CN109508388A - 一种关系网络可视化图谱的方法和装置 - Google Patents
一种关系网络可视化图谱的方法和装置 Download PDFInfo
- Publication number
- CN109508388A CN109508388A CN201811432002.2A CN201811432002A CN109508388A CN 109508388 A CN109508388 A CN 109508388A CN 201811432002 A CN201811432002 A CN 201811432002A CN 109508388 A CN109508388 A CN 109508388A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- node
- information
- network visualization
- business
- 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
- 238000012800 visualization Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009877 rendering Methods 0.000 claims description 42
- 125000004122 cyclic group Chemical group 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims 1
- 238000012216 screening Methods 0.000 abstract description 13
- 230000003993 interaction Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 6
- 238000011835 investigation Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000001755 vocal effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010992 reflux Methods 0.000 description 2
- 238000013349 risk mitigation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 241001300198 Caperonia palustris Species 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 235000000384 Veronica chamaedrys Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000036407 pain Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种关系网络可视化图谱的方法和装置,该方法包括:提取Json报文中的Json数据;根据Json数据运用可缩放矢量图形,渲染出节点和节点相连接的边,得到关系网络可视化图谱。本发明提供一种关系网络可视化图谱的方法和装置,通过可缩放矢量图形渲染出关系网络可视化图谱,使得在秒级别内建立客户完整的关联关系图,节省了人力资源成本,可从全局上分析关系网络的行内外客户之间的交互数据,并能够灵活地针对关系网络可视化图谱中的节点进行批量筛选。
Description
技术领域
本发明涉及风控监测领域,尤其涉及一种关系网络可视化图谱的方法和装置。
背景技术
随着互联网日新月异的发展,数据呈现多维度爆发式的增长,银行业后端数据庞大而关系复杂多样。在数据海洋中完整梳理各级企业、系统、人之间的多维关系变的充满挑战性,通过人工分析方式难免会发生各类异常情况,即便耗费大量人力及时间梳理出的关联关系仍会存在潜在的遗漏现象,无法通过宏观层面对各类维度挖掘出隐藏的集群、集团及交互关系特征,从而漏出关键风险排查对象。
针对上述问题,如今人们提出了一些解决方案,如:现有的技术方案一:基于Flex+BirdEye(Ravis)实现的风险监测拓扑关系图展示,支持100个节点内的数据,并通过生成SWF文件进行关联关系的展示。其缺点是:
1)Adobe宣布2020年正式停止支持Flash,继续使用会带来一定的安全风险,且不具有后续可扩展性的要求;
2)UI界面不友好,很难给用户带来用户交互层面的效果提升;
3)随着H5的发展,以及更多第三方开源JS库可供选择,FLEX项目已经不具有竞争优势。
现有技术方案二:使用netdraw客户端进行可视化分析。需要首先通过ucinet6客户端导入Excel已经生成好的关联关系数据,生成.##h和.##d文件,再通过netdraw客户端导入前所生成的.##h文件进行可视化界面的渲染。其缺点是:
1)无法针对现有生成的图谱关系进行更多的操作,操作繁琐;
2)用户使用必须进行netdraw及ucinet6的安装,客户端的使用方式无法与各个系统进行直接对接,仅能特定文件导入的方式进行可视化处理;
3)无法针对特定的使用场景进行定制化开发,灵活性较差。
