CN106372215A - 信用查询系统及方法 - Google Patents

信用查询系统及方法 Download PDF

Info

Publication number
CN106372215A
CN106372215A CN201610803817.1A CN201610803817A CN106372215A CN 106372215 A CN106372215 A CN 106372215A CN 201610803817 A CN201610803817 A CN 201610803817A CN 106372215 A CN106372215 A CN 106372215A
Authority
CN
China
Prior art keywords
data record
field
industry
submodule
analysis result
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
Application number
CN201610803817.1A
Other languages
English (en)
Inventor
汪德嘉
叶芸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Payegis Technology Co Ltd
Original Assignee
Jiangsu Payegis Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Payegis Technology Co Ltd filed Critical Jiangsu Payegis Technology Co Ltd
Priority to CN201610803817.1A priority Critical patent/CN106372215A/zh
Publication of CN106372215A publication Critical patent/CN106372215A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • 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
    • G06F16/242—Query formulation
    • G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/248—Presentation of query results
    • 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
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Fuzzy Systems (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种信用查询系统及方法，至少能够解决现有的信用查询方式仅依据用户所在的用户群进行评分所导致的查询结果不准确的技术问题。信用查询系统包括：录入模块，用于根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；查询模块，用于通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；处理模块，用于根据所述查询模块获取的所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；显示模块，用于根据所述分析结果显示与所述查询请求对应的信用查询结果。

