CN109447313A - 一种成员关系的确定方法及装置 - Google Patents

一种成员关系的确定方法及装置 Download PDF

Info

Publication number
CN109447313A
CN109447313A CN201811083022.3A CN201811083022A CN109447313A CN 109447313 A CN109447313 A CN 109447313A CN 201811083022 A CN201811083022 A CN 201811083022A CN 109447313 A CN109447313 A CN 109447313A
Authority
CN
China
Prior art keywords
data
specific function
organization
learning model
organizations
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
CN201811083022.3A
Other languages
English (en)
Inventor
张文婷
冯林
陈扬帆
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.)
Migu Cultural Technology Co Ltd
Original Assignee
Migu Cultural 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 Migu Cultural Technology Co Ltd filed Critical Migu Cultural Technology Co Ltd
Priority to CN201811083022.3A priority Critical patent/CN109447313A/zh
Publication of CN109447313A publication Critical patent/CN109447313A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种成员关系的确定方法，包括：获取至少两个组织机构中具有特定职能的成员的数据；根据获取到的数据进行用于适配机器学习模型的预处理；在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系。本发明还公开了一种成员关系的确定装置。

Description

一种成员关系的确定方法及装置
技术领域
本发明涉及网络安全技术领域，尤其涉及一种成员关系的确定方法及装置。
背景技术
在互联网业务运营中，存在组织机构的拥有者同时注册多家组织机构，从而避免其中一家组织机构被惩罚而影响业务收入的情况；为维护互联网的环境安全，如何确定多家组织机构之间的关联关系目前尚无有效解决方案。
发明内容
有鉴于此，本发明实施例期望提供一种成员关系的确定方法及装置，能够确定至少两个组织机构中具有特定职能的成员之间的关系，进而确定至少两个组织机构之间的关系。
为达到上述目的，本发明实施例的技术方案是这样实现的：
第一方面，本发明实施例提供一种成员关系的确定方法，所述方法包括：
获取至少两个组织机构中具有特定职能的成员的数据；
根据获取到的数据进行用于适配机器学习模型的预处理；
在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系。
上述方案中，所述获取至少两个组织机构中具有特定职能的成员的数据，包括：
以时间为维度，获取至少两个组织机构中具有特定职能的成员的位置数据。
上述方案中，所述根据获取到的数据进行用于适配机器学习模型的预处理，包括：
对获取到的数据基于数据格式、数据完整性和数据可识别性中的至少一个进行筛选，得到用于适配所述机器学习模型的有效数据。
上述方案中，所述在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系，包括：
在所述机器学习模型的输入端输入经过预处理的数据；
在所述机器学习模型的输出端输出两个组织机构中具有特定职能的成员之间的关系。
上述方案中，所述在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系，包括：
获取同一时间点内，两个组织机构中具有特定职能的任意两个成员之间的空间距离值；
基于所述空间距离值，确定在预设时间间隔内所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性；
基于所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性，确定所述两个组织机构中至少两个以上的成员之间的关系。
本发明实施例还提供一种成员关系的确定装置，其特征在于，所述装置包括：
获取单元，用于获取至少两个组织机构中具有特定职能的成员的数据；
预处理单元，用于根据获取到的数据进行用于适配机器学习模型的预处理；
预处理单元，还用于根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系。
上述方案中，所述获取单元，用于以时间为维度，获取至少两个组织机构中具有特定职能的成员的位置数据。
上述方案中，所述预处理单元，用于对获取到的数据基于数据格式、数据完整性和数据可识别性中的至少一个进行筛选，得到用于适配所述机器学习模型的有效数据。
上述方案中，所述预处理单元，用于在所述机器学习模型的输入端输入经过预处理的数据；
在所述机器学习模型的输出端输出两个组织机构中具有特定职能的成员之间的关系。
上述方案中，所述预处理单元，用于获取同一时间点内，两个组织机构中具有特定职能的任意两个成员之间的空间距离值；
基于所述空间距离值，确定在预设时间间隔内所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性；
基于所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性，确定所述两个组织机构中至少两个以上的成员之间的关系。
本发明实施例提供的成员关系的确定方法及装置，基于至少两个组织机构中具有特定职能的成员的数据，利用机器学习模型确定至少两个组织机构中具有特定职能的成员之间的关系，进而确定所述至少两个组织机构之间的关系，以便维护互联网的环境安全。
附图说明
图1为本发明实施例提供的成员关系的确定方法的一个可选处理流程示意图；
图2为本发明实施例提供的机器模型确定两个组织机构中具有特定职能的成员之间的关系的处理流程示意图；
图3为本发明实施例提供的成员关系的确定装置的组成结构示意图；
图4为本发明实施例提供的成员关系的确定装置的硬件组成结构示意图。
具体实施方式
在对本发明实施例进行详细说明之前，先对本发明实施例涉及的名词进行解释。
1)组织机构，指机关、企业单位、事业单位、社会团体、网络店铺等。
2)关键人物，是指组织机构在工商行政部门注册的法人、股东、监事人员等对组织机构具有决策权的成员。
为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明。
本发明实施例提供的成员关系的确定方法的一个可选处理流程示意图，如图1所示，包括以下步骤：
步骤S101，获取至少两个组织机构中具有特定职能的成员的数据。