因此,现有技术中关系网络的行内外客户之间的交互数据分析处理,存在三大痛点:1)人力成本高。据业务人员反馈的情况,具有经验的人员使用标准绘图工具构建客户完整的关联关系图需要一星期左右的时间,加之人工操作中的遗漏、数据错误、操作失误等影响因子,若发生返工则会造成更久的耗时;2)无法宏观纵览。通过数据识别集团,集群及往来关系,需要在构图工作中通过人工的经验判断,造成很多时候仅能聚焦于局限的区域,无法立足于更高的视角进行全局分析;3)筛选过滤困难。大量节点的构图一经确认,无法灵活的针对特定属性进行批量筛选,对干扰信息进行过滤困难重重。
发明内容
为了从全局上分析关系网络的行内外客户之间的交互数据,并达到节省人力资源成本的效果,本发明实施例提供了一种关系网络可视化图谱的方法和装置。
第一方面,本发明提供一种关系网络可视化图谱的方法,所述方法包括:
提取Json报文中的Json数据;
根据所述Json数据运用可缩放矢量图形,渲染出节点和所述节点相连接的边,得到关系网络可视化图谱。
第二方面,本发明提供一种关系网络可视化图谱的装置,所述装置包括:
提取数据模块,提取Json报文中的Json数据;
渲染模块,用于根据所述Json数据运用可缩放矢量图形,渲染出节点和所述节点相连接的边,得到关系网络可视化图谱。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面提供的关系网络可视化图谱的方法的步骤。
第四方面,本发明提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面提供的关系网络可视化图谱的方法的步骤。
本发明提供一种关系网络可视化图谱的方法和装置,通过可缩放矢量图形渲染出关系网络可视化图谱,使得在秒级别内建立客户完整的关联关系图,节省了人力资源成本,可从全局上分析关系网络的行内外客户之间的交互数据,并能够灵活地针对关系网络可视化图谱中的节点进行批量筛选。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例提供的关系网络可视化图谱的方法的流程示意图;
图2为本发明实施例提供的力导向关联关系图谱的界面示意图;
图3为本发明实施例提供的筛选后的力导向关联关系图谱的界面示意图;
图4A为本发明实施例提供的对部分故障节点进行删除前的示意图;
图4B为本发明实施例提供的对部分故障节点进行删除后的示意图;
图5为本发明实施例提供的树形关联关系图谱的界面示意图;
图6为本发明实施例提供的关系网络可视化图谱中环状结构的界面示意图;
图7为本发明实施例提供的关系网络可视化图谱的装置的框图;
图8为本发明实施例提供的电子设备框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着数据复杂度的快速增长,准确的数据关系梳理对业务决策的作用越来越大,但是现有的梳理各级企业、系统、人之间的多维关系存在人力成本高、无法宏观纵览、信息筛选过滤困难等缺点,为了解决上述缺点,本发明实施例提供了一种关系网络可视化图谱的方法和装置,且该关系网络可视化图谱是基于B/S模式下渲染生成的。其中B/S(Browser/Server,浏览器/服务器模式)是一种WEB兴起后的一种网络结构模式,基本思想是将收集到的数据处理成为点、边、属性集生成关系网络图。如图1所示,图1为本发明实施例提供的关系网络可视化图谱的方法的流程示意图,该方法包括:
步骤101,提取Json报文中的Json数据。
具体为,数据源提供方按照方案所制定的标准Json报文模版,制定Json报文,然后在内网环境中通过HTTP协议向接收方地址发送Json报文,接收方提取Json报文中包含的Json数据。
步骤102,根据Json数据运用可缩放矢量图形,渲染出节点和节点相连接的边,得到关系网络可视化图谱。
具体为,可缩放矢量图形是基于矢量的图形家族的一部分,用于描述二维矢量图形的一种图形格式。通过获得的Json数据,使数据中表示节点和边的脚本,在可缩放矢量图形中渲染出节点和节点相连接的边,从而形成整个关系网络可视化图谱。在该关系网络可视化图谱中,允许图中两节点间的边数多于一条,允许顶点通过同一条边和自己进行关联,在实现过程中保证点的唯一性,边的可重复性,图谱的有向性,也可以对图中的节点进行拖拽和定点。
在本发明实施例中采用REACT+WebPack+D3.js+Three.js实现,并提供了两种图谱的渲染方式,其中力导向图是在动态状态下完成渲染,如图2所示,图2是本发明实施例提供的力导向关联关系图谱的界面示意图。另一种树形图是静态状态下完成渲染,如图5所示的界面示意图。力导向图在渲染的过程中,为了加快渲染速度,渲染初期不加载节点图形及描述信息,只加载边的布局,仅当图形稳定度force.alpha()<=0.02时停止整体构图的继续微调,并开始渲染节点图形及节点描述信息,生成最终的基于图关系的图形结构。在这里,图形稳定度是用来表示动态图谱在渲染进程中表现出来的稳定性,而0.02是本发明实施例优选的稳定值。对于树形图,由于树无需动态构造,在初始化时系统会根据节点的数量、子节点的深度、节点描述信息的长度计算出该节点在可缩放矢量图形的X/Y轴位置,边的渲染依据头尾节点的X/Y轴信息生成贝塞尔曲线进行连接,最终生成静态化的基于树形关系的图形结构。
本发明实施例通过可缩放矢量图形渲染出关系网络可视化图谱,使得在秒级别内建立客户完整的关联关系图,节省了人力资源成本,可从全局上分析关系网络的行内外客户之间的交互数据,并能够灵活地针对关系网络可视化图谱中的节点进行批量筛选。
基于上述实施例的内容,作为一种可选实施例:Json报文包括:企业的关系信息、与该企业关联的企业的关系信息。
具体为,在本发明实施例中,定制的Json报文是以表示企业关联关系为模板,所以Json报文包括:企业的关系信息、与该企业关联的企业的关系信息。