Description

信用查询系统及方法
技术领域
本发明涉及网络通信技术领域，具体涉及一种信用查询系统及方法。
背景技术
目前，随着信用卡的普及以及贷款业务的发展，越来越多的机构需要对用户的个人信用情况进行审核。而且，个人信用的影响范围也日益宽泛，例如，很多学校录取新生时，或者大型事业单位录用新人时等多种场合都需要对个人信用情况进行调查。
在现有技术中，为了获取用户的个人信用情况，通常可以通过如下方式实现：基于目标用户所在的用户群来确定目标用户的个人信用情况。其中，用户群内的各个用户之间具备社交关系，因此，群内的各个用户之间的真实信用评分往往比较接近。因此，可以根据群内与目标用户具有社交关系的上一用户的信用评分确定目标用户的当前信用评分，直至群内各个用户的当前信用评分满足预置收敛结果时确定目标用户的最终信用评分。
由此可见，现有技术中的方式主要利用用户的社交圈进行评分，评分方式比较单一，而且，由于社交圈的深度和广度很难控制，因此，评分结果往往不够准确。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的信用查询系统及方法。
依据本发明的一个方面，提供了一种信用查询系统，包括：录入模块，用于根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；查询模块，用于通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；处理模块，用于根据所述查询模块获取的所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；显示模块，用于根据所述分析结果显示与所述查询请求对应的信用查询结果。
依据本发明的另一方面，提供了一种信用查询方法，包括：根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；根据所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；根据所述分析结果显示与所述查询请求对应的信用查询结果。
在本发明提供的信用查询系统及方法中，将预先获取的包含个人信息的数据记录按照预设的数据格式录入数据库中，从而创建并维护一个包含海量个人信息的大数据库，在此基础上，向用户提供了查询功能，并能够根据用户查询的内容显示对应的信用查询结果。由此可见，本发明基于预设的大数据库能够收集海量的个人信息，并在此基础上为用户提供各类查询功能，从而能够更加准确地反映用户的个人信用情况。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明一个实施例提供的信用查询系统的结构示意图；
图2示出了本发明另一具体实施例提供的信用查询系统的结构示意图；
图3a和图3b示出了本发明中的系统向用户提供的查询界面及其查询结果的示意图；
图4示出了本发明另一个实施例提供的信用查询方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种信用查询系统及方法，至少能够解决现有的信用查询方式仅依据用户所在的用户群进行评分所导致的查询结果不准确的技术问题。
图1示出了本发明一个实施例提供的信用查询系统的结构示意图，如图1所示，该系统包括：
录入模块11，用于根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；
查询模块12，用于通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；
处理模块13，用于根据所述查询模块获取的所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；
显示模块14，用于根据所述分析结果显示与所述查询请求对应的信用查询结果。
由此可见，本发明基于预设的大数据库能够收集海量的个人信息，并在此基础上为用户提供各类查询功能，从而能够更加准确地反映用户的个人信用情况。
图2示出了本发明另一具体实施例提供的信用查询系统，如图2所示，该系统包括：录入模块21、查询模块22、处理模块23和显示模块24。其中，处理模块23进一步包括以下模块中的至少一个：信息泄露子模块231、信息完整性子模块232、行业风险子模块233、预警子模块234、征信分数子模块235、可信度子模块236、客户建议子模块237、以及稳定性子模块238。下面详细介绍上述各个模块的具体工作原理：
录入模块21用于根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中。其中，录入模块21可以在该信用查询系统面向用户提供查询功能之前，预先录入大量的数据记录，以便实现后续的查询。另外，录入模块还可以在该信用查询系统面向用户提供查询功能的同时，进一步地根据最新获取的数据内容增加新的数据记录，以便随时扩充数据库中的信息。其中，获取的数据记录的来源可以为多种，例如，可以是通过各种渠道获取的个人信息，例如，可能是用户通过网上聊天工具(例如QQ)泄露的个人信息、也可能是用户办理会员卡时泄露的个人信息等，本发明对数据记录的来源不做限定。
录入模块主要用于将获取到的数据记录按照预设的数据格式存储到数据库中，其中，预设的数据格式规定了数据记录中包含的字段名及字段值，例如，包括以下中的至少一项：关键字段的数量、关键字段的标识、关键字段的字段类型、以及关键字段的取值范围；其中，所述关键字段的标识包括以下中的至少一项：存储时间、数据来源、个人姓名、个人信息、以及行业类别；其中，个人信息又可以进一步包括：银行卡号、身份证号、邮箱地址、和/或手机号码。
例如，假设获取到的一条数据记录如下：
序号：1
院系名称：外国语言文学学院
姓名：王某某
身份证号码：51012519******0023
中国银行卡卡号：6217857600018******
还款账号：56646528****
首先，录入模块对该数据记录进行规范化处理，得到下述的规范化处理结果：
{
"storageTime":1468544472000,
"eventIntro":"学生身份证及银行卡号信息泄露",
"realName":"王某某",
"cardNo":"6217857600018******",
"idCard":"51012519******0023",
"provider":"riskid",
"eventName":"学生身份证及银行卡号信息泄露",
"source":"新贷还款账号查询表",
"academy":"外国语言文学学院",
"leakTime":1413734400000,
"_id":"1",
"repaymentAccount":"56646528****",
"riskId_uuid":"488d5ace-0d4b-3ff0-b44b-6c02ea335eb4",