在一些可选实施方式中，所述具有特定职能的成员可以是对组织机构具有决策权的关键人物、如法人、股东、监事人员等；所述具有特定职能的成员还可以是财务总监、会计等掌握组织机构资金流转的财务人员；当然，基于不同的应用场景，所述具有特定职能的成员还可以是组织机构内其他职务的成员。
在一些可选实施方式中，所述获取至少两个组织机构中具有特定职能的成员的数据，是指成员关系的确定装置以时间为维度，获取至少两个组织机构中具有特定职能的成员的位置数据；举例来说，时间戳的单位为秒，则成员关系的确定装置获取至少两个组织机构中具有特定职能的成员每秒的位置数据。
在另一些可选实施方式中，所述获取至少两个组织机构中具有特定职能的成员的数据，是指成员关系的确定装置以时间为维度，获取至少两个组织机构中具有特定职能的成员的通讯数据或其他数据；所述通讯数据可以是进行通讯的联系人电话、姓名、通讯时间等信息。
步骤S102，根据获取到的数据进行用于适配机器学习模型的预处理。
在一些实施方式中，根据获取到的数据进行用于适配机器学习模型的预处理，是指成员关系的确定装置对获取到的数据基于数据格式、数据完整性和数据可识别性中的至少一个进行筛选，得到用于适配所述机器学习模型的有效数据。在具体实施时，删除格式不正确的数据、和/或删除不完整的数据、和/或删除无法识别的数据。其中，格式不正确的数据是指未按照预设的格式进行存储的数据；举例来说，预设的格式为数据采集时间-成员所在位置信息(包括经度和纬度)，而存储的数据仅仅包括数据采集时间和成员所在的经度，则识别为格式不正确的数据。不完整的数据，可以理解为被中断采集的数据；举例来说，在一个小时内，采集了前10秒的数据，中断了30分钟后，采集了后面29分钟50秒的数据，那么，识别前10秒的数据是不完整的数据。无法识别的数据，可以理解为不是按照预设的存储类型存储的数据；举例来说，预设的数据存储类型为二进制数据，而实际存储的数据非二进制数据，则为无法识别的数据。
步骤S103，在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系。
本发明实施例中，不对机器学习模型的类型进行限定，任何具有依据样本预测相应的状态或性能的机器学习模型均在本发明实施例的保护范围之内。
在一些实施例中，在所述机器学习模型的输入端输入经过预处理的数据；在所述机器学习模型的输出端输出两个组织机构中具有特定职能的成员之间的关系。
所述机器模型确定两个组织机构中具有特定职能的成员之间的关系的处理流程，如图2所示，包括以下步骤：
步骤S201，获取同一时间点内，两个组织机构中具有特定职能的任意两个成员之间的空间距离值。
以组织机构是企业1和企业2为例，获取企业1中的成员1与企业2中的成员2之间的空间距离值时，先获取在特定时间间隔，如1个小时之内成员1和成员2每秒的位置信息。如表1所示，位置点1A和位置点2A是对应于第一时间点上成员1和成员2的位置信息，位置点1B和位置点2B是对应于第二时间点上成员1和成员2的位置信息，以此类推。
成员1 位置点1A 位置点1B 位置点1C … 位置点1n
成员2 位置点2A 位置点2B 位置点2C … 位置点2n
表1
获取到特定时间间隔内成员1和成员2的位置信息之后，利用下述公式(1)分别计算每个时间点内，成员1和成员2之间的空间距离值。
Score(L)＝100*((M-σ)/(M-m)) (1)
其中，Score(L)表征成员1和成员2之间的空间距离值，M表示成员1和成员2同在一个区域的最大距离，m表示成员1和成员2同在一个区域的最小距离，σ表示在同一个时间点上，成员1和成员2之间的距离。
需要说明的是，本发明实施例中，在特定的应用场景下，还可以对表1中的数据进行筛选。举例来说，在已知成员1在特定的区域步行时，若获取到的成员1的位置数据发生了极大的跳跃，如成员1的位置数据和成员2的位置数据在时间间隔为2S时，发生了1KM的变化，显然是与实际不相符合的；此时，需要删除不符合实际的数据。
步骤S202，基于所述空间距离值，确定在预设时间间隔内所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性。
本发明实施例中，基于下述公式(2)确定在预设时间间隔内所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性。
其中，Score(C)表示两个组织机构中具有特定职能的任意两个成员之间的位置相关性，a0为表征两个成员在上一个时间点的相关性的值，两个成员在第一个时间点的相关性的值为0；an为距离系数，an的值为在预设的时间段内计算的所有Score(L)中出现频次最高的一个Score(L)与预设时间段内采集的数据总数量的比值。举例来说，预设时间间隔是1个小时，每秒钟获取一组成员数据，那么，1个小时内获取3600组成员数据，在3600组成员数据中Score(L)＝300出现的频次最高，那么，an＝300/3600。
步骤S203，基于所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性，确定所述两个组织机构中至少两个以上的成员之间的关系。
本发明实施例中，利用下述公式(3)确定所述两个组织机构中至少两个以上的成员之间的关系。
Score(k)＝∑xkScore(C) (3)
其中，Score(k)表示k个成员的位置相关性，Score(C)表示两个成员的位置相关性，xk表示两个成员的位置相关性对应的权重。举例来说，可预先设置Score(C)的值在第一范围内时，对应的权重为第一值；当Score(C)的值在第二范围内时，对应的权重为第二值，以此类推。
需要说明的是，本发明实施例中，若组织机构1中有3个具有特定职能的成员，组织机构2中有4个具有特定职能的成员，则需要计算组织机构1中的3个成员分别与组织机构2中的4个成员的关系。
本发明实施例中，基于至少两个组织机构中具有特定职能的成员的数据，利用机器学习模型确定至少两个组织机构中具有特定职能的成员之间的关系；所确定的两个组织机构中至少两个以上的成员之间的关系，能够作为判断两个企业之间关系的依据。避免在网络业务运营中，一个组织机构的拥有者通过同时注册多家组织机构，从而能够逃避因一个组织结构被惩罚而影响业务收入的问题
基于上述成员关系的确定方法，本发明实施例还提供一种成员关系的确定装置，所述成员关系的确定装置300的组成结构，如图3所示，包括：
获取单元301，用于获取至少两个组织机构中具有特定职能的成员的数据；
预处理单元302，用于根据获取到的数据进行用于适配机器学习模型的预处理；
所述预处理单元302，还用于根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系。
本发明实施例中，所述获取单元301，用于以时间为维度，获取至少两个组织机构中具有特定职能的成员的位置数据。
本发明实施例中，所述预处理单元302，用于对获取到的数据基于数据格式、数据完整性和数据可识别性中的至少一个进行筛选，得到用于适配所述机器学习模型的有效数据。
本发明实施例中，所述预处理单元302，用于在所述机器学习模型的输入端输入经过预处理的数据；
在所述机器学习模型的输出端输出两个组织机构中具有特定职能的成员之间的关系。
本发明实施例中，所述预处理单元302，用于获取同一时间点内，两个组织机构中具有特定职能的任意两个成员之间的空间距离值；
基于所述空间距离值，确定在预设时间间隔内所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性；