本发明实施例通过设置Json报文包含有关企业的关系信息,为渲染出企业关系网络可视化图谱提供相关数据。
基于上述实施例的内容,作为一种可选实施例:根据Json数据运用可缩放矢量图形,渲染出节点和节点相连接的边,得到关系网络可视化图谱包括:
解析Json数据,确定企业的关系信息;关系信息包括:企业名称、企业营业信息、企业风险信息、企业资金信息、企业股权信息、企业任职信息、企业涉诉信息、企业交易金额、企业担保金额。
具体为,在Json数据中包括:某一企业的关系信息,以及与该企业关联的企业的关系信息。如图2所示,图2为本发明实施例提供的力导向关联关系图谱的界面示意图,图中这些关系信息是由企业名称、企业营业信息、企业风险信息、企业资金信息、企业股权信息、企业任职信息、企业涉诉信息、企业交易金额、企业担保金额组成。其中,通过企业名称可以得出多个企业之间是否存在主从关系以及客户合作关系;通过企业营业信息可以得出多个企业处于什么样的状态中,如:正常营业、吊销营业证、注销公司信息等;通过企业风险信息可以得出多个企业的信用、市场、操作是否处于存在风险情况。通过企业资金信息可以得出多个企业注册时的注册金额、固定资产、负债等;通过企业股权信息可以得出员工、创始人、合伙人、投资人的占股比例,以及多个企业间的股份分配持有情况;通过企业任职信息可以得出多个企业的法人代表名字、董事长名字、监事名字、经理名字等;通过企业涉诉信息可以得出多个企业之间是否存在诉讼请求;通过企业交易金额可以得出多个企业在进行销售、质押等交易事务中支出的金额;通过企业担保金额可以得出该企业在融资时可以提供的担保申请金额,从侧面得出该企业的经营情况、财务情况、抵押资产情况、纳税情况、信用情况等。需要说明的是,本发明实施例包含但不限于上述企业的关系信息,只要是能够阐明企业与企业,企业与个人,个人与个人的关联性的信息均在本发明实施例的保护范围内。
根据企业和与该企业关联的关系信息,运用可缩放矢量图形,渲染出各个企业的节点和节点相连接的边,得到企业关系网络可视化图谱。
具体为,根据企业和与该企业关联的关系信息,在可缩放矢量图形中将它们之间的关系信息以可视化图谱的方式展示出来,即得到各个企业的节点和节点相连接的边,形成企业关系网络可视化图谱。需要说明的是,在该企业关系网络可视化图谱中,每个企业就是图中的一个节点,节点旁有有关企业关系信息的文字描述,文字描述部分可以进行高亮查询和居中定位操作。当然文字描述也可以根据用户的查询需求进行展示或隐藏。另外,图中两节点间的边数可以多于一条,允许顶点通过同一条边和自己进行关联,在实现过程中保证点的唯一性,边的可重复性,图谱的有向性,也可以对图中的节点进行拖拽和定点。
根据预设的企业关系筛选信息,对企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱。
具体为,如图3所示,图3为本发明实施例提供的筛选后的力导向关联关系图谱的界面示意图。当用户想要根据自己的查询需求,得到直观清晰的企业关系网络可视化图谱时,此时可以对企业关系网络可视化图谱进行筛选。这时只需要对企业和与该企业关联的关系信息进行选择:企业营运信息可以有正常营业、吊销营业证、注销公司信息等多个可选框;企业资金信息可以有注册金额、固定资产、负债等多个可选框;企业任职信息可以有法人代表名字、董事长名字、监事名字、经理名字等多个可选框;企业涉诉信息和企业风险信息只能从“是”,“否”的单选框里进行择一选择;企业股权信息、企业交易金额、企业担保金额是可以根据当前情况灵活地在状态栏里进行数值范围的输入,进行范围内的查找。之后即可在秒级别内完成筛选后的图形重构,得到重构后的企业关系网络可视化图谱,使用户直观地看到想要查询的信息的最终结果。
本发明实施例通过建立的企业关系网络可视化图谱,可以呈现企业各维度的关联关系,包括:股权关系、资金交易关系、担保关系、涉诉关系、高管任职等,建立了企业与企业,企业与个人,个人与个人间的关联,并通过形成重构的企业关系网络可视化图谱,使得用户在最短的时间内看到查询的最终结果,清晰且直观,提高了用户的体验。同时,在业务准入阶段,前台业务人员可以直观查看企业所属的集团及关联集群,直观判断即能将企业授信纳入集团管理,协同判断集团授信策略,通过关联关系等外部信息判断企业是否达到准入条件,有效将显著风险“挡在门外”;并且在客户贷后管理阶段,在某一链条节点上的企业出现风险后,方便风险经理通过同一集团或集群之内企业的关联关系、是否行内外客户、高中低风险信号等条件迅速判断传染到行内客户的路径和时间,及时做出风险预判并采取风险缓释和化解措施。
基于上述实施例的内容,作为一种可选实施例:对故障节点进行删除,并将故障节点直接关联的边进行删除。
具体为,如图4A所示,图4A为本发明实施例提供的对部分故障节点进行删除前的示意图。图中可以看出,在树结构图中,节点A为故障节点,此时对与节点A直接连接的边a,b,c,d进行删除,如图4B所示,这时边a,b,c,d都是以节点A为根节点,入度出度都为1的边。
本发明实施例通过发现图中的故障节点,就将与故障节点相连接的边也进行删除,从业务层面上来说,在系统处理上提供了一种手工调整功能,通过增删,变更图上节点间关系,更加符合业务的排查要求,从而提高可信度,最大限度的提高数据的可读性,增加深度挖掘数据的价值。
基于上述实施例的内容,作为一种可选实施例:节点相连接的边由权重值来表示,并根据权重值得出节点间的相关度。
具体为,两两节点之间由边来连接,此时对每个边上进行权重控制。也就是说,在渲染关系网络可视化图谱的过程中,根据各个节点间的边的权重值,使相关度高的节点靠近。
当边的权重值是百分比数据时,在0-1范围内,数据越趋近于1,说明边连接的两端节点斥力越小,节点靠的越近,节点间的相关度越大;