"industryLabel":"education"
}
然后，将上述规范化处理结果中包含的各个字段及其字段值分别存储到数据库，从而完成该条数据记录的录入。其中，上述规范化处理结果中包含的各个字段可以全部录入数据库中，也可以筛选其中的部分重要字段录入数据库中。具体地，上述的"storageTime(存储时间)"字段为存储时间字段，"eventIntro(事件介绍)"字段、"eventName(事件名称)"、以及"source(来源)"字段可以统称为数据来源字段，"realName(真实姓名)"字段为个人姓名字段，"cardNo(银行卡号)"字段、"idCard(身份证号)"字段、"academy(学院)"字段、"repaymentAccount(还款账号)"字段可以统称为个人信息字段，"industryLabel(行业标签)"字段为行业类别字段。其中，可以结合数据记录中包含的其他信息来确定该条数据记录对应的行业类别。例如，在本条记录中，由于数据记录来源于大学新生的信息表，因此，可以确定对应的行业类别为“教育”。在其他的记录中，如果数据记录为QQ泄露的内容，则可以确定对应的行业类别为“社交平台”。即：可以通过数据的泄露来源推测数据所属的行业。
查询模块22用于通过预设的查询接口接收用户输入的查询请求，获取该查询请求中包含的查询关键词，并将查询关键词提供给处理模块23进行后续处理。其中，查询接口可以包括：个人姓名查询接口和/或个人信息查询接口，其中，个人信息查询接口进一步包括：银行卡号查询接口、身份证号查询接口、邮箱地址查询接口、和/或手机号码查询接口等各类查询接口。由此可见，在本发明中，能够向用户提供多个查询接口，每个查询接口分别用于输入不同类型的查询关键词，用户输入的查询请求可以通过多个查询接口发送，相应地，其中包含的查询关键词的数量也为多个。由此，一方面能够向用户提供多维度的查询功能，另一方面能够通过多个关键词的组合使查询结果更加精确。在本发明中，各个查询接口可以灵活通过文本输入框、下拉式选择框、多项选择框、和/或单项选择按钮等多种形式实现，本发明对查询接口的数量和形式不做限定。
处理模块23用于根据查询模块22获取的上述查询关键词从数据库中获取包含上述查询关键词的数据记录集合，根据预设的分析规则确定与该数据记录集合对应的分析结果，以便将分析结果提供给显示模块24进行显示。其中，包含上述查询关键词的数据记录集合由至少一条数据记录构成，该数据记录集合中的各条数据记录均包含上述的查询关键词。具体地，处理模块23通过其中包含的各个子模块(即：上述的信息泄露子模块231、信息完整性子模块232、行业风险子模块233、预警子模块234、征信分数子模块235、可信度子模块236、客户建议子模块237、以及稳定性子模块238)实现不同类型的分析功能。下面分别介绍处理模块23中的各个子模块的具体工作原理：
信息泄露子模块231用于根据上述分析规则中包含的信息泄露分析规则分析上述数据记录集合中的各条数据记录所对应的信息泄露比例，根据各条数据记录所对应的信息泄露比例计算上述数据记录集合中的所有数据记录所对应的平均信息泄露比例，将平均信息泄露比例作为与上述数据记录集合对应的信息泄露分析结果。其中，信息泄露分析规则的具体内容可由本领域技术人员灵活设置，只要能够反映出每条数据记录中泄露的信息的比例即可。例如，通常情况下，数据记录中的字段越多、越全面，所泄露的信息比例越大。例如，表1中预先定义了7个基本字段，因此，判断数据记录的信息泄露比例时，根据各条数据记录中包含的基本字段的个数确定该条数据记录的信息泄露比例。例如，当一条数据记录中包含的基本字段的个数小于等于2时，对应的信息泄露比例为20％；当一条数据记录中包含的基本字段的个数大于2且小于等于4时，对应的信息泄露比例为40％；当一条数据记录中包含的基本字段的个数大于4且小于等于6时，对应的信息泄露比例为60％；当一条数据记录中包含的基本字段的个数大于6时，对应的信息泄露比例为90％。
表1
字段名 字段类型 字段描述
Username String 账户名
realName String 姓名
idCard String 身份证号
phone String 手机号码
cardNo String 银行卡号
email String 邮箱
qq String qq
信息完整性子模块232用于根据分析规则中包含的信息完整性分析规则分析上述数据记录集合中的各条数据记录所包含的字段个数，根据各条数据记录所包含的字段个数计算上述数据记录集合中的所有数据记录所对应的信息完整性分值，将上述信息完整性分值作为与上述数据记录集合对应的信息完整性分析结果。其中，信息完整性分析规则的具体内容可由本领域技术人员灵活设置，只要能够反映出每条数据记录中包含的信息的完整性即可。例如，通常情况下，数据记录中的字段越多、越全面，信息的完整性也越高。例如，可以统计每条数据记录中包含的字段个数(不限于上文提到的基本字段，所有字段都计算在内)，当一条数据记录中包含的字段个数小于等于4时，对应的信息完整性分值为20％；当一条数据记录中包含的字段个数大于4且小于等于6时，对应的信息完整性分值为40％；当一条数据记录中包含的字段个数大于6且小于等于8时，对应的信息完整性分值为60％；当一条数据记录中包含的字段个数大于8且小于等于10时，对应的信息完整性分值为80％；当一条数据记录中包含的字段个数大于10时，对应的信息完整性分值为90％。
行业风险子模块233用于根据上述分析规则中包含的行业风险分析规则分析上述数据记录集合中的各条数据记录所对应的行业的风险分数，根据上述各条数据记录所对应的行业的风险分数计算上述数据记录集合中的各个行业所对应的行业风险分数，将上述各个行业所对应的行业风险分数作为与上述数据记录集合对应的行业风险分析结果。其中，上述的行业风险分析规则可以包括多种实现方式，例如：根据预设的各行业对应的行业风险分值、各行业中包含的第一类字段的风险分值、和/或各行业中包含的第二类字段的风险分值确定各行业的行业风险分数。
其中，各行业对应的行业风险分值可以预先设定。例如，表2以25种行业类别为例，分别设定了每种行业类别所对应的行业风险分值(上限为10)，通过查询表2即可确定相应行业的行业风险分值。其中，由于社交平台、政府机构以及教育机构中泄露出来的个人信息可能更为全面，且更为真实，因此，这些行业所对应的行业风险分值较高；相应地，对于一些行业(例如，商品消费、上网信息等)，泄露出来的个人信息比较虚假(可能用户填写此信息时未采用真名)，因此，这些行业所对应的行业风险分值较低。
表2
各行业中包含的第一类字段的风险分值可以根据表3确定。其中，第一类字段也叫公共字段，这些字段可能在各个行业中都会出现，其中，身份证和银行卡号这两个字段直接关乎用户隐私，因此，其对应的字段风险分值为10，即：只要数据记录中同时包含身份证字段和银行卡号字段，则该数据记录对应的第一类字段的风险分值至少为20。具体地，第一类字段的风险分值为该条数据记录中出现的各个公共字段所对应的字段风险分值的总和。其中，第一类字段的风险分值的上限可以为70，若该条数据记录中出现的各个公共字段所对应的字段风险分值的总和超过70，则将70作为第一类字段的风险分值。
