CN110020433B - 一种基于企业关联关系的工商高管人名消歧方法 - Google Patents

Abstract

本发明公开了一种基于企业关联关系的工商高管人名消歧方法，涉及实体消歧领域，包括以下步骤：将待消歧数据集U，按高管姓名划分成组n个高管姓名组A；根据步骤S1得到的姓名组划分结果，对每个组A，构建N层以内的高管及企业关联关系网络G；针对每个姓名组A，根据密切度计算规则，计算姓名组A中高管节点之间的关联密切度f；根据关联密切度构建聚类函数CL，使用层次聚类算法得到消歧结果。本发明能自动化对工商高管人名进行消歧，具有较高的消歧准确率，且具有一定的阈值设置灵活性，可满足较多应用场景的工商高管人名消歧；同时可构建高管任职关联关系、高管投资关联关系，为高管全视角的关联图谱分析提供支撑。

Description

一种基于企业关联关系的工商高管人名消歧方法

技术领域

本发明涉及实体消歧领域，尤其涉及一种基于企业关联关系的工商高管人名消歧方法。

背景技术

随着新兴金融模式的不断涌现，互联网金融平台问题频发，互联网金融监管技术平台需实现从总体情况摸底，到运营情况监测，再到风险预警处置的风险发现与应对的闭环体系。而其中核心环节是对企业信息进行全面画像，包括对企业关联关系进行深入挖掘分析，以实现全国或区域内的企业风险预警。

进一步地，企业关联关系主要包括企业的投资控股关联关系、法人关联关系、董监高等任职关联关系、分支公司关联关系、通信关联关系分析等。而上述关联关系的数据源为工商注册信息。工商注册信息中，考虑隐私保护等因素，公开信息中涉及自然人相关信息的，仅包含自然人名字，并未包含唯一识别身份ID或其他可唯一标识该自然人的代码。这对于要从工商数据中分析出自然人相关关联关系(包括自然人任职公司、自然人作为法定代表人的公司、自然人投资公司)带来了很大的难度和挑战。

基于企业关联关系的工商高管人名消歧属于实体消歧领域的一个分支。实体消歧领域现有工作包括有监督的和无监督的消歧方法，目标是建立待分析样本所包含实体之间的对应关系。基于监督学习消歧方法是指，根据人工标注的数据，生成分类模型，以判断相同名字是否属于同一实体。但工商数据的人名信息标注标准缺乏正确参照，基本无法完成或标注成本极高；无监督消歧方法是通过属性计算样本间的相似度，根据相似度进行聚类。但由于属性约束往往较弱，且难以客观判定区分实体的相似度阈值，消歧准确率往往较低。

发明内容

本发明的目的在于提供一种基于企业关联关系的工商高管人名消歧方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于企业关联关系的工商高管人名消歧方法，包括以下步骤：

S1，将待消歧数据集U，按高管姓名划分成组n个高管姓名组A；

S2，根据步骤S1得到的姓名组划分结果，对每个组A，构建N层以内的高管及企业关联关系网络G；

S3，针对每个姓名组A，根据密切度计算规则，计算姓名组A中高管节点之间的关联密切度f；

S4，根据关联密切度构建聚类函数CL，使用层次聚类算法得到消歧结果。

优选地，步骤S1具体为：

待消歧数据集U划分为待消歧的各个同名工商高管组A，记为U＝{A₁,A₂,…,A_n}，其中A_i为U中的第i个工商高管姓名组，A_i包含了一个工商高管姓名及其所属企业列表；对于所得到的每个高管姓名组A_i，以高管所属企业来区分实体，将姓名组中每个企业的待消歧高管姓名作为一个待消歧高管实体；假设高管姓名组A_i中有m个企业，则认为A_i包含m个高管实体a_i,j，即A_i＝{a_i,1,a_i,2,…,a_i,j,…a_i,m}，其中0＜i≤n,0＜j≤m。