当边的权重值是数值型的,由当前边的权重值除以所有边的权重值中的最大权重值,得到商数,对该商数再乘以100%,转换为百分比数值,进而得到各个节点之间的相关度。例如:图2中,a边的权重值是20,b边的权重值是10,c边的权重值是30,那么a边连接的两个节点的相关度:
本发明实施例通过对节点相连接的边赋予权重值,可以加快图谱渲染速度,并将相关度高的节点相靠近,能够使用户很直观地看到图谱中不同节点间的关联程度。
基于上述实施例的内容,作为一种可选实施例:根据预设的企业关系筛选信息,对企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱,还包括:
对于重构后的企业关系网络可视化图谱,出现渲染节点个数大于预设值的,运用web图形库中的图形处理器进行加速渲染。
具体为,图谱渲染提供两种方式,一种为常规情况,渲染节点个数小于预设值的,直接采用原生可缩放矢量图形进行图像绘制;另一种为特殊情况,渲染节点个数大于预设值的,原有的可缩放矢量图形绘制方式已经完全无法进行交互操作,需要使用Three.js封装的WebGL库利用GPU加速渲染,考虑到行内大多数机器并没有安装高性能显卡,所以此项仅作为可选功能。
本发明实施例通过提供Three.js封装的WebGL库中的GPU加速渲染,为用户在进行图谱渲染的过程中提供另一种可选方式,使得渲染方式多元化。
基于上述实施例的内容,作为一种可选实施例:还包括:
在所述关系网络可视化图谱中对环状结构进行筛选。
具体为,如图6所示,图6为本发明实施例提供的关系网络可视化图谱中环状结构的界面示意图。在图中,关系网络可视化图谱能进行环状结构筛选,将出现环状的节点均作为重点监测的排查对象。需要说明的是,银监会对于贷款资金回流、担保圈是重点监察对象,例如:通过资金关系图中发现环状结构,通过担保关系图中发掘环状结构,进行高风险的贷款资金回流及担保圈的高危风险排查。比如图中的M公司向N公司进行贷款,此时资金由N公司流向M公司,而之后出现资金回流向N公司的情况,此时断定出现了贷款资金回流情况。本发明实施例中对环状结构的筛选检测不限于上述的资金关系和担保关系。
本发明实施例通过增加对环状结构进行筛选的功能,为高危风险的排查提供更便捷的方式。
基于上述实施例的内容,作为一种可选实施例:还包括:
对所述关系网络可视化图谱的节点进行锁定。
具体为,在全局的图节点位置设置一键锁定功能,由于关系网络可视化图谱中,在任意节点发生人工拖动时会重新布局,导致未被选中的节点位置在重新布局后发生偏移。一键锁定就是能保证在对全局进行锁定后,拖拽任意节点,除拖拽节点外,其余节点不会发生位置变动,整个图的布局仍然保持静止状态,即在原有位置保持静止。
本发明实施例通过设置一键锁定功能对节点进行锁定,能够根据用户需要随意改变选中节点的大小和位置的前提下,而不影响未被选中节点的位置,达到直观易识别的效果。
另外,需要说明的是,上述各发明实施例同时可以扩展到多种应用场景中,例如交通数据可视化、生物医药作用网络可视化、生物链可视化、食物链可视化、仓库供货调配网络可视化、社交网络可视化等领域。在上述各发明实施例中,支持独立部署及可扩展,仅需改动少许代码即能快速部署于各种应用场景进行全适配,无论是现在应用于风险监测关联关系图谱展示,还是应用于社交网络、各类评分网络、推荐关系网络等。同时能够自动获取节点全属性进行图谱的排列组合筛选,更加精确的分析图谱中各节点的关联关系。随图谱应用范围的扩充,系统可以进行柱形图、弦图、折线图、饼图、雷达图、桑基图、流图等的持续集成扩展。
在对风险监测方面,定制化了图谱的独有交互操作方式,满足业务人员全方位进行所见图中元素的自由操作,包括全属性实时组合筛选、拖拽定位、放大收缩、实时删除扩展、主题元素配色切换和风格切换、节点定制化实时查询展示、图谱生成图片导出、图谱元素信息关联关系Excle导出等。
根据本发明的另一个方面,本发明实施例还提供一种关系网络可视化图谱的装置,参见图7,图7为本发明实施例提供的关系网络可视化图谱的装置的框图。该装置用于在前述各实施例中进行关系网络可视化图谱的形成。因此,在前述各实施例中的关系网络可视化图谱的方法中的描述和定义,可以用于本发明实施例中各执行模块的理解。
如图所示,该装置包括:
提取数据模块701,提取Json报文中的Json数据;
渲染模块702,用于根据Json数据运用可缩放矢量图形,渲染出节点和节点相连接的边,得到关系网络可视化图谱。
本发明实施例通过可缩放矢量图形渲染出关系网络可视化图谱,使得在秒级别内建立客户完整的关联关系图,节省了人力资源成本,可从全局上分析关系网络的行内外客户之间的交互数据,并能够灵活地针对关系网络可视化图谱中的节点进行批量筛选。
基于上述实施例的内容,作为一种可选实施例:Json报文包括:企业的关系信息、与该企业关联的企业的关系信息。
本发明实施例通过设置Json报文包含有关企业的关系信息,为渲染出企业关系网络可视化图谱提供相关数据。
基于上述实施例的内容,作为一种可选实施例:渲染模块302,用于根据Json数据运用可缩放矢量图形,渲染出节点和节点相连接的边,得到关系网络可视化图谱包括:
解析模块,用于解析Json数据,确定企业关系信息;关系信息包括:企业名称、企业营业信息、企业风险信息、企业资金信息、企业股权信息、企业任职信息、企业持股比例、企业交易金额、企业担保金额;
企业关系网络可视化图谱确定模块,用于根据企业和与该企业关联的关系信息,运用可缩放矢量图形,渲染出各个企业的节点和节点相连接的边,得到企业关系网络可视化图谱;