表3
字段名(中文) 字段名(英文) 字段风险分值
身份证 idCard 10
银行卡号 cardNo 10
手机号码 phone 8
邮箱 email 8
qq qq 8
密码 password 5
公司 company 4
地址 address 3
姓名 realName 3
ip ip 3
生日 birthday 3
性别 gender 2
账户名 username 1
各行业中包含的第二类字段的风险分值可以根据其他规则确定。其中，第二类字段也叫特有字段，这些字段通常仅在该行业中出现，在其他行业中则不会出现。例如，交易金额这一字段通常仅在银行机构这一行业中出现，因此，可作为该行业中的特有字段。在本发明中，需要预先设定各个行业中的特有字段，并分别为每个特有字段设定对应的字段风险分值。具体地，第二类字段的风险分值为该条数据记录中出现的各个特有字段所对应的字段风险分值的总和。其中，第二类字段的风险分值的上限可以为10，若该条数据记录中出现的各个特有字段所对应的字段风险分值的总和超过10，则将10作为第二类字段的风险分值。
另外，还可以结合第三类字段的风险分值确定行业风险分值，其中，第三类字段也可以称作不合法使用字段，表4列出了不合法使用字段及其风险分值。例如，当用户输入的关键词与表4中的字段吻合时，进一步统计用户输入的关键词对应字段的字段值在数据库中的出现次数，若出现次数大于预设告警次数(例如5次)，则将该关键词对应的字段作为不合法使用字段，并通过表4确定相应的字段风险分值。
表4
字段名(中文) 字段名(英文) 字段风险分值
身份证 idCard 8
银行卡号 cardNo 6
手机号码 phone 5
qq qq 5
邮箱 email 4
姓名 realName 2
账户名 username 1
因此，行业风险分值可以通过上述的各行业对应的行业风险分值、各行业中包含的第一类字段的风险分值、各行业中包含的第二类字段的风险分值、以及上述的第三类字段的风险分值的总和得到。当然，行业风险分值也可以仅根据上述四个分值中的一个或多个得到，本发明对行业风险分值的具体计算方式不做限定。
预警子模块234用于根据分析规则中包含的预警字段分析规则分析上述数据记录集合中的各条数据记录所包含的预警字段，将上述各条数据记录所包含的预警字段作为与上述数据记录集合对应的预警字段分析结果；其中，上述预警字段分析规则可以是：统计各条数据记录中的各个字段及其字段值在数据库中出现的次数，将次数大于预设预警阈值(例如3)的字段及其字段值作为预警字段。通过预警子模块能够筛查出泄露次数较多的字段。
更进一步地，征信分数子模块235用于计算行业风险子模块确定的各个行业所对应的行业风险分数的平均值，将行业风险分数的平均值作为与数据记录集合对应的征信分数分析结果。例如，假设用户输入的查询请求所对应的数据记录集合中包含3条数据，每条数据对应一个行业风险分数，对三个行业风险分值取平均值即为该查询请求对应的征信分数。征信分数越高说明风险越大，反之，说明风险越小。通过征信分数能够对个人信用进行量化，给出较为精确的量化结果。
可信度子模块236用于根据征信分数子模块确定的征信分数分析结果以及信息泄露子模块确定的信息泄露分析结果确定与数据记录集合对应的可信度分析结果。例如，如果征信分数子模块确定的征信分数分析结果大于等于60，且信息泄露子模块确定的信息泄露分析结果大于等于60％，则对应的可信度为“差”；如果征信分数子模块确定的征信分数分析结果小于等于20，且信息泄露子模块确定的信息泄露分析结果小于等于20％，则对应的可信度为“优”。通过可信度子模块能够通过优良差的显示方式快速直观的显示用户的信用等级。
客户建议子模块237用于根据征信分数子模块确定的征信分数分析结果以及预警子模块确定的预警字段分析结果，确定用于供用户修改预警字段的客户建议分析结果。例如，当征信分数子模块确定的征信分数分析结果大于50时，提供将分值降至[20,50]的建议，建议的主要来源是预警子模块确定的预警字段分析结果，建议用户修改预警字段中的信息；当征信分数子模块确定的征信分数分析结果大于20时，提供将分值降至20以下的建议，建议的主要来源也是预警子模块确定的预警字段分析结果，建议用户修改预警字段中的信息。通过客户建议子模块能够建议用户修改个人信息，从而提升个人信用，为了用户提供了一条提升信用的途径。
稳定性子模块238用于根据预警子模块确定的预警字段分析结果中包含的预警字段的数量确定对应的稳定性分析结果。例如，首先，根据各条数据记录中的包含的预警字段的个数计算上述数据记录集合中的全部数据记录所包含的预警字段总个数；然后，根据全部数据记录所包含的预警字段总个数以及数据记录的总条数计算上述数据记录集合中的全部数据记录所对应的平均预警字段个数；最后，通过下述规则确定信息稳定性：当平均预警字段个数不大于2时，若预警字段总个数小于等于4，则稳定性为“优”；若预警字段总个数大于4且小于等于6，则稳定性为“良”；若预警字段总个数大于6，则稳定性为“差”。当平均预警字段个数大于等于2且小于4时，若预警字段总个数小于等于6，则稳定性为“良”；若预警字段总个数大于6，则稳定性为“差”；若预警字段总个数大于6，则稳定性为“差”。当平均预警字段个数大于等于4时，无需考虑预警字段总个数，直接确定稳定性为“差”。
另外，在本实施例中，处理模块还可以进一步包括网络信息危险信号子模块，用于根据征信分数子模块确定的征信分数分析结果确定网络信息危险信号值，例如，当征信分数分析结果为20以下时，危险信号值为2；当征信分数分析结果为20-40时，危险信号值为4；当征信分数分析结果为40-60时，危险信号值为6；当征信分数分析结果为60-80时，危险信号值为8；当征信分数分析结果为80-95时，危险信号值为9；当征信分数分析结果为95以上时，危险信号值为10。也就是说，征信分数越高，说明信用越差，个人信息泄露越多，因此，危险信号值越大。通过危险信号值可以更为直观快速的确定个人信用情况。处理模块还可以进一步包括网络信用分布子模块，用于根据行业风险子模块确定的各个行业的风险分值确定各个行业的信用分布图表。另外，处理模块还可以进一步包括网络趋势预警子模块，用于根据行业预警字段的个数确定对应的信誉预警。例如，行业预警字段的个数越多，对应的信誉预警越大。
显示模块24用于根据分析结果显示与查询请求对应的信用查询结果。具体地，可以通过柱形图、折线图、直方图、饼图、条形图、面积图、和/或散列图等各种形式来显示分析结果中包含的各类信用查询结果。其中，分析结果包括上述的信息泄露分析结果、信息完整性分析结果、行业风险分析结果、预警字段分析结果、征信分数分析结果、可信度分析结果、客户建议分析结果、以及稳定性分析结果等。