基于所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性，确定所述两个组织机构中至少两个以上的成员之间的关系。
图4是本发明实施例提供的成员关系的确定装置的硬件组成结构示意图，成员关系的确定装置400包括：至少一个处理器401、存储器402和至少一个网络接口404。成员关系的确定装置400中的各个组件通过总线系统405耦合在一起。可理解，总线系统405用于实现这些组件之间的连接通信。总线系统405除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统405。
可以理解，存储器402可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是ROM、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，ElectricallyErasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagneticrandom access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，SynchronousStatic Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random AccessMemory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random AccessMemory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data RateSynchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中的存储器402用于存储各种类型的数据以支持成员关系的确定装置400的操作。这些数据的示例包括：用于在成员关系的确定装置400上操作的任何计算机程序，如应用程序4022。实现本发明实施例方法的程序可以包含在应用程序4022中。
上述本发明实施例揭示的方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，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。处理器401可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，成员关系的确定装置400可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable LogicDevice)、FPGA、通用处理器、控制器、MCU、MPU、或其他电子元件实现，用于执行前述方法。
相应的，本发明实施例还提供一种存储介质，所述存储介质中存储由计算机程序，所述计算机程序被处理器运行时，用于实现本发明实施例上述成员关系的确定方法。
本发明是参照根据本发明实施例的方法、设备(系统)、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，仅为本发明的较佳实施例而已，并非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作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种成员关系的确定方法，其特征在于，所述方法包括：
获取至少两个组织机构中具有特定职能的成员的数据；
根据获取到的数据进行用于适配机器学习模型的预处理；
在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系。
2.根据权利要求1所述的方法，其特征在于，所述获取至少两个组织机构中具有特定职能的成员的数据，包括：
以时间为维度，获取至少两个组织机构中具有特定职能的成员的位置数据。
3.根据权利要求1所述的方法，其特征在于，所述根据获取到的数据进行用于适配机器学习模型的预处理，包括：
对获取到的数据基于数据格式、数据完整性和数据可识别性中的至少一个进行筛选，得到用于适配所述机器学习模型的有效数据。
4.根据权利要求1所述的方法，其特征在于，所述在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系，包括：
在所述机器学习模型的输入端输入经过预处理的数据；
在所述机器学习模型的输出端输出两个组织机构中具有特定职能的成员之间的关系。
5.根据权利要求1所述的方法，其特征在于，所述在所述机器学习模型中，根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系，包括：
获取同一时间点内，两个组织机构中具有特定职能的任意两个成员之间的空间距离值；
基于所述空间距离值，确定在预设时间间隔内所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性；
基于所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性，确定所述两个组织机构中至少两个以上的成员之间的关系。
6.一种成员关系的确定装置，其特征在于，所述装置包括：
获取单元，用于获取至少两个组织机构中具有特定职能的成员的数据；
预处理单元，用于根据获取到的数据进行用于适配机器学习模型的预处理；
预处理单元，还用于根据经过预处理的数据预测所述至少两个组织机构中具有特定职能的成员之间的关系。
7.根据权利要求6所述的装置，其特征在于，所述获取单元，用于以时间为维度，获取至少两个组织机构中具有特定职能的成员的位置数据。
8.根据权利要求6所述的装置，其特征在于，所述预处理单元，用于对获取到的数据基于数据格式、数据完整性和数据可识别性中的至少一个进行筛选，得到用于适配所述机器学习模型的有效数据。
9.根据权利要求6所述的装置，其特征在于，所述预处理单元，用于在所述机器学习模型的输入端输入经过预处理的数据；
在所述机器学习模型的输出端输出两个组织机构中具有特定职能的成员之间的关系。
10.根据权利要求6所述的装置，其特征在于，所述预处理单元，用于获取同一时间点内，两个组织机构中具有特定职能的任意两个成员之间的空间距离值；
基于所述空间距离值，确定在预设时间间隔内所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性；
基于所述两个组织机构中具有特定职能的任意两个成员之间的位置相关性，确定所述两个组织机构中至少两个以上的成员之间的关系。
CN201811083022.3A 2018-09-17 2018-09-17 一种成员关系的确定方法及装置 Pending CN109447313A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811083022.3A CN109447313A (zh) 2018-09-17 2018-09-17 一种成员关系的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811083022.3A CN109447313A (zh) 2018-09-17 2018-09-17 一种成员关系的确定方法及装置