重构后的企业关系网络可视化图谱确定模块,用于根据预设的企业关系筛选信息,对企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱。
本发明实施例通过建立的企业关系网络可视化图谱,可以呈现企业各维度的关联关系,包括:股权关系、资金交易关系、担保关系、涉诉关系、高管任职等,建立了企业与企业,企业与个人,个人与个人间的关联,并通过形成重构的企业关系网络可视化图谱,使得用户在最短的时间内看到查询的最终结果,清晰且直观,提高了用户的体验。同时,在业务准入阶段,前台业务人员可以直观查看企业所属的集团及关联集群,直观判断即能将企业授信纳入集团管理,协同判断集团授信策略,通过关联关系等外部信息判断企业是否达到准入条件,有效将显著风险“挡在门外”;并且在客户贷后管理阶段,在某一链条结点上的企业出现风险后,方便风险经理通过同一集团或集群之内企业的关联关系、是否行内外客户、高中低风险信号等条件迅速判断传染到行内客户的路径和时间,及时做出风险预判并采取风险缓释和化解措施。
基于上述实施例的内容,作为一种可选实施例:还包括:
对故障节点进行删除,并将所述故障节点直接关联的边进行删除。
本发明实施例通过发现图中的故障节点,就将与故障节点相连接的边也进行删除,从业务层面上来说,在系统处理上提供了一种手工调整功能,通过增删,变更图上节点间关系,更加符合业务的排查要求,从而提高可信度,最大限度的提高数据的可读性,增加深度挖掘数据的价值。
基于上述实施例的内容,作为一种可选实施例:还包括:
所述节点相连接的边由权重值来表示,并根据所述权重值得出节点间的相关度。
本发明实施例通过对节点相连接的边赋予权重值,可以加快图谱渲染速度,并将相关度高的节点相靠近,能够使用户很直观地看到图谱中不同节点间的关联程度。
基于上述实施例的内容,作为一种可选实施例:所述重构后的企业关系网络可视化图谱确定模块,用于根据预设的企业关系筛选信息,对所述企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱,还包括:
图形处理器渲染模块,用于对于所述重构后的企业关系网络可视化图谱,出现渲染节点个数大于预设值的,运用web图形库中的图形处理器进行加速渲染。
本发明实施例通过提供Three.js封装的WebGL库中的GPU加速渲染,为用户在进行图谱渲染的过程中提供另一种可选方式,使得渲染方式多元化。
以上发明实施例提供的装置是用于执行上述各方法实施例的,具体的流程和详细介绍请参见上述各方法实施例,此处不再赘述。
图8为本发明实施例提供的电子设备框图,如图8所示,该设备包括:处理器(processor)801、存储器(memory)802和总线803;
其中,处理器801及存储器802分别通过总线803完成相互间的通信;处理器801用于调用存储器802中的程序指令,以执行上述实施例所提供的消息中间件集中部署的方法,例如包括:提取Json报文中的Json数据;根据Json数据运用可缩放矢量图形,渲染出节点和节点相连接的边,得到关系网络可视化图谱。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现消息中间件集中部署的方法的步骤。例如包括:提取Json报文中的Json数据;根据Json数据运用可缩放矢量图形,渲染出节点和节点相连接的边,得到关系网络可视化图谱。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分的方法。
最后,本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种关系网络可视化图谱的方法,其特征在于,所述方法包括:
提取Json报文中的Json数据;
根据所述Json数据运用可缩放矢量图形,渲染出节点和所述节点相连接的边,得到关系网络可视化图谱。
2.根据权利要求1所述的方法,其特征在于,所述的Json报文包括:企业的关系信息、与该企业关联的企业的关系信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述Json数据运用可缩放矢量图形,渲染出节点和所述节点相连接的边,得到关系网络可视化图谱包括:
解析所述Json数据,确定企业的关系信息;所述关系信息包括:企业名称、企业营业信息、企业风险信息、企业资金信息、企业股权信息、企业任职信息、企业涉诉信息、企业交易金额、企业担保金额;
根据企业和与该企业关联的关系信息,运用可缩放矢量图形,渲染出各个企业的节点和节点相连接的边,得到企业关系网络可视化图谱;
根据预设的企业关系筛选信息,对所述企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱。
4.根据权利要求1所述的方法,其特征在于,还包括:
对故障节点进行删除,并将所述故障节点直接关联的边进行删除。
5.根据权利要求1所述的方法,其特征在于,还包括:
所述节点相连接的边由权重值来表示,并根据所述权重值得出节点间的相关度。
6.根据权利要求3所述的方法,其特征在于,所述根据预设的企业关系筛选信息,对所述企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱,还包括:
对于所述重构后的企业关系网络可视化图谱,出现渲染节点个数大于预设值的,运用web图形库中的图形处理器进行加速渲染。
7.根据权利要求1所述的方法,其特征在于,还包括:
在所述关系网络可视化图谱中对环状结构进行筛选。
8.根据权利要求1所述的方法,其特征在于,还包括:
对所述关系网络可视化图谱的节点进行锁定。
9.一种关系网络可视化图谱的装置,其特征在于,所述装置包括:
