i的最短路径数。
在一些实施例中,所述聚集系数C,具体包括:
k是节点的有向边数量;Qi是实际存在的边数。
在一些实施例中,根据用户的社交参数与网络信用分值的对应表,得到所述网络信用分值f1,f2,f3。
在一些实施例中,根据所述分析结果,生成信用评级包括:评估用户的所述网络信用分值f1,f2,f3,将所述网络信用分值f1,f2,f3的分数相加,得到用户的社交信用总分。
在一些实施例中,查询用户信用评级,将包含所述信用评级的查询结果输出。
第二方面,本申请提供了一种利用网络信息进行信用评级的系统,所述系统包括:输入单元,用于通过与网络之间的接口,设置输入信息条目;征信单元,用于接收用户按照所述信息条目输入的内容,并获得用户原始信用数据;数据分析单元,用于使用预先指定的算法分析所述原始信用数据,得到分析结果;信用评估单元,用于根据所述分析结果,生成信用评级。
在一些实施例中,还包括:匹配单元,用于在所述征信单元获得用户原始信用数据之前,指定所述征信单元获得原始信用数据的类型是与网络相对应的类型。
在一些实施例中,还包括:计算单元,用于确定用户的社交参数。
在一些实施例中,还包括:计算单元,用于根据用户的社交参数与网络信用分值的对应表,得到所述网络信用分值f1,f2,f3。
在一些实施例中,还包括:计算单元,用于评估用户的网络信用分值f1,f2,f3,将所述网络信用分值f1,f2,f3的分数相加,得到所述用户的社交信用总分。
在一些实施例中,还包括:显示单元,用于查询用户信用评级,将包含所述信用评级的查询结果输出。
本申请提供的利用网络信息进行信用评级的方法和系统,通过搜集个人的网络信用参数,并将网络信用参数进行统计计算,得到个人用户的入度、介数和聚集系数三个指标,将个人的三个指标分数相加得到个人的信用总分,由此可以对个人的信用进行评级,实现了通过分析用户长期数据的量化值,更真实、准确地反映用户的信用。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请一实施例提供的利用网络信息进行信用评级的方法流程图;
图2是本申请另一实施例提供的用户社交属性与信用值对应表图;
图3是本申请又一实施例提供的利用网络信息进行信用评级的系统架构图;
图4是本申请社交属性与信用值对应表生成系统图
图5是本申请计算用户社交信用分值的功能架构图;
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了利用网络信息进行信用评级的方法流程图100。该流程100,包括以下步骤:
步骤101,通过与网络之间的接口,设置输入信息条目。
在本实施例中,步骤101的执行主体可以是独立于业务系统的装置,该执行主体可以通过与信息网络之间的接口与网络数据库进行交互操作。上述信息条目是用户属性信息的描述,如姓名、年龄、学习经历、工作经历,等等。所述信息条目之间隐含着内在联系,例如,“出生日期”和“身份证号码”相对应,通过查找所述身份证号码中包含的出生日期,并与用户输入的“出生日期”比较是否一致,可以判断用户输入信息的可靠性。类似的关联关系还存在于很多信息条目之间,如时间关联性、地域关联性、信息特征等等。通过上述关联性的验证,可以实现信息条目的正确输入,同时,为了充分挖掘用户信息的真实性,可设置大量的信息条目供用户输入。在设置过程中,可以将信息条目设置为选填和必填,具有关联性的信息条目必需由用户输入,其他一些条目可由用户选择输入。
步骤102,接收用户按照所述信息条目输入的内容,并获得用户原始信用数据。
在本实施例中,在不同的业务系统中,原始信用数据的类型可能不尽相同。通常,电子交易平台可以对通过其进行的电子商务的相关信息都进行了记录,例如:被审核人的历史电子商务交易总额;被审核人作为卖家,被买家投诉的次数等数据,而通过这些数据可以计算得出电子商务领域中需要的信用数据,提高信用数据在电子商务领域的准确度。本实施例所述的信用数据可以包括所述原始信用数据和由这些原始数据计算得出的信用度数据。所述原始信用数据可以包括交易方的行为数据,通过所述原始信用数据可以计算得出能够恰当评价交易方交易信用的信用度数据。在实际应用中,可以有多种方式来实现获得业务系统提供的原始信用数据。例如,步骤101、102的执行主体主动请求业务系统提供原始信用数据,业务系统根据请求向执行主体提供原始信用数据。再例如,业务系统主动向执行主体提供原始信用数据,再例如,执行主体可以定时或多次获得业务系统提供的原始信用数据,这样,执行主体可以综合多次获得的原始信用数据进行分析,得到分析结果。
步骤103,使用预先指定的算法分析所述原始信用数据,得到分析结果。
在本实施例中,信用数据分析主要完成数据分析、加工、转换等功能。其实施方式,包括了数据转换分析、典型信用模型库查询、信用度计算等。所述数据转换分析过程将采集的数据进行转换或者分析,以符合数据库的要求或者计算的要求。信用数据分析过程还将采集的信用数据进行加工和整理,并提炼出需要的信用数据,将这些信用数据更新到数据库的相关信用数据表中,通过查找典型的信用模型库中的信用值对应表得到相应的信用分数值,最后通过对信用分数值的相加计算得到信用总分。
步骤104,根据所述分析结果,生成信用评级。
