CN110347719A - 一种基于大数据的企业外贸风险预警方法及系统 - Google Patents

一种基于大数据的企业外贸风险预警方法及系统 Download PDF

Info

Publication number
CN110347719A
CN110347719A CN201910550272.1A CN201910550272A CN110347719A CN 110347719 A CN110347719 A CN 110347719A CN 201910550272 A CN201910550272 A CN 201910550272A CN 110347719 A CN110347719 A CN 110347719A
Authority
CN
China
Prior art keywords
risk
data
foreign trade
enterprise
module
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.)
Granted
Application number
CN201910550272.1A
Other languages
English (en)
Other versions
CN110347719B (zh
Inventor
王文中
王金凤
陈嘉杰
陈润健
刘君扬
周展博
何振宇
郭达墅
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.)
South China Agricultural University
Original Assignee
South China Agricultural University
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 South China Agricultural University filed Critical South China Agricultural University
Priority to CN201910550272.1A priority Critical patent/CN110347719B/zh
Publication of CN110347719A publication Critical patent/CN110347719A/zh
Application granted granted Critical
Publication of CN110347719B publication Critical patent/CN110347719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开的一种基于大数据的企业外贸风险预警方法，包括以下步骤：进行外贸风险大数据平台部署和搭建，收集外贸风险预警信息，并进行数据解析和特征抽取；再进行初步处理，完成对信息持续存储和原始调用；以数据调用需求为导向，建立外贸风险大数据仓库，通过查询解析和查询优化，实现需求导向调用；建立外贸风险评估数据挖掘模型库，对数据进行进一步调用和分析，形成大数据中心；根据需求，大数据中心调用相关数据和外贸风险评估数据挖掘模型库，实现外贸风险预警信息共享；本发明采用云计算和大数据管理技术，建立外贸风险大数据仓库，基于大数据学习企业外贸风险特征，进行评估预警，客观风险评估，降低人工干预和成本，提高识别效率。

Description

一种基于大数据的企业外贸风险预警方法及系统
技术领域
本发明涉及外贸风险预警的研究领域，特别涉及一种基于大数据的企业外贸风险预警方法及系统。
背景技术