优选地，步骤S2具体为：

S21，获取步骤S1中每个高管姓名组A中的高管实体节点a以及高管实体所属企业c；

S22，以企业c为出发点首先构建第一层关联关系，将拓展出的关系和节点都加入关联关系网络G中；

S23，对于新扩展出的企业节点，再往外扩展一层；

S24，不断重复步骤S23，直到将关系网络扩展到N层。

优选地，所述关联关系网络G中实体节点包含企业节点和自然人节点；

关联关系包括五类关系，分别为：投资控股关系、法定代表人关联关系、董监高等高管任职关联关系、分支公司关联关系、通信关联关系。

优选地，步骤S3中，所述关系密切度计算规则包括：

S31，通过工商数据中的企业联系方式信息，进行企业关联关系密切度计算，从而进行候选企业高管的消歧，包括：

关联关系密切度计算规则R1：对于联系电话一致的企业，认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1；

关联关系密切度计算规则R2：对于联系邮箱一致的企业，认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1；

关联关系密切度计算规则R3：对于企业邮箱所在服务器域名，判定是否在对应企业ICP备案域名列表中；如果是，则认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1。

优选地，步骤S3中，所述关系密切度计算规则包括：

S32，通过工商数据中的投资控股关联信息，进行企业关联关系密切度计算，从而进行候选企业高管的消歧；

关联关系密切度计算规则R4：判断待分析的高管a_i,x和a_i,y所属企业c_i,x和c_i,y之间是否存在较为密切的企业间关联关系，具体判断方法为：在关联关系网络图G_i中，检索c_i,x与c_i,y之间通过企业间关联关系关联的路径长度path(c_i,x,c_i,y)，直接关联则路径长度为1，通过一个中间节点关联则路径长度为2，以此类推；若c_i,x与c_i,y之间有多条关联路径，path(c_i,x,c_i,y)取最短路径的长度。

其中，企业间关联关系是指关联关系网络G中的投资控股关系、分支公司关联关系、通信关联关系。

如果path(c_i,x,c_i,y)＜α，则认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1。其中，α为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越低，企业间的关联关系越密切。

优选地，步骤S3中，所述关系密切度计算规则包括：

S33，通过工商数据中的共同任职/投资关系信息，进行企业关联关系计算，从而进行候选企业高管的消歧；

关联关系密切度计算规则R5：判断待分析的高管a_i,x和a_i,y所属企业c_i,x和c_i,y的相关联自然人集合是否存在较为密切的交集关系，具体流程为：在关联关系网络图G_i中，分别获取企业c_i,x、企业c_i,y的相关联自然人集合分别为P_i,x、P_i,y。其中，相关联自然人包括：企业自然人法定代表人、自然人股东、企业高管(董监高等)。如果集合P_i,x与集合P_i,y的交集数量大于某阈值，则认为是关联企业，关联关系密切度为1，即当|P_i,x∩P_i,y|≥β时，f(a_i,x,a_i,y)＝1；其中，β为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切。

优选地，步骤S4中使用的聚类函数CL为：

其中，count(f(a_i,x,a_i,j)＝1)函数是指待消歧高管a_i,x与已聚成一类的高管集合中的高管a_i,j满足条件f(a_i,x,a_i,j)＝1的个数；γ₁为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切；γ₂为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切。

上述关联关系密切度计算规则R1-R5之间，因各计算规则的准确率不同，具有优先级顺序，具体为：R1,R2,R3优先于R4优先于R5。

优选地，所述γ₁和γ₂取值范围为1～3。

优选地，根据聚类函数CL，使用层次聚类法进行高管姓名消歧的具体步骤为：

对于每个高管组A_i中的高管a_i,j，若CL(a_i,x,a_i,y)＝1，则高管节点a_i,x与高管节点a_i,y属于同一工商高管，并将其合并成一个小组M_k，重复执行上述步骤，直到聚类分组不再变化，从而得到高管组A_i中消歧后的结果{M₁,M₂,…,M_k,…}。

本发明的有益效果是：

本发明公开了一种基于企业关联关系的工商高管人名消歧方法，提供的所述方法基于企业关联关系进行工商高管人名消歧，能自动化对工商高管人名进行消歧，具有较高的消歧准确率，且具有一定的阈值设置灵活性，可满足较多应用场景的工商高管人名消歧。