提取数据模块,提取Json报文中的Json数据;
渲染模块,用于根据所述Json数据运用可缩放矢量图形,渲染出节点和所述节点相连接的边,得到关系网络可视化图谱。
10.根据权利要求9所述的装置,其特征在于,所述的Json报文包括:企业的关系信息、与该企业关联的企业的关系信息。
11.根据权利要求9所述的装置,其特征在于,所述渲染模块,用于根据所述Json数据运用可缩放矢量图形,渲染出节点和所述节点相连接的边,得到关系网络可视化图谱包括:
解析模块,用于解析所述Json数据,确定企业关系信息;所述关系信息包括:企业名称、企业营业信息、企业风险信息、企业资金信息、企业股权信息、企业任职信息、企业涉诉信息、企业交易金额、企业担保金额;
企业关系网络可视化图谱确定模块,用于根据企业和与该企业关联的关系信息,运用可缩放矢量图形,渲染出各个企业的节点和节点相连接的边,得到企业关系网络可视化图谱;
重构后的企业关系网络可视化图谱确定模块,用于根据预设的企业关系筛选信息,对所述企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱。
12.根据权利要求9所述的装置,其特征在于,还包括:
对故障节点进行删除,并将所述故障节点直接关联的边进行删除。
13.根据权利要求9所述的装置,其特征在于,还包括:
所述节点相连接的边由权重值来表示,并根据所述权重值得出节点间的相关度。
14.根据权利要求11所述的装置,其特征在于,所述重构后的企业关系网络可视化图谱确定模块,用于根据预设的企业关系筛选信息,对所述企业和与该企业关联的关系信息进行选择,得到重构后的企业关系网络可视化图谱,还包括:
图形处理器渲染模块,用于对于所述重构后的企业关系网络可视化图谱,出现渲染节点个数大于预设值的,运用web图形库中的图形处理器进行加速渲染。
15.根据权利要求9所述的装置,其特征在于,还包括:
在所述关系网络可视化图谱中对环状结构进行筛选。
16.根据权利要求9所述的装置,其特征在于,还包括:
对关系网络可视化图谱中的节点进行锁定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811432002.2A CN109508388A (zh) | 2018-11-28 | 2018-11-28 | 一种关系网络可视化图谱的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811432002.2A CN109508388A (zh) | 2018-11-28 | 2018-11-28 | 一种关系网络可视化图谱的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109508388A true CN109508388A (zh) | 2019-03-22 |
Family
ID=65750941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811432002.2A Pending CN109508388A (zh) | 2018-11-28 | 2018-11-28 | 一种关系网络可视化图谱的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508388A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163736A (zh) * | 2019-04-23 | 2019-08-23 | 安徽海汇金融投资集团有限公司 | 一种可视化债务关系展示方法及系统 |
CN110175909A (zh) * | 2019-05-07 | 2019-08-27 | 交通银行股份有限公司 | 一种企业关联关系确定方法及系统 |
CN110245180A (zh) * | 2019-06-14 | 2019-09-17 | 北京阿尔山金融科技有限公司 | 数据可视化展示方法和系统 |
CN110597871A (zh) * | 2019-08-07 | 2019-12-20 | 成都华为技术有限公司 | 数据处理方法、装置、计算机设备和计算机可读存储介质 |
CN111199480A (zh) * | 2020-01-07 | 2020-05-26 | 北京明略软件系统有限公司 | 一种风险用户的确定方法及装置 |
CN111309897A (zh) * | 2020-02-27 | 2020-06-19 | 中诚信征信有限公司 | 一种大数据知识图谱可视化方法及装置 |
CN111414485A (zh) * | 2020-03-17 | 2020-07-14 | 北京恒通慧源大数据技术有限公司 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
CN112148834A (zh) * | 2020-08-24 | 2020-12-29 | 北京工商大学 | 基于图嵌入的高风险食品和危害物可视分析方法与系统 |
CN112597318A (zh) * | 2021-03-04 | 2021-04-02 | 南京冰鉴信息科技有限公司 | 图谱节点收缩方法、图谱节点收缩装置及电子设备 |
CN112651616A (zh) * | 2020-12-21 | 2021-04-13 | 深圳科诺医学检验实验室 | 一种项目干系人分析评估方法、应用服务器、系统及介质 |