由此可见，通过本发明中的技术方案，能够利用大数据库实现海量数据的查询，并且，通过多个查询接口能够提供多维度、多角度的查询，从而更好地为银行、企业等提供准确的客户信用评估。
为了便于理解本发明，图3a和图3b示出了本发明中的系统向用户提供的查询界面及其查询结果的示意图。图3a示出了与查询关键词“李三”对应的下述查询结果：网络信息可信度结果为良，网络信息稳定性为差，网络信息泄露百分比为40.0％，网络信息数据完整性为90％，网络信息危险信号为4，网络征信分值为34，对应的网络信息可信度为良好。并且，图3a还向用户提供了提高网络信誉的建议，包括停止使用邮箱、手机等。图3b示出了与查询关键词“李三”对应的下述查询结果：网络信用分布的图表以及网络趋势预警的直方图。
本发明实施例还提供了一种信用查询方法，如图4所示，包括：
步骤S410：根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；
步骤S420：通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；
步骤S430：根据所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；
步骤S440：根据所述分析结果显示与所述查询请求对应的信用查询结果。
可选地，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤的实现方式包括以下中的至少一种：
根据所述分析规则中包含的信息泄露分析规则分析所述数据记录集合中的各条数据记录所对应的信息泄露比例，根据各条数据记录所对应的信息泄露比例计算所述数据记录集合中的所有数据记录所对应的平均信息泄露比例，将所述平均信息泄露比例作为与所述数据记录集合对应的信息泄露分析结果；
根据所述分析规则中包含的信息完整性分析规则分析所述数据记录集合中的各条数据记录所包含的字段个数，根据所述各条数据记录所包含的字段个数计算所述数据记录集合中的所有数据记录所对应的信息完整性分值，将所述信息完整性分值作为与所述数据记录集合对应的信息完整性分析结果；
根据所述分析规则中包含的行业风险分析规则分析所述数据记录集合中的各条数据记录所对应的行业的风险分数，根据所述各条数据记录所对应的行业的风险分数计算所述数据记录集合中的各个行业所对应的行业风险分数，将所述各个行业所对应的行业风险分数作为与所述数据记录集合对应的行业风险分析结果；其中，所述行业风险分析规则为：根据预设的各行业对应的行业风险分值、各行业中包含的第一类字段的风险分值、和/或各行业中包含的第二类字段的风险分值确定各行业的行业风险分数；
根据所述分析规则中包含的预警字段分析规则分析所述数据记录集合中的各条数据记录所包含的预警字段，将所述各条数据记录所包含的预警字段作为与所述数据记录集合对应的预警字段分析结果；其中，所述预警字段分析规则为：统计各条数据记录中的各个字段及其字段值在数据库中出现的次数，将次数大于预设预警阈值的字段及其字段值作为预警字段。
可选地，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：计算各个行业所对应的行业风险分数的平均值，将所述行业风险分数的平均值作为与所述数据记录集合对应的征信分数分析结果。
可选地，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：根据所述征信分数分析结果以及信息泄露分析结果确定与所述数据记录集合对应的可信度分析结果。
可选地，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：根据所述征信分数分析结果以及预警字段分析结果，确定用于供用户修改预警字段的客户建议分析结果。
可选地，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：根据预警字段分析结果中包含的预警字段的数量确定对应的稳定性分析结果。
可选地，所述预设的数据格式包括以下中的至少一项：关键字段的数量、关键字段的标识、关键字段的字段类型、以及关键字段的取值范围；其中，所述关键字段的标识包括以下中的至少一项：存储时间、数据来源、个人姓名、个人信息、以及行业类别；其中，个人信息进一步包括：银行卡号、身份证号、邮箱地址、和/或手机号码。
可选地，所述查询接口进一步包括：个人姓名查询接口和/或个人信息查询接口，其中，所述个人信息查询接口进一步包括：银行卡号查询接口、身份证号查询接口、邮箱地址查询接口、和/或手机号码查询接口。
可选地，所述显示模块用于分别通过柱形图、折线图、直方图、饼图、条形图、面积图、和/或散列图来显示所述分析结果中包含的各类信用查询结果。
在本发明提供的信用查询系统及方法中，将预先获取的包含个人信息的数据记录按照预设的数据格式录入数据库中，从而创建并维护一个包含海量个人信息的大数据库，在此基础上，向用户提供了查询功能，并能够根据用户查询的内容显示对应的信用查询结果。由此可见，本发明基于预设的大数据库能够收集海量的个人信息，并在此基础上为用户提供各类查询功能，从而能够更加准确地反映用户的个人信用情况。在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了：A1、一种信用查询系统，其中，包括：
录入模块，用于根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；
查询模块，用于通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；
处理模块，用于根据所述查询模块获取的所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；
显示模块，用于根据所述分析结果显示与所述查询请求对应的信用查询结果。
A2、根据A1所述的系统，其中，所述处理模块进一步包括以下中的至少一个：
信息泄露子模块，用于根据所述分析规则中包含的信息泄露分析规则分析所述数据记录集合中的各条数据记录所对应的信息泄露比例，根据各条数据记录所对应的信息泄露比例计算所述数据记录集合中的所有数据记录所对应的平均信息泄露比例，将所述平均信息泄露比例作为与所述数据记录集合对应的信息泄露分析结果；
信息完整性子模块，用于根据所述分析规则中包含的信息完整性分析规则分析所述数据记录集合中的各条数据记录所包含的字段个数，根据所述各条数据记录所包含的字段个数计算所述数据记录集合中的所有数据记录所对应的信息完整性分值，将所述信息完整性分值作为与所述数据记录集合对应的信息完整性分析结果；