基于本发明所述工商高管人名消歧技术，在高管人名消歧数据的基础上，可构建高管任职关联关系、高管投资关联关系，为高管全视角的关联图谱分析提供支撑。

附图说明

图1是基于企业关联关系的工商高管人名消歧方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

实施例

本实施例提供一种基于企业关联关系的工商高管人名消歧的方法，所述方法包括：

S1，将待消歧数据集U，按高管姓名划分成n个高管姓名组A；

S2，根据S1的划分结果，对每个组A，构建N层以内的高管及企业关联关系网络G；

S3，针对每个组A_i，利用步骤S2中构建关联关系网络G_i，根据密切度计算规则，计算组A_i中高管节点之间的关联密切度f(a_i,x,a_i,y)。

S4，根据关联密切度构建聚类函数CL，使用层次聚类算法得到消歧结果。

步骤S1的具体实施方式为：待消歧数据集U中包含待消歧的各个同名工商高管组A，U＝{A₁,A₂,…,A_n}，其中A_i为U中的第i个工商高管姓名组，包含A_i所对应工商高管姓名及其所属企业信息。对于所得到的每个高管姓名组，以高管所属企业来区分实体，将组中每个企业的待消歧高管姓名作为一个待消歧高管实体。假设高管姓名组A_i中有m个企业，则将A_i包含m个高管实体a_i,j，即A_i＝{a_i,1,a_i,2,…,a_i,m}，其中0＜i≤n,0＜j≤m。

步骤S2的具体实施方式为：步骤S1中所得的每一个高管姓名组A中的高管实体节点a，及高管a所属企业c，以企业c为出发点，不断迭代构建N层以内的高管姓名组A的关联关系网络G。即以企业c为出发点，先构建企业c的一层关联关系，将拓展出的关系和节点都加入G中；对于新扩展出的企业节点，再往外扩展一层；不断重复上述步骤，直到扩展到N层。

其中，关联关系网络G中包含两类节点，即：企业节点、自然人节点。关联关系包括五类关系，分别为：投资控股关系(企业-企业、企业-自然人)、法定代表人关联关系(企业-自然人、企业-企业)、董监高等高管任职关联关系(企业-自然人)、分支公司关联关系(企业-企业)、通信关联关系(企业-企业)。

本实施例中一层的关联关系包括：投资控股关系、法定代表人关联关系、董监高等高管任职关联关系、分支公司关联关系、通信关联关系。

步骤S3的具体实施方式为：针对每个组A_i，利用步骤S2中构建关联关系网络G_i，根据密切度计算规则，计算组A_i中高管节点之间的关联密切度f(a_i,x,a_i,y)。其中，关联关系密切度计算规则包括：

S31，通过工商数据中的企业联系方式信息一致性判断，包括企业联系电话、企业联系邮箱以及邮箱所在服务器域名在企业域名列表中，从而进行企业关联关系密切度计算，从而进行候选企业高管的消歧；

关联关系密切度计算规则R1：企业联系电话一致性。

(1)提取企业联系电话信息，提取数据来源为：从企业工商登记联系方式、工商企业年报；

(2)对电话格式进行标准化处理，包括：去掉括号、短横线等非数字字符；国内手机号去掉“86/+86”；座机区号根据工商注册地址补齐；

(3)对于联系电话一致的企业，认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1。

关联关系密切度计算规则R2：企业联系邮箱一致性。

(1)提取企业联系邮箱信息，提取数据来源为：企业工商登记联系方式、工商企业年报；

(2)提取企业关联域名信息，提取数据来源为：ICP备案数据库，提取方法为：通过企业名称在构建的ICP备案信息数据中进行检索，获取所有权为检索企业的域名列表；

(3)对邮箱格式进行标准化处理，包括：统一“@/at”符号、大小写转换；从邮箱信息中提取邮箱后缀作为邮箱所在服务器域名；

(4)对于联系邮箱一致的企业，认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1。

关联关系密切度计算规则R3：邮箱所在服务器域名在企业域名列表中。

(1)提取企业联系邮箱信息，提取数据来源为：企业工商登记联系方式、工商企业年报；

(2)提取企业关联域名信息，提取数据来源为：ICP备案数据库，提取方法为：通过企业名称在构建的ICP备案信息数据中进行检索，获取所有权为检索企业的域名列表；

(3)对邮箱格式进行标准化处理，包括：统一“@/at”符号、大小写转换；从邮箱信息中提取邮箱后缀作为邮箱所在服务器域名；

(4)对于企业邮箱所在服务器域名，判定是否在对应企业ICP备案域名列表中。如果是，则认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1。