CN112766262A (zh) * | 2021-01-21 | 2021-05-07 | 西安理工大学 | 一种针对单层一对多和多对一股份图的识别方法 |
CN112967130A (zh) * | 2021-03-18 | 2021-06-15 | 中国工商银行股份有限公司 | 一种企业关联关系的识别方法及装置 |
CN113127707A (zh) * | 2021-04-22 | 2021-07-16 | 中国美术学院 | 一种产品设计影响力分析方法 |
CN113642465A (zh) * | 2021-08-13 | 2021-11-12 | 石家庄铁道大学 | 基于关系网络的轴承健康评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007257420A (ja) * | 2006-03-24 | 2007-10-04 | Sachio Hirokawa | データマップ作成サーバ、データマップ作成方法、およびデータマップ作成プログラム |
CN107229756A (zh) * | 2017-06-30 | 2017-10-03 | 山东合天智汇信息技术有限公司 | 一种直观展现企业关系图谱的设计方法及系统 |
CN108614881A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 呈现企业关联关系图谱的方法及装置、存储介质、电子终端 |
-
2018
- 2018-11-28 CN CN201811432002.2A patent/CN109508388A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007257420A (ja) * | 2006-03-24 | 2007-10-04 | Sachio Hirokawa | データマップ作成サーバ、データマップ作成方法、およびデータマップ作成プログラム |
CN107229756A (zh) * | 2017-06-30 | 2017-10-03 | 山东合天智汇信息技术有限公司 | 一种直观展现企业关系图谱的设计方法及系统 |
CN108614881A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 呈现企业关联关系图谱的方法及装置、存储介质、电子终端 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163736A (zh) * | 2019-04-23 | 2019-08-23 | 安徽海汇金融投资集团有限公司 | 一种可视化债务关系展示方法及系统 |
CN110175909A (zh) * | 2019-05-07 | 2019-08-27 | 交通银行股份有限公司 | 一种企业关联关系确定方法及系统 |
CN110245180A (zh) * | 2019-06-14 | 2019-09-17 | 北京阿尔山金融科技有限公司 | 数据可视化展示方法和系统 |
CN110597871B (zh) * | 2019-08-07 | 2021-12-21 | 成都华为技术有限公司 | 数据处理方法、装置、计算机设备和计算机可读存储介质 |
CN110597871A (zh) * | 2019-08-07 | 2019-12-20 | 成都华为技术有限公司 | 数据处理方法、装置、计算机设备和计算机可读存储介质 |
CN111199480A (zh) * | 2020-01-07 | 2020-05-26 | 北京明略软件系统有限公司 | 一种风险用户的确定方法及装置 |
CN111199480B (zh) * | 2020-01-07 | 2023-06-16 | 北京明略软件系统有限公司 | 一种风险用户的确定方法及装置 |
CN111309897A (zh) * | 2020-02-27 | 2020-06-19 | 中诚信征信有限公司 | 一种大数据知识图谱可视化方法及装置 |
CN111414485B (zh) * | 2020-03-17 | 2022-09-30 | 北京恒通慧源大数据技术有限公司 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
CN111414485A (zh) * | 2020-03-17 | 2020-07-14 | 北京恒通慧源大数据技术有限公司 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
CN112148834A (zh) * | 2020-08-24 | 2020-12-29 | 北京工商大学 | 基于图嵌入的高风险食品和危害物可视分析方法与系统 |
CN112148834B (zh) * | 2020-08-24 | 2022-03-29 | 北京工商大学 | 基于图嵌入的高风险食品和危害物可视分析方法与系统 |
CN112651616A (zh) * | 2020-12-21 | 2021-04-13 | 深圳科诺医学检验实验室 | 一种项目干系人分析评估方法、应用服务器、系统及介质 |
CN112766262A (zh) * | 2021-01-21 | 2021-05-07 | 西安理工大学 | 一种针对单层一对多和多对一股份图的识别方法 |
CN112766262B (zh) * | 2021-01-21 | 2024-02-02 | 西安理工大学 | 一种针对单层一对多和多对一股份图的识别方法 |