行业风险子模块，用于根据所述分析规则中包含的行业风险分析规则分析所述数据记录集合中的各条数据记录所对应的行业的风险分数，根据所述各条数据记录所对应的行业的风险分数计算所述数据记录集合中的各个行业所对应的行业风险分数，将所述各个行业所对应的行业风险分数作为与所述数据记录集合对应的行业风险分析结果；其中，所述行业风险分析规则为：根据预设的各行业对应的行业风险分值、各行业中包含的第一类字段的风险分值、和/或各行业中包含的第二类字段的风险分值确定各行业的行业风险分数；
预警子模块，用于根据所述分析规则中包含的预警字段分析规则分析所述数据记录集合中的各条数据记录所包含的预警字段，将所述各条数据记录所包含的预警字段作为与所述数据记录集合对应的预警字段分析结果；其中，所述预警字段分析规则为：统计各条数据记录中的各个字段及其字段值在数据库中出现的次数，将次数大于预设预警阈值的字段及其字段值作为预警字段。
A3、根据A2所述的系统，其中，当所述处理模块进一步包括所述行业风险子模块时，所述处理模块进一步包括：
征信分数子模块，用于计算所述行业风险子模块确定的所述各个行业所对应的行业风险分数的平均值，将所述行业风险分数的平均值作为与所述数据记录集合对应的征信分数分析结果。
A4、根据A3所述的系统，其中，当所述处理模块进一步包括所述信息泄露子模块时，所述处理模块进一步包括：
可信度子模块，用于根据所述征信分数子模块确定的征信分数分析结果以及所述信息泄露子模块确定的信息泄露分析结果确定与所述数据记录集合对应的可信度分析结果。
A5、根据A3所述的系统，其中，当所述处理模块进一步包括所述预警子模块时，所述处理模块进一步包括：
客户建议子模块，用于根据所述征信分数子模块确定的征信分数分析结果以及所述预警子模块确定的预警字段分析结果，确定用于供用户修改预警字段的客户建议分析结果。
A6、根据A2所述的系统，其中，当所述处理模块进一步包括所述预警子模块时，所述处理模块进一步包括：
稳定性子模块，用于根据所述预警子模块确定的预警字段分析结果中包含的预警字段的数量确定对应的稳定性分析结果。
A7、根据A1所述的系统，其中，所述预设的数据格式包括以下中的至少一项：关键字段的数量、关键字段的标识、关键字段的字段类型、以及关键字段的取值范围；其中，所述关键字段的标识包括以下中的至少一项：存储时间、数据来源、个人姓名、个人信息、以及行业类别；其中，个人信息进一步包括：银行卡号、身份证号、邮箱地址、和/或手机号码。
A8、根据A7所述的系统，其中，所述查询接口进一步包括：
个人姓名查询接口和/或个人信息查询接口，其中，所述个人信息查询接口进一步包括：银行卡号查询接口、身份证号查询接口、邮箱地址查询接口、和/或手机号码查询接口。
A9、根据A1-A8任一所述的系统，其中，所述显示模块用于分别通过柱形图、折线图、直方图、饼图、条形图、面积图、和/或散列图来显示所述分析结果中包含的各类信用查询结果。
本发明还公开了：B10、一种信用查询方法，其中，包括：
根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；
通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；
根据所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；
根据所述分析结果显示与所述查询请求对应的信用查询结果。
B11、根据B10所述的方法，其中，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤的实现方式包括以下中的至少一种：
根据所述分析规则中包含的信息泄露分析规则分析所述数据记录集合中的各条数据记录所对应的信息泄露比例，根据各条数据记录所对应的信息泄露比例计算所述数据记录集合中的所有数据记录所对应的平均信息泄露比例，将所述平均信息泄露比例作为与所述数据记录集合对应的信息泄露分析结果；
根据所述分析规则中包含的信息完整性分析规则分析所述数据记录集合中的各条数据记录所包含的字段个数，根据所述各条数据记录所包含的字段个数计算所述数据记录集合中的所有数据记录所对应的信息完整性分值，将所述信息完整性分值作为与所述数据记录集合对应的信息完整性分析结果；
根据所述分析规则中包含的行业风险分析规则分析所述数据记录集合中的各条数据记录所对应的行业的风险分数，根据所述各条数据记录所对应的行业的风险分数计算所述数据记录集合中的各个行业所对应的行业风险分数，将所述各个行业所对应的行业风险分数作为与所述数据记录集合对应的行业风险分析结果；其中，所述行业风险分析规则为：根据预设的各行业对应的行业风险分值、各行业中包含的第一类字段的风险分值、和/或各行业中包含的第二类字段的风险分值确定各行业的行业风险分数；
根据所述分析规则中包含的预警字段分析规则分析所述数据记录集合中的各条数据记录所包含的预警字段，将所述各条数据记录所包含的预警字段作为与所述数据记录集合对应的预警字段分析结果；其中，所述预警字段分析规则为：统计各条数据记录中的各个字段及其字段值在数据库中出现的次数，将次数大于预设预警阈值的字段及其字段值作为预警字段。
B12、根据B11所述的方法，其中，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：
计算各个行业所对应的行业风险分数的平均值，将所述行业风险分数的平均值作为与所述数据记录集合对应的征信分数分析结果。
B13、根据B12所述的方法，其中，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：
根据所述征信分数分析结果以及信息泄露分析结果确定与所述数据记录集合对应的可信度分析结果。
B14、根据B12所述的方法，其中，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：
根据所述征信分数分析结果以及预警字段分析结果，确定用于供用户修改预警字段的客户建议分析结果。
B15、根据B11所述的方法，其中，所述根据预设的分析规则确定与所述数据记录集合对应的分析结果的步骤进一步包括：
根据预警字段分析结果中包含的预警字段的数量确定对应的稳定性分析结果。
B16、根据B10所述的方法，其中，所述预设的数据格式包括以下中的至少一项：关键字段的数量、关键字段的标识、关键字段的字段类型、以及关键字段的取值范围；其中，所述关键字段的标识包括以下中的至少一项：存储时间、数据来源、个人姓名、个人信息、以及行业类别；其中，个人信息进一步包括：银行卡号、身份证号、邮箱地址、和/或手机号码。
B17、根据B16所述的方法，其中，所述查询接口进一步包括：
个人姓名查询接口和/或个人信息查询接口，其中，所述个人信息查询接口进一步包括：银行卡号查询接口、身份证号查询接口、邮箱地址查询接口、和/或手机号码查询接口。
B18、根据B10-B17任一所述的方法，其中，所述显示模块用于分别通过柱形图、折线图、直方图、饼图、条形图、面积图、和/或散列图来显示所述分析结果中包含的各类信用查询结果。