目前关于企业外贸风险预警是放在企业全面风险管理框架下进行的。世界各国等均制定了风险管理标准，我国也出台了相应的标准和方案。但上述标准和方案更多是基于传统数据库管理技术，统计学分析方法，人工特征提取的风险评估与预警技术。具体实现是通过头脑风暴、层次分析等方法，从风险环境建设、内部控制、风险评估、信息技术、反馈五个维度，按照企业业务流程进行系统梳理，找出业务行为和风险的关系，建立企业风险行为数据库，并基于此来规避风险。现存方法力求实现以下四种类型的目标:战略目标—高层次目标,与使命相关联并支撑其使命；经营目标—有效和高效率地利用企业资源；报告目标—报告的可靠性；合规目标—符合法律法规的要求。
然后现有技术中存在以下缺点：
一是国际贸易风险预警领域创新应用大数据、云计算技术不足。
大数据、云计算、互联网技术获得了快速发展，但更多是大数据采集、清洗、去噪、数据库管理、挖掘算法的创新发展，行业应用严重不足，企业外贸风险预警由于其复杂和专业性，在此方面的应用短板更为突出，没有开发企业外贸风险预警评估需求的专业大数据数据采集、存储、处理技术；没有开发基于大数据的企业外贸风险预警大数据挖掘模型。
二是已有技术风险预警数据来源不全面，导致风险预警精准率低。
可以对企业外贸风险预警的数据有文本、图片、统计数据等多种形式，来源有互联网、各类统计数据库及企业内部，有存量和流式数据。受传统数据采集工具、数据处理、分析技术制约，已有预警系统分析更多是在对官方、存量、结构化、统计数据分析基础上形成的，评估时的数据维度和来源不全面。同时由于我国诚信体系尚未健全，部分企业，尤其是小微企业，缺乏合规的、真实有效的财务报表等资质材料，传统系统缺乏对客户经营情况的实时跟踪技术。最终导致传统系统风险预警数据来源不全面，导致风险预警精准率低。
三是已有技术数据采集、分析过程，人工参与占很大比重，导致风险预警成本高、时间效率低。
传统风险预警系统往往会辅以人工数据采集及处理，导致信息采集、处理成本高，受此制约，应用企业往往会以年为周期来调整、更新人工数据，导致预警具有一定的滞后性。
四是传统的企业外贸风险预警方法，没有考虑企业外贸风险的传播及风险因素的共享因素。
主要原因是没有外贸企业的各类主体快速交流的互动平台，导致企业应对外贸风险的能力较低。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于大数据的企业外贸风险预警方法，实现互联网、大数据、云计算技术在企业外贸风险专业领域创新应用；开发企业外贸风险大数据仓库及大数据中心，实现企业外贸风险评估大数据支持，提高风险预警精准率；系统建立企业外贸风险预警大数据分析模型库，搭建大数据挖掘框架，实现企业外贸风险辨识、预警的自动化控制，极大降低人工参与内容，提高预警效率，降低预警成本；项目应用云计算关键技术，开发外贸风险预判领域的风险信息共享技术，实现企业外贸风险因素的及时推送、信息共享，提高企业预判效率。
本发明的另一目的在于提供一种基于大数据的企业外贸风险预警系统。
本发明的主要目的通过以下的技术方案实现：
一种基于大数据的企业外贸风险预警方法，其特征在于，包括以下步骤：
S1、进行外贸风险大数据平台部署和搭建，收集外贸风险预警信息，并对外贸风险预警信息进行数据解析和特征抽取，得到集成的外贸风险预警信息；
S2、对集成的外贸风险预警信息进行初步处理，所述初步处理包括并发控制、分布式调度、增量维护、索引管理，完成对集成的外贸风险预警信息持续存储和原始调用；
S3、以数据调用需求为导向，结合数据库存储结构，建立企业外贸风险大数据仓库，通过查询解析和查询优化，产生查询计划，实现需求导向的实时调用；
S4、建立多类别、多方向数据挖掘模型库，即外贸风险评估数据挖掘模型库，对数据进行进一步调用和分析，实现跨媒体查询、数据迁移、数据挖掘、数据分析，形成大数据中心；
S5、根据需求，大数据中心通过外贸风险大数据平台，并调用相关数据和外贸风险评估数据挖掘模型库，对外贸风险进行风险评估，进而实现外贸风险预警和外贸风险信息共享。
进一步地，还包括通过非结构化数据特定操作和平台数据收集，对平台自身数据进行收集和再存储，不断补充数据库数据。