CN112597318A (zh) * | 2021-03-04 | 2021-04-02 | 南京冰鉴信息科技有限公司 | 图谱节点收缩方法、图谱节点收缩装置及电子设备 |
CN112597318B (zh) * | 2021-03-04 | 2021-05-14 | 南京冰鉴信息科技有限公司 | 图谱节点收缩方法、图谱节点收缩装置及电子设备 |
CN112967130A (zh) * | 2021-03-18 | 2021-06-15 | 中国工商银行股份有限公司 | 一种企业关联关系的识别方法及装置 |
CN113127707A (zh) * | 2021-04-22 | 2021-07-16 | 中国美术学院 | 一种产品设计影响力分析方法 |
CN113642465A (zh) * | 2021-08-13 | 2021-11-12 | 石家庄铁道大学 | 基于关系网络的轴承健康评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508388A (zh) | 一种关系网络可视化图谱的方法和装置 | |
US11386318B2 (en) | Machine learning based webinterface production and deployment system | |
Telea et al. | Image‐based edge bundles: Simplified visualization of large graphs | |
US9576246B2 (en) | Predictive modeling and data analysis in a secure shared system | |
CN105260170B (zh) | 一种基于案例的突发事件态势推演方法及系统 | |
CN106779088A (zh) | 执行机器学习流程的方法及系统 | |
Bao et al. | Visual framework for big data in d3. js | |
AU2017427586A1 (en) | Interactive model performance monitoring | |
CA3122314A1 (en) | Method and system for visualizing data differentiation | |
CN114048329A (zh) | 知识图谱的构建与展示方法、装置、电子设备和介质 | |
Zaman et al. | MACE: a new Interface for comparing and editing of multiple alternative documents for generative design | |
Chen et al. | Multi-aspect visual analytics on large-scale high-dimensional cyber security data | |
Jarukasemratana et al. | Recent large graph visualization tools: a review | |
US11068121B2 (en) | System and method for visual exploration of subnetwork patterns in two-mode networks | |
CN114663242A (zh) | 产品信息交互方法、装置、介质及设备 | |
US9582782B2 (en) | Discovering a reporting model from an existing reporting environment | |
Sutton et al. | Exploration of Support Methods for Tradespace Exploration | |
Lindberg | Performance Evaluation of JavaScript Rendering Frameworks | |
CN117557682B (zh) | 数据处理方法、装置、产品、设备和介质 | |
Herter et al. | A visual language for the collaborative visualization of integrated conceptual models in product development scenarios | |
Rusanen et al. | On the 21st Century Digital Toys: The Paradox of Data Literacy | |
JP2022010749A (ja) | 寄与度集約システム、寄与度集約方法およびプログラム | |
Akiyama et al. | Synthetic chart image generator: An application for generating chart image datasets | |
US20230004557A1 (en) | Systems and Methods for Network Explainability | |
CN111367515B (zh) | 页面卡片的开发方法、装置、计算设备和存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190322 |
|
WD01 | Invention patent application deemed withdrawn after publication |