Publications (1)

Publication Number Publication Date
CN109447313A true CN109447313A (zh) 2019-03-08

Family

ID=65533200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811083022.3A Pending CN109447313A (zh) 2018-09-17 2018-09-17 一种成员关系的确定方法及装置

Country Status (1)

Country Link
CN (1) CN109447313A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101911066A (zh) * 2008-01-04 2010-12-08 雅虎公司 识别和使用社交网络关系
CN102693359A (zh) * 2012-04-24 2012-09-26 Tcl集团股份有限公司 一种建立家庭成员社交关系模型的方法及装置
US20130144957A1 (en) * 2011-12-05 2013-06-06 Sap Portals Israel Ltd Real-Time Social Networking
CN103544235A (zh) * 2013-10-07 2014-01-29 宁波芝立软件有限公司 一种亲缘关系相关性推导方法
CN106445948A (zh) * 2015-08-06 2017-02-22 中兴通讯股份有限公司 一种人员潜在关系分析方法和装置
CN106682990A (zh) * 2016-12-09 2017-05-17 武汉中软通证信息技术有限公司 一种建立嫌疑人人际关系模型的方法和系统
CN106780263A (zh) * 2017-01-13 2017-05-31 中电科新型智慧城市研究院有限公司 基于大数据平台的高危人员分析和识别方法
CN107423406A (zh) * 2017-07-27 2017-12-01 电子科技大学 一种校园学生关系网络的构建方法
CN107862530A (zh) * 2016-09-19 2018-03-30 阿里巴巴集团控股有限公司 建立用户人际关系信息的方法及装置
US9959350B1 (en) * 2011-07-12 2018-05-01 Relationship Science LLC Ontology models for identifying connectivity between entities in a social graph
CN108133185A (zh) * 2017-12-21 2018-06-08 山东师范大学 基于轨迹数据判断行人关系的方法和系统
US20180225685A1 (en) * 2017-02-07 2018-08-09 Linkedin Corporation Identifying impending user-competitor relationships on an online social networking system