Claims (10)

1.一种信用查询系统，其特征在于，包括：
录入模块，用于根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；
查询模块，用于通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；
处理模块，用于根据所述查询模块获取的所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；
显示模块，用于根据所述分析结果显示与所述查询请求对应的信用查询结果。
2.根据权利要求1所述的系统，其中，所述处理模块进一步包括以下中的至少一个：
信息泄露子模块，用于根据所述分析规则中包含的信息泄露分析规则分析所述数据记录集合中的各条数据记录所对应的信息泄露比例，根据各条数据记录所对应的信息泄露比例计算所述数据记录集合中的所有数据记录所对应的平均信息泄露比例，将所述平均信息泄露比例作为与所述数据记录集合对应的信息泄露分析结果；
信息完整性子模块，用于根据所述分析规则中包含的信息完整性分析规则分析所述数据记录集合中的各条数据记录所包含的字段个数，根据所述各条数据记录所包含的字段个数计算所述数据记录集合中的所有数据记录所对应的信息完整性分值，将所述信息完整性分值作为与所述数据记录集合对应的信息完整性分析结果；
行业风险子模块，用于根据所述分析规则中包含的行业风险分析规则分析所述数据记录集合中的各条数据记录所对应的行业的风险分数，根据所述各条数据记录所对应的行业的风险分数计算所述数据记录集合中的各个行业所对应的行业风险分数，将所述各个行业所对应的行业风险分数作为与所述数据记录集合对应的行业风险分析结果；其中，所述行业风险分析规则为：根据预设的各行业对应的行业风险分值、各行业中包含的第一类字段的风险分值、和/或各行业中包含的第二类字段的风险分值确定各行业的行业风险分数；
预警子模块，用于根据所述分析规则中包含的预警字段分析规则分析所述数据记录集合中的各条数据记录所包含的预警字段，将所述各条数据记录所包含的预警字段作为与所述数据记录集合对应的预警字段分析结果；其中，所述预警字段分析规则为：统计各条数据记录中的各个字段及其字段值在数据库中出现的次数，将次数大于预设预警阈值的字段及其字段值作为预警字段。
3.根据权利要求2所述的系统，其中，当所述处理模块进一步包括所述行业风险子模块时，所述处理模块进一步包括：
征信分数子模块，用于计算所述行业风险子模块确定的所述各个行业所对应的行业风险分数的平均值，将所述行业风险分数的平均值作为与所述数据记录集合对应的征信分数分析结果。
4.根据权利要求3所述的系统，其中，当所述处理模块进一步包括所述信息泄露子模块时，所述处理模块进一步包括：
可信度子模块，用于根据所述征信分数子模块确定的征信分数分析结果以及所述信息泄露子模块确定的信息泄露分析结果确定与所述数据记录集合对应的可信度分析结果。
5.根据权利要求3所述的系统，其中，当所述处理模块进一步包括所述预警子模块时，所述处理模块进一步包括：
客户建议子模块，用于根据所述征信分数子模块确定的征信分数分析结果以及所述预警子模块确定的预警字段分析结果，确定用于供用户修改预警字段的客户建议分析结果。
6.根据权利要求2所述的系统，其中，当所述处理模块进一步包括所述预警子模块时，所述处理模块进一步包括：
稳定性子模块，用于根据所述预警子模块确定的预警字段分析结果中包含的预警字段的数量确定对应的稳定性分析结果。
7.根据权利要求1所述的系统，其中，所述预设的数据格式包括以下中的至少一项：关键字段的数量、关键字段的标识、关键字段的字段类型、以及关键字段的取值范围；其中，所述关键字段的标识包括以下中的至少一项：存储时间、数据来源、个人姓名、个人信息、以及行业类别；其中，个人信息进一步包括：银行卡号、身份证号、邮箱地址、和/或手机号码。
8.根据权利要求7所述的系统，其中，所述查询接口进一步包括：
个人姓名查询接口和/或个人信息查询接口，其中，所述个人信息查询接口进一步包括：银行卡号查询接口、身份证号查询接口、邮箱地址查询接口、和/或手机号码查询接口。
9.根据权利要求1-8任一所述的系统，其中，所述显示模块用于分别通过柱形图、折线图、直方图、饼图、条形图、面积图、和/或散列图来显示所述分析结果中包含的各类信用查询结果。
10.一种信用查询方法，其特征在于，包括：
根据预设的数据格式将获取的所有包含个人信息的数据记录分别录入数据库中；
通过预设的查询接口接收用户输入的查询请求，获取所述查询请求中包含的查询关键词；
根据所述查询关键词从所述数据库中获取包含所述查询关键词的数据记录集合，根据预设的分析规则确定与所述数据记录集合对应的分析结果；
根据所述分析结果显示与所述查询请求对应的信用查询结果。
CN201610803817.1A 2016-09-06 2016-09-06 信用查询系统及方法 Pending CN106372215A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610803817.1A CN106372215A (zh) 2016-09-06 2016-09-06 信用查询系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610803817.1A CN106372215A (zh) 2016-09-06 2016-09-06 信用查询系统及方法