进一步地，所述步骤S1具体为：基于云计算，以企业外贸风险预警需求为导向，建立企业外贸风险预警大数据库，通过特征数据收集和爬虫工具，即通过基于生成主成分分析与聚类分析综合的查询接口元素树方法和基于循环神经网络的标签耦合方法，收集外贸风险预警信息，通过基于锚图哈希的无监督度图片搜索算法和基于卷积神经网络的无监督语义分割图片搜索方法，收集图片，对外贸风险预警信息和图片进行数据解析和特征抽取，消除外贸风险预警信息存在的大量冗余、错误、空缺、异构，使数据净化和架构化，完成数据集成。
进一步地，所述外贸风险预警信息包括网页数据、工作流数据、电子文档数据、音频和视频数据、图像数据；所述外贸风险预警信息来源有互联网、统计数据库、企业内部、有存量和流式数据。
进一步地，所述步骤S3具体为：通过数据查询处理模块，以数据调用需求为导向，结合数据库存储结构，建立企业外贸风险大数据仓库，通过查询解析、查询优化，产生查询计划，实现需求导向的大数据灵活、多维、实时调用，并以此支持数据服务模块的跨媒体查询、数据迁移、数据挖掘、数据分析。
进一步地，所述步骤S4具体为：以数据进入数据存储和计算模块、数据查询处理模块为支撑，以外贸风险预警模块需求为导向，建立多类别、多方向数据挖掘模型库，形成数据服务模块，完成对数据进一步调用和分析，实现跨媒体查询、数据迁移、数据挖掘、数据分析。
进一步地，所述步骤S5具体为：根据企业需要，经过数据服务模块处理，进入应用模块，外贸风险预警模块，通过风险分类模块，把风险进行分类，把风险分为系统风险和非系统风险；系统风险分为进口国关税调整风险、进口国国内政局风险、出口政策变化的风险、市场行情风险、季节性风险、贸易壁垒风险、海运费上涨风险、汇率风险、欺诈风险；非系统风险分为出口商内部运作风险、出口商人事变动风险、报价风险、货物计价风险、收汇款风险、合同货物描述错误风险；针对每种风险，通过基于贝叶斯方法的企业外贸分析评估模型，建立了初步的风险评估指标体系；同时从用户交互界面确定预警主题，并调取非监督学习方法，再通过基于粒子群算法的改良BF神经网络企业外贸风险预警模型，对指标体系指标与外贸风险进行关联分析、主成分分析，获得引发外贸风险的主要因素，并以此形成最终风险评估指标体系，进而实现多种外贸风险预警以及外贸风险信息共享；外贸风险预警包括：网络舆情分析系统、以图搜图引擎、电信级网络通信互助社区。
本发明的另一目的通过以下技术方案实现：
一种基于大数据的企业外贸风险预警系统，其特征在于，包括特征数据收集、提取和集成模块，数据存储和计算模块，数据查询处理模块，数据服务模块，外贸风险预警模块，系统管理模块，大数据管理标准体系模块，安全控制模块；
所述特征数据收集、提取和集成模块用于收集外贸风险预警信息，并对外贸风险预警信息进行数据解析和特征抽取，得到集成的外贸风险预警信息；
所述数据存储和计算模块用于完成对存量和导入数据的持续存储与原始调用；
所述数据查询处理模块，以数据调用需求为导向，结合数据库存储结构，通过数据的查询解析、查询优化，从而产生查询计划；
所述数据服务模块用于跨媒体查询、数据迁移、数据挖掘、数据分析；
所述外贸风险预警模块用于网络舆情分析系统、以图搜图引擎、电信级网络通信互助社区的外贸风险预警及外贸风险信息共享；
所述大数据管理标准体系模块、系统管理模块、安全控制模块用于从基础数据采集、管理到应用需求的全层次复杂大数据统一管理方案；
还包含非结构化数据特定操作模块及平台数据收集及存储模块，用于平台数据的收集及再存储，不断补充数据库数据。
进一步地，为了支持系统八个模块的运行，进行整体部署，整体部署如下：云计算平台、应用、大数据中心；云计算平台设置K个计算机集群，每个计算机集群包含M个物理节点，即物理服务器，每个物理节点安装云控制器、集群控制器、存储控制器，用于接收集群控制器的指令，通过Xen组件管理虚拟机，使每台物理服务器同事运行L个虚拟机实例，采用存储器+对象方式组织数据，一个对象对应一个文件，实现虚拟机镜像及用户数据的存取；
在完成云计算技术的基础设施部署基础上，基于云计算技术设计了企业外贸风险云体系架构，进行软件部署与开发，实现云计算环境构建；
通过云计算平台为应用和大数据中心提供底层技术支撑，具有存储管理、服务管理、资源管理、潜力分析、聚类分析、云载负荷、案例管理、资费管理功能；