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101911066A (zh) * 2008-01-04 2010-12-08 雅虎公司 识别和使用社交网络关系
US9959350B1 (en) * 2011-07-12 2018-05-01 Relationship Science LLC Ontology models for identifying connectivity between entities in a social graph
US20130144957A1 (en) * 2011-12-05 2013-06-06 Sap Portals Israel Ltd Real-Time Social Networking
CN102693359A (zh) * 2012-04-24 2012-09-26 Tcl集团股份有限公司 一种建立家庭成员社交关系模型的方法及装置
CN103544235A (zh) * 2013-10-07 2014-01-29 宁波芝立软件有限公司 一种亲缘关系相关性推导方法
CN106445948A (zh) * 2015-08-06 2017-02-22 中兴通讯股份有限公司 一种人员潜在关系分析方法和装置
CN107862530A (zh) * 2016-09-19 2018-03-30 阿里巴巴集团控股有限公司 建立用户人际关系信息的方法及装置
CN106682990A (zh) * 2016-12-09 2017-05-17 武汉中软通证信息技术有限公司 一种建立嫌疑人人际关系模型的方法和系统
CN106780263A (zh) * 2017-01-13 2017-05-31 中电科新型智慧城市研究院有限公司 基于大数据平台的高危人员分析和识别方法
US20180225685A1 (en) * 2017-02-07 2018-08-09 Linkedin Corporation Identifying impending user-competitor relationships on an online social networking system
CN107423406A (zh) * 2017-07-27 2017-12-01 电子科技大学 一种校园学生关系网络的构建方法
CN108133185A (zh) * 2017-12-21 2018-06-08 山东师范大学 基于轨迹数据判断行人关系的方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭洪荣等: "《企业所得税汇算清缴法规精编应用指南（2018年版）》", 28 February 2018, 立信会计出版社 *

Similar Documents

Publication Publication Date Title
CN111144718B (zh) 基于私有数据保护的风险决策方法、装置、系统及设备
US7693767B2 (en) Method for generating predictive models for a business problem via supervised learning
CN109242672A (zh) 贷款的还款信息预测方法、装置以及计算机可读存储介质
CN108985489B (zh) 一种风险预测方法、风险预测装置和终端设备
CN110533521A (zh) 动态贷后预警方法、装置、设备及可读存储介质
CN113918884A (zh) 业务量预测模型构建方法和业务量预测方法
CN110738562B (zh) 一种风险提醒信息的生成方法、装置及设备
CN109493213A (zh) 一种基于业务规则库的借贷业务决策方法及系统
CN108921703A (zh) 理财推荐方法、装置和电子设备
CN107578338A (zh) 一种业务发布方法、装置及设备
CN109034815A (zh) 基于生物特征进行安全验证的方法及装置
CN114240101A (zh) 一种风险识别模型的验证方法、装置以及设备
CN108614866A (zh) 网银客户贡献度分析方法、装置及系统
CN112163962A (zh) 一种模型训练和业务风控的方法及装置
CN110400213A (zh) 数据处理方法和装置、以及电子设备和可读介质
Freitas et al. Point processes of non stationary sequences generated by sequential and random dynamical systems
CN110659998A (zh) 数据处理方法、装置、计算机装置及存储介质
CN110689425A (zh) 基于收益进行额度定价的方法、装置和电子设备
CN109308660B (zh) 一种征信评分模型评估方法、装置、设备及存储介质
CN108470244A (zh) 基于大数据的科研项目预算审核方法及系统
CN109447313A (zh) 一种成员关系的确定方法及装置
CN114971893B (zh) 一种贷款抵扣方式灵活配置方法及系统
CN111161042A (zh) 个人风险评估方法、装置、终端及存储介质
CN114297675A (zh) 一种针对目标对象的审核请求的处理方法、装置、设备及介质
CN110175831B (zh) 一种基于区块链的信用转移方法、装置及电子设备

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190308