在本实施例中,可以有多种方式展现信用情况,例如以整体信用概况、信用报告或信用走势等形式展现信用情况,当然,可以根据预先指定的展现方式展现信用情况。另外,根据分析结果、展现信用情况时,可以直接将分析结果展现给用户,也可以将分析结果对应于一个最后的信用状况后,再将最后的信用状况展现给用户。例如,分析结果是分数,最后的信用状况是等级,假设分析结果是0~20分之间,那么对应的等级是“差”,21~60分之间等级为“中”,61~80之间等级为“良”,而81分以上等级为“优”。优选地,还包括对所述信用等级进行评估,获取评估结果;根据所述评估结果判断所述用户的信用等级是否合理;当判断所述用户信用等级不合理时,重新获取用户的信用等级。
进一步参考图2,其示出了全网社交属性与信用值的对应图表200。
如图2所示,全网社交属性与信用值的对应关系表200可以包括社交属性1入度,社交属性2介数,社交属性3聚集系数,社交信用分值f1,社交信用分值f2,社交信用分值f3。
在本实施例中,入度表示的是在网络中某节点被其他节点关注的数量。例如,用户A,他在微博里是大V,或者在微信朋友圈里被很多人关注。在社交属性的计算中,他的入度非常大,远高于一般人。而从大量的信息统计中可以发现,大V们的信用等级普遍都比较高,所以这个人的入度指标可以弥补其信用信息的不足。
介数,表示一个节点担当连接两个节点的中介桥梁作用,指任意两个节点通过节点i的最短路径的数量,介数体现了节点在网络中的连接重要性,表征的是社交中介能力。
例如,用户B,介数很高,表明他在社交网络中往往是关键人物,人们在社交过程中有赖于他牵线搭桥。他的地位很重要。人们自然会给他很多金融方面的帮助。
聚集系数,假设某个节点有k条有向边,则这k条有向边连接的节点(k个)之间最多可能存在的边的条数为k(k-1)/2,用实际存在的边数Qi除以最多可能存在的边数得到的分数值,定义为这个节点的聚集系数。
所有节点的聚集系数的均值定义为网络的聚集系数。
例如,用户C,他的聚集系数很高,表明他的社交圈中的亲密关系很高,人们相互之间交往更频繁,所以用户C更容易从社交圈中得到金融帮助,所以他的还款能力更强,还款意愿也更强。
进一步参考图3,其示出了利用网络信息进行信用评级的系统构架图300。
本实施例主要说明信用评级系统的内部架构,包括输入与显示单元301、征信单元302、数据分析单元303、信用评估单元304、匹配单元305、计算单元306和数据库307。
如图3所示,输入与显示单元301能够实现个人用户信息录入功能和用户调用与信息查询功能。
具体的,征信单元302可以通过与任何一个业务系统之间的接口获得原始信用数据。
在实际应用中,征信单元302可以有多种方式来实现获得业务系统提供的原始信用数据。例如,征信单元302主动请求业务系统提供原始的信用数据,业务系统根据请求向征信单元302提供原始信用数据。再例如,业务系统主动向征信单元302提供原始信用数据,这样,数据分析单元303可以综合征信单元302多次获得的原始信用数据进行分析,得到分析结果。
具体的,在不同的业务系统中,原始信用数据的类型可能不尽相同。通常,电子交易平台可以对通过其进行的电子商务的相关信息都进行了记录,例如:被审核人的历史电子商务交易总额;被审核人作为卖家,被买家投诉的次数等数据,而通过这些数据可以计算得出电子商务领域中需要的信用数据,提高信用数据在电子商务领域的准确度。本实施例所述的信用数据可以包括所述原始信用数据和由这些原始数据计算得出的信用度数据。所述原始信用数据可以包括交易方的行为数据,通过所述原始信用数据可以计算得出能够恰当评价交易方交易信用的信用度数据。
数据分析单元303在分析所述原始信用数据时,可以对原始信用数据进行处理,过滤掉一些明显错误的数据。
数据分析单元303主要完成数据分析、加工、转换等功能。其实施方式,包括了数据转换分析、典型信用模型库查询、信用度计算等。所述数据转换分析过程将采集的数据进行转换或者分析,以符合数据库的要求或者计算的要求。信用数据分析过程还将采集的信用数据进行加工和整理,并提炼出需要的信用数据,将这些信用数据更新到数据库的相关信用数据表中,通过查找典型的信用模型库中的信用值对应表得到相应的信用分数值,并通过与计算单元306的配合,最后通过对信用分数值的相加计算得到信用总分。
信用评估单元304用于根据所述分析结果,生成信用评级。可以有多种方式展现信用情况,例如以整体信用概况、信用报告或信用走势等形式展现信用情况,当然,可以根据预先指定的展现方式展现信用情况。另外,根据分析结果、展现信用情况时,可以直接将分析结果展现给用户,也可以将分析结果对应于一个最后的信用状况后,再将最后的信用状况展现给用户。例如,分析结果是分数,最后的信用状况是等级,假设分析结果是0~20分之间,那么对应的等级是“差”,21~60分之间等级为“中”,61~80之间等级为“良”,而81分以上等级为“优”。优选地,还包括对所述信用等级进行评估,获取评估结果;根据所述评估结果判断所述用户的信用等级是否合理;当判断所述用户信用等级不合理时,重新获取用户的信用等级。
信用评级系统还可以包括匹配单元305,用于在所述征信单元302获得所述业务系统提供的原始信用数据之间,指定所述征信单元302获得原始信用数据的类型是与所述业务系统相对应的类型。匹配单元305也可以用于在所述数据分析单元303分析所述原始信用数据之前,指定所述数据分析单元303在分析原始信用数据时所使用的算法。匹配单元305还可以用于在所述信用评估单元304展现信用情况之前,指定所述信用评估单元304展现信用情况时所使用的展现方式。