S32，通过工商数据中的投资控股关联信息，进行企业间关联关系判定，计算企业关联关系密切度计算，从而进行候选企业高管的消歧；

关联关系密切度计算规则R4：判断待分析的高管a_i,x和a_i,y所属企业c_i,x和c_i,y之间是否存在较为密切的企业间关联关系。具体判断方法为：在关联关系网络图G_i中，检索c_i,x与c_i,y之间通过企业间关联关系关联的路径长度path(c_i,x,c_i,y)，直接关联则路径长度为1，通过一个中间节点关联则路径长度为2，以此类推；若c_i,x与c_i,y之间有多条关联路径，path(c_i,x,c_i,y)取最短路径的长度。其中，本条密切度计算规则中的企业间关联关系是指关联关系网络G中的投资控股关系、分支公司关联关系、通信关联关系。

如果path(c_i,x,c_i,y)＜α，则认为是关联企业，关联关系密切度为1，即f(a_i,x,a_i,y)＝1。其中，α为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越低，企业间的关联关系越密切，一般取1-4之间。

S33，通过工商数据中的共同任职/投资关系信息，使用企业相关联自然人关系判定，进行企业关联关系计算，从而进行候选企业高管的消歧；

关联关系密切度计算规则R5：判断待分析的高管a_i,x和a_i,y所属企业c_i,x和c_i,y的相关联自然人集合是否存在较为密切的交集关系。具体流程为：在关联关系网络图G_i中，分别获取企业c_i,x、企业c_i,y的相关联自然人集合分别为P_i,x、P_i,y。其中，相关联自然人包括：企业自然人法定代表人、自然人股东、企业高管(董监高等)。如果集合P_i,x与集合P_i,y的交集数量大于某阈值，则认为是关联企业，关联关系密切度为1，即当|P_i,x∩P_i,y|≥β时，f(a_i,x,a_i,y)＝1。其中，β为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切，通常阈值一般取1-3之间。

步骤S4的具体实施方法为：根据关联密切度构建聚类函数CL，聚类函数CL根据不同的关联关系密切度计算规则而不同，具体为：

其中，count(f(a_i,x,a_i,j)＝1)函数是指待消歧高管a_i,x与已聚成一类的高管集合中的高管a_i,j满足条件f(a_i,x,a_i,j)＝1的个数；γ₁为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切，一般取1-3之间；γ₂为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切，一般取1-3之间。

上述关联关系密切度计算规则R1-R5之间，因各计算规则的准确率不同，具有优先级顺序，具体为：R1,R2,R3优先于R4优先于R5。

根据如上聚类函数CL，使用层次聚类法进行高管姓名消歧。对于每个高管组A_i中的高管a_i,j，若CL(a_i,x,a_i,y)＝1，则高管节点a_i,x与高管节点a_i,y属于同一工商高管，并将其合并成一个小组M_k，重复执行上述步骤，直到聚类分组不再变化。此时，就得到高管组A_i中消歧后的结果{M₁,M₂,…,M_k,…}。

通过采用本发明公开的上述技术方案，得到了如下有益的效果：

本发明所述方法基于企业关联关系进行工商高管人名消歧，由于采用多种关联关系密切度计算规则，准确全面的建立聚类函数，能自动化对工商高管人名进行消歧，具有较高的消歧准确率，且具有一定的阈值设置灵活性，可满足较多应用场景的工商高管人名消歧。

基于本发明所述工商高管人名消歧技术，在高管人名消歧数据的基础上，可构建高管任职关联关系、高管投资关联关系，为高管全视角的关联图谱分析提供支撑。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (6)

1.一种基于企业关联关系的工商高管人名消歧方法，其特征在于，包括以下步骤：

S1，将待消歧数据集U，按高管姓名划分成组n个高管姓名组A；

S2，根据步骤S1得到的姓名组划分结果，对每个组A，构建N层以内的高管及企业关联关系网络G；

S3，针对每个姓名组A，根据密切度计算规则，计算姓名组A中高管节点之间的关联密切度f；

S4，根据关联密切度构建聚类函数CL，使用层次聚类算法得到消歧结果；

步骤S3中，所述关联密切度计算规则包括：

S31，通过工商数据中的企业联系方式信息，进行企业关联关系密切度计算，从而进行候选企业高管的消歧，包括：

关联关系密切度计算规则R1：对于联系电话一致的企业，认为是关联企业，关联关系密切度为1，即f(a_i，x，a_i，y)＝1；

关联关系密切度计算规则R2：对于联系邮箱一致的企业，认为是关联企业，关联关系密切度为1，即f(a_i，x，a_i，y)＝1；

关联关系密切度计算规则R3：对于企业邮箱所在服务器域名，判定是否在对应企业ICP备案域名列表中；如果是，则认为是关联企业，关联关系密切度为1，即f(a_i，x，a_i，y)＝1；