Publications (1)

Publication Number Publication Date
CN106372215A true CN106372215A (zh) 2017-02-01

Family

ID=57900043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610803817.1A Pending CN106372215A (zh) 2016-09-06 2016-09-06 信用查询系统及方法

Country Status (1)

Country Link
CN (1) CN106372215A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108629655A (zh) * 2018-04-16 2018-10-09 张之明 信用数据管理系统及方法
CN109102392A (zh) * 2018-08-15 2018-12-28 吉林亿联银行股份有限公司 一种征信查询风险预警方法及装置
CN109829808A (zh) * 2019-01-22 2019-05-31 政和科技股份有限公司 一种企业科技财税管理建议书生成系统及其方法
CN110322337A (zh) * 2019-04-18 2019-10-11 中国工商银行股份有限公司 一种查询业务自动查复方法及装置
CN111209374A (zh) * 2020-01-07 2020-05-29 平安科技（深圳）有限公司 数据查询展示方法、装置、计算机系统及可读存储介质
CN112184427A (zh) * 2020-10-16 2021-01-05 上海印闪网络科技有限公司 一种基于用户在线上贷款推荐应用上的操作行为分析借贷风险的方法
CN112396508A (zh) * 2020-11-12 2021-02-23 上海京滴信用管理有限公司 一种基于大数据的社会信用公示查询系统
CN114219437A (zh) * 2021-12-14 2022-03-22 中国建设银行股份有限公司 一种信用报告查询方法、装置、服务器及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101295388A (zh) * 2007-04-25 2008-10-29 北京神州商桥技术服务有限公司 一种信用评估方法及系统
CN101311958A (zh) * 2008-06-06 2008-11-26 鹏元征信有限公司 一种信用度查询服务系统中数据信息的查询存储方法
CN104574110A (zh) * 2014-12-29 2015-04-29 张伟平 一种信用数字认证方法
CN105630995A (zh) * 2015-12-25 2016-06-01 戴小毛 信用查询方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101295388A (zh) * 2007-04-25 2008-10-29 北京神州商桥技术服务有限公司 一种信用评估方法及系统
CN101311958A (zh) * 2008-06-06 2008-11-26 鹏元征信有限公司 一种信用度查询服务系统中数据信息的查询存储方法
CN104574110A (zh) * 2014-12-29 2015-04-29 张伟平 一种信用数字认证方法
CN105630995A (zh) * 2015-12-25 2016-06-01 戴小毛 信用查询方法及系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108629655A (zh) * 2018-04-16 2018-10-09 张之明 信用数据管理系统及方法
CN109102392A (zh) * 2018-08-15 2018-12-28 吉林亿联银行股份有限公司 一种征信查询风险预警方法及装置
CN109829808A (zh) * 2019-01-22 2019-05-31 政和科技股份有限公司 一种企业科技财税管理建议书生成系统及其方法
CN110322337A (zh) * 2019-04-18 2019-10-11 中国工商银行股份有限公司 一种查询业务自动查复方法及装置
CN111209374A (zh) * 2020-01-07 2020-05-29 平安科技（深圳）有限公司 数据查询展示方法、装置、计算机系统及可读存储介质
CN111209374B (zh) * 2020-01-07 2023-06-06 平安科技（深圳）有限公司 数据查询展示方法、装置、计算机系统及可读存储介质
CN112184427A (zh) * 2020-10-16 2021-01-05 上海印闪网络科技有限公司 一种基于用户在线上贷款推荐应用上的操作行为分析借贷风险的方法
CN112396508A (zh) * 2020-11-12 2021-02-23 上海京滴信用管理有限公司 一种基于大数据的社会信用公示查询系统
CN112396508B (zh) * 2020-11-12 2024-05-24 上海京滴信用管理有限公司 一种基于大数据的社会信用公示查询系统
CN114219437A (zh) * 2021-12-14 2022-03-22 中国建设银行股份有限公司 一种信用报告查询方法、装置、服务器及存储介质

Similar Documents

Publication Publication Date Title
CN106372215A (zh) 信用查询系统及方法
US20230013306A1 (en) Sensitive Data Classification
Li et al. Identifying and profiling key sellers in cyber carding community: AZSecure text mining system
Ruths et al. Social media for large studies of behavior
Carlsson et al. Consumer credit behavior in the digital context: A bibliometric analysis and literature review
US20210271694A1 (en) Similarity sharding
Bornmann et al. The state of h index research: Is the h index the ideal way to measure research performance?
US10095780B2 (en) Automatically mining patterns for rule based data standardization systems
US8892575B2 (en) Dictionary entry name generator
US10162848B2 (en) Methods and apparatus for harmonization of data stored in multiple databases using concept-based analysis
US20140330594A1 (en) System and method for determination of insurance classification and underwriting determination for entities
US20090007272A1 (en) Identifying data associated with security issue attributes
US11294915B2 (en) Focused probabilistic entity resolution from multiple data sources
US9646246B2 (en) System and method for using a statistical classifier to score contact entities
Sáez-Martín et al. Access to public information: a scientometric study of legal versus voluntary transparency in the public sector
US20150170036A1 (en) Determining document classification probabilistically through classification rule analysis
Bornmann et al. Overlay maps based on M endeley data: The use of altmetrics for readership networks
Mallinas et al. Subcomponents of right-wing authoritarianism differentially predict attitudes toward obeying authorities
US20160055141A1 (en) String comparison results for character strings using frequency data
CN114303140A (zh) 与产品和服务相关的知识产权数据分析
KR102076657B1 (ko) 기업의 위기 조짐 모니터링을 위한 기업 위험도 분석 방법 및 이를 위한 장치
Khan et al. Utilizing the collective wisdom of fintech in the gcc region: A systematic mapping approach
Stewart et al. Governance disclosure on the internet: The case of Australian State Government Departments
CN111192015A (zh) 基于核心对象的一体化数据管理系统
Modrušan et al. Intelligent Public Procurement Monitoring System Powered by Text Mining and Balanced Indicators

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170201

RJ01 Rejection of invention patent application after publication