计算单元306用于确定用户的社交参数,根据用户的社交参数与网络信用分值的对应表,得到所述网络信用分值f1,f2,f3,评估用户的网络信用分值f1,f2,f3,将所述网络信用分值f1,f2,f3的分数相加,得到所述用户的社交信用总分。
信用评级系统还可以包括数据库307,用于保存征信单元302获得的原始信用数据,将业务系统提供的原始信用数据提供给数据分析单元303,保存数据分析单元303得到的分析结果,并将分析结果提供给信用评估单元304。
进一步参考图4,本申请提供了一种统计用户社交信用值的功能模块架构图400。
如图4所示,本实施例所述的业务系统的统计用户社交信用值的功能性架构400包括:社交图分析模块401,社交属性数据库402,入度计算模块403,介数计算模块404,聚集系数计算模块405,全网信用信息表406,全网社交属性与信用值对应表407。
进一步参考图5,本申请提供了一种计算用户社交信用总分的功能模块架构图500。
如图5所示,本实施例所述的业务系统的计算用户社交信用值的功能性架构图500包括:个人社交图分析模块501,入度计算模块502,介数计算模块503,聚集系数计算模块504,个人社交属性值505,全网社交属性与信用值对应表506,个人社交信用分数507。
在实际应用中,社交图分析模块401和计算模块403、404、405可以使用多种算法来处理原始信用数据,例如,可以过滤掉所有原始信用数据中平均值较大的集合中的所有原始信用数据,保留所有原始信用数据中平均值较小的集合中的所有原始信用数据;再例如,原始信用数据可能是多维数据,在计算针对同一个评价对象的两个多维数据之间的差异性时,可以计算两个多维数据之间的矢量距离,这样,当信用值的评价分值在评级过渡区间时,可以根据其矢量距离做出相应的调整。
本领域技术人员可以理解,计算模块在计算过程中必然会有和数据库的交互操作,为了不必要地模糊本公开的实施例,这些公知的结构在图5中未示出。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (17)
1.一种利用网络信息进行信用评级的方法,其特征在于,包括:
通过与网络之间的接口,设置输入信息条目;
接收用户按照所述信息条目输入的内容,并获得用户原始信用数据;
使用预先指定的算法分析所述原始信用数据,得到分析结果;
根据所述分析结果,生成信用评级。
2.根据权利要求1所述的方法,其特征在于,获得用户原始信用数据包括:根据用户的身份信息向服务器端网络应用查询与所述用户的网络身份关联的私有网络信息。
3.根据权利要求1所述的方法,其特征在于,还包括:所述获得的原始信用数据是针对一个评价对象的原始信用数据,或者是针对多个评价对象的原始信用数据,或者是预先指定的与网络相对应的类型的原始信用数据。
4.根据权利要求1所述的方法,其特征在于,分析所述原始信用数据的过程具体包括:确定用户的社交参数。
5.根据权利要求4所述的方法,其特征在于,所述社交参数包括:入度D、介数B、聚集系数C。
6.根据权利要求5所述的方法,其特征在于,所述入度D,具体包括:表示在网络中任意一个节点被其他节点关注的数量。
7.根据权利要求5所述的方法,其特征在于,所述介数B,具体包括:表示任意两个节点通过节点i的最短路径的数量;
g(m,n)是节点m和n之间的最短路径数,gi(m,n)是节点m和n之间经过节点i的最短路径数。
8.根据权利要求5所述的方法,其特征在于,所述聚集系数C,具体包括:
k是节点的有向边数量;Qi是k个有向边的节点间实际存在的边数。
9.根据权利要求5所述的方法,其特征在于,还包括:根据用户的社交参数与网络信用分值的对应表,得到所述网络信用分值f1,f2,f3。
10.根据权利要求9所述的方法,其特征在于,根据所述分析结果,生成信用评级包括:评估用户的所述网络信用分值f1,f2,f3,将所述网络信用分值f1,f2,f3的分数相加,得到用户的社交信用总分。
11.根据权利要求1所述的方法,其特征在于,还包括:查询用户信用评级,将包含所述信用评级的查询结果输出。
12.一种利用网络信息进行信用评级的系统,其特征在于,包括:
输入单元,用于通过与网络之间的接口,设置输入信息条目;
征信单元,用于接收用户按照所述信息条目输入的内容,并获得用户原始信用数据;
数据分析单元,用于使用预先指定的算法分析所述原始信用数据,得到分析结果;
信用评估单元,用于根据所述分析结果,生成信用评级。
13.根据权利要求12所述的信用评级系统,其特征在于,包括:匹配单元,用于在所述征信单元获得用户原始信用数据之前,指定所述征信单元获得原始信用数据的类型是与网络相对应的类型。
14.根据权利要求12所述的信用评级系统,其特征在于,包括:计算单元,用于确定用户的社交参数。
15.根据权利要求12所述的方法,其特征在于,包括:计算单元,用于根据用户的社交参数与网络信用分值的对应表,得到所述网络信用分值f1,f2,f3。
16.根据权利要求15所述的信用评级系统,其特征在于,包括:计算单元,用于评估用户的网络信用分值f1,f2,f3,将所述网络信用分值f1,f2,f3的分数相加,得到所述用户的社交信用总分。