步骤S3中，所述关联密切度计算规则包括：

S32，通过工商数据中的投资控股关联信息，进行企业关联关系密切度计算，从而进行候选企业高管的消歧；

关联关系密切度计算规则R4：判断待分析的高管a_i，x和a_i，y所属企业c_i，x和c_i，y之间是否存在较为密切的企业间关联关系，具体判断方法为：在关联关系网络图G_i中，检索c_i，x与c_i，y之间通过企业间关联关系关联的路径长度patch(c_i，x，c_i，y)，直接关联则路径长度为1，通过一个中间节点关联则路径长度为2，以此类推；若c_i，x与c_i，y之间有多条关联路径，path(c_i，x，c_i，y)取最短路径的长度；

步骤S3中，所述关联密切度计算规则包括：

S33，通过工商数据中的共同任职/投资关系信息，进行企业关联关系计算，从而进行候选企业高管的消歧；

关联关系密切度计算规则R5：判断待分析的高管a_i，x和a_i，y所属企业c_i，x和c_i，y的相关联自然人集合是否存在较为密切的交集关系，具体流程为：在关联关系网络图G_i中，分别获取企业c_i，x、企业c_i，y的相关联自然人集合分别为P_i，x、P_i，y；如果集合P_i，x与集合P_i，y的交集数量大于某阈值，则认为是关联企业，关联关系密切度为1，即当|P_i，x∩P_i，y|≥β时，f(a_i，x，a_i，y)＝1；其中，β为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切；

步骤S4中使用的聚类函数CL为：

其中，count(f(a_i，x，a_i，j)＝1)函数是指待消歧高管a_i，x与已聚成一类的高管集合中的高管a_i，j满足条件f(a_i，x，a_i，j)＝1的个数；γ₁为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切；γ₂为阈值，根据实际应用场景对于关联关系密切度的要求，阈值越高，企业间的关联关系越密切。

2.根据权利要求1所述的基于企业关联关系的工商高管人名消歧方法，其特征在于，步骤S1具体为：

待消歧数据集U划分为待消歧的各个同名工商高管组A，记为U＝{A₁，A₂，...，A_n}，其中A_i为U中的第i个工商高管姓名组，A_i包含了一个工商高管姓名及其所属企业列表；对于所得到的每个高管姓名组A_i，以高管所属企业来区分实体，将姓名组中每个企业的待消歧高管姓名作为一个待消歧高管实体。

3.根据权利要求1所述的基于企业关联关系的工商高管人名消歧方法，其特征在于，步骤S2具体为：

S21，获取步骤S1中每个高管姓名组A中的高管实体节点a以及高管实体所属企业c；

S22，以企业c为出发点首先构建第一层关联关系，将拓展出的关系和节点都加入关联关系网络G中；

S23，对于新扩展出的企业节点，再往外扩展一层；

S24，不断重复步骤S23，直到将关系网络扩展到N层。

4.根据权利要求3所述的基于企业关联关系的工商高管人名消歧方法，其特征在于，所述关联关系网络G中实体节点包含企业节点和自然人节点；

关联关系包括五类关系，分别为：投资控股关系、法定代表人关联关系、董监高等高管任职关联关系、分支公司关联关系、通信关联关系。

5.根据权利要求1所述的基于企业关联关系的工商高管人名消歧方法，其特征在于，所述γ₁和γ₂取值范围为1～3。

6.根据权利要求1所述的基于企业关联关系的工商高管人名消歧方法，其特征在于，根据聚类函数CL，使用层次聚类法进行高管姓名消歧的具体步骤为：

对于每个高管组A_i中的高管a_i，j，若CL(a_i，x，a_i，y)＝1，则高管节点a_i，x与高管节点a_i，y属于同一工商高管，并将其合并成一个小组M_k，重复执行上述步骤，直到聚类分组不再变化，从而得到高管组A_i中消歧后的结果{M₁，M₂，...，M_k，...}。

Images