17.根据权利要求12所述的信用评级系统,其特征在于,包括:显示单元,用于查询用户信用评级,将包含所述信用评级的查询结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510505605.0A CN105303447A (zh) | 2015-08-17 | 2015-08-17 | 利用网络信息进行信用评级的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510505605.0A CN105303447A (zh) | 2015-08-17 | 2015-08-17 | 利用网络信息进行信用评级的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105303447A true CN105303447A (zh) | 2016-02-03 |
Family
ID=55200677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510505605.0A Pending CN105303447A (zh) | 2015-08-17 | 2015-08-17 | 利用网络信息进行信用评级的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303447A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530076A (zh) * | 2016-11-10 | 2017-03-22 | 四川享宇金信金融服务外包有限公司 | 一种信用评分方法及装置 |
CN109816513A (zh) * | 2018-12-21 | 2019-05-28 | 上海拍拍贷金融信息服务有限公司 | 用户信用评级方法及装置、可读存储介质 |
CN109886768A (zh) * | 2018-12-24 | 2019-06-14 | 北京城市网邻信息技术有限公司 | 信用分数计算、更新方法、装置、系统和设备及存储介质 |
CN110264330A (zh) * | 2018-03-13 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 信用指标计算方法、装置、计算机可读存储介质 |
CN110766414A (zh) * | 2019-09-17 | 2020-02-07 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据的人口信用水平分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685519A (zh) * | 2008-09-22 | 2010-03-31 | 浙江大学 | 信用评价方法及信用评价系统 |
CN102662956A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 一种基于用户话题链接行为的社交网络意见领袖识别方法 |
US20130091141A1 (en) * | 2011-10-11 | 2013-04-11 | Tata Consultancy Services Limited | Content quality and user engagement in social platforms |
CN104463603A (zh) * | 2014-12-05 | 2015-03-25 | 中国联合网络通信集团有限公司 | 一种信用评估方法及系统 |
-
2015
- 2015-08-17 CN CN201510505605.0A patent/CN105303447A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685519A (zh) * | 2008-09-22 | 2010-03-31 | 浙江大学 | 信用评价方法及信用评价系统 |
US20130091141A1 (en) * | 2011-10-11 | 2013-04-11 | Tata Consultancy Services Limited | Content quality and user engagement in social platforms |
CN102662956A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 一种基于用户话题链接行为的社交网络意见领袖识别方法 |
CN104463603A (zh) * | 2014-12-05 | 2015-03-25 | 中国联合网络通信集团有限公司 | 一种信用评估方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530076A (zh) * | 2016-11-10 | 2017-03-22 | 四川享宇金信金融服务外包有限公司 | 一种信用评分方法及装置 |
CN110264330A (zh) * | 2018-03-13 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 信用指标计算方法、装置、计算机可读存储介质 |
CN110264330B (zh) * | 2018-03-13 | 2023-05-26 | 腾讯科技(深圳)有限公司 | 信用指标计算方法、装置、计算机可读存储介质 |
CN109816513A (zh) * | 2018-12-21 | 2019-05-28 | 上海拍拍贷金融信息服务有限公司 | 用户信用评级方法及装置、可读存储介质 |
CN109886768A (zh) * | 2018-12-24 | 2019-06-14 | 北京城市网邻信息技术有限公司 | 信用分数计算、更新方法、装置、系统和设备及存储介质 |
CN110766414A (zh) * | 2019-09-17 | 2020-02-07 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据的人口信用水平分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230222427A1 (en) | Methods and systems for using multiple data sets to analyze performance metrics of targeted companies | |
US7007020B1 (en) | Distributed OLAP-based association rule generation method and system | |
US7840428B2 (en) | Method, system and apparatus for measuring and analyzing customer business volume | |
US20050256759A1 (en) | Sales history decomposition | |
CN105469263A (zh) | 一种商品推荐方法及装置 | |
CN105303447A (zh) | 利用网络信息进行信用评级的方法和系统 | |
US20140229233A1 (en) | Consumer spending forecast system and method | |
Chai et al. | Liquidity in asset pricing: New Australian evidence using low-frequency data | |
JP6560323B2 (ja) | 判定装置、判定方法及び判定プログラム | |
Zhang et al. | Improving the Bass model’s predictive power through online reviews, search traffic and macroeconomic data | |
Even et al. | Value-Driven Data Quality Assessment. | |
CN108572988A (zh) | 一种房产评估数据生成方法和装置 | |
JP2018081671A (ja) | 算出装置、算出方法及び算出プログラム | |
JP6194092B1 (ja) | 算出装置、算出方法及び算出プログラム | |
US11966933B2 (en) | System and method for correlating and enhancing data obtained from distributed sources in a network of distributed computer systems | |
Iyetomi et al. | Relationship between macroeconomic indicators and economic cycles in US | |
JP6709775B2 (ja) | 算出装置、算出方法及び算出プログラム | |
CN111433806A (zh) | 用于分析众筹平台的系统和方法 | |
Buell et al. | Impact of COVID-19: Nowcasting and big data to track economic activity in Sub-Saharan Africa | |
CN112419030B (zh) | 财务舞弊风险评估的方法、系统及设备 | |
Zhang et al. | The approaches to contextual transaction trust computation in e‐Commerce environments | |
Kupfer et al. | Valuable information in early sales proxies: The use of Google search ranks in portfolio optimization | |
CN110209944A (zh) | 一种股票分析师推荐方法、装置、计算机设备和存储介质 | |
Horváth et al. | Detecting common breaks in the means of high dimensional cross-dependent panels | |
CN111460300B (zh) | 网络内容推送方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160203 |
|
RJ01 | Rejection of invention patent application after publication |