大数据中心以云计算平台为基础，构建大数据仓库，进而形成企业外贸风险预警云数据库，通过企业外贸风险大数据汇集模块的数据爬取模型库和大数据管理模型，实现多元异构大数据采集、处理、存储、多维调用功能；
应用在云计算平台支持下，对大数据中心的数据进行调用、挖掘，对客户端提供应用服务功能；
通过基于大数据挖掘的企业外贸风险评估模型库的风险分类模块，把风险分为系统风险和非系统风险；系统风险又分为进口国关税调整风险、进口国国内政局风险、出口政策变化的风险、市场行情风险、季节性风险、贸易壁垒风险、海运费上涨风险、汇率风险、欺诈风险；非系统风险分为出口商内部运作风险、出口商人事变动风险、报价风险、货物计价风险、收汇款风险、合同货物描述错误风险；针对每种风险建立了初步的风险评估指标体系；同时从用户交互界面确定预警主题，然后调取非监督学习方法，对指标体系指标与外贸风险进行关联分析、主成分分析，获得引发外贸风险的主要因素，并以此形成真正的风险评估指标体系，实现外贸风险评估因素向量化；调用大数据中心数据，调取企业外贸风险评估模型库评估模型，最终实现风险评估与预警。
本发明与现有技术相比，具有如下优点和有益效果：
本发明采用云计算和大数据管理技术，建立企业外贸风险大数据仓库，基于大数据来学习企业外贸风险特征，进而进行评估预警，与传统技术比较，使用的数据更丰富，维度更高，评估更客观。本发明搭建了深度学习框架，综合改良应用了多种深度学习模型。通过构建具有很多隐层的机器学习模型和多元，异构海量训练数据来学习更有用特征，使外贸风险识别变得容易。深度学习框架和模型可以挖掘数据更加丰富的信息，使识别变得准确。由于深度学习绝大部分通过非监督方式来学习有用特征，并采取并行处理技术，与人工规则构造特征的方法相比较，该系统能客观企业外贸风险评估，可以大大降低人工干预和成本，提高识别效率。
附图说明
图1为本发明所述一种基于大数据的企业外贸风险预警方法的方法流程图；
图2为本发明所述实施例中企业外贸风险预警模块设计和工作流程示意图；
图3为本发明所述实施例中系统整体架构示意图；
图4为本发明所述实施例中外贸风险大数据云平台基础设施部署示意图；
图5为本发明所述实施例中云平台软件部署与云计算环境构建示意图；
图6为本发明所述实施例中大数据仓库设计示意图；
图7为本发明所述实施例中企业外贸风险预警云数据库构建示意图；
图8为本发明所述实施例中外贸风险预警基础数据爬取及汇集示意图；
图9为本发明所述实施例中企业外贸风险评估数据挖掘模型库示意图；
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例：
1、系统工作流程及工作模块设计
一种基于大数据的企业外贸风险预警方法，如图1所示，包括以下步骤：
图2为企业外贸风险预警模块设计和工作流程示意图，第一步：首先通过特征数据收集、提取和集成模块(①)完成企业外贸风险预警所需要大数据采集和集成。通过改良的各类爬虫工具，实时爬取互联网及企业内网企业外贸风险评估相关的Web/XML数据(1)、工作流数据(2)、电子文档数据(PDF、Word、Excel等)(3)、音视频数据(4)、图像数据(5)五大类数据，实现多元异构数据收集(6)。考虑到数据存在大量冗余、错误、空缺、异构，不利于存储及后期计算，发明嵌入数据处理工具，对数据进行数据解析(7)、特征抽取(8)，实现数据净化，结构化，完成数据集成。
第二步：完成大数据采集及集成工作后，数据进入数据存储和计算模块②，该模块是在创新云计算技术基础上建立的，是一个具有可扩展的分布式文件系统和自由表存储子系统，具有并发控制(10)、分布式调度(11)、增量维护(12)、索引管理(13)等功能，完成对存量和导入数据的持续存储与原始调用。
第三步：数据的基本调用远远不能支持企业外贸风险预警需要。为此本发明开发了数据查询处理③模块，以数据调用需求为导向，结合数据库存储结构，通过查询解析(14)、查询优化(15)，产生查询计划(16)，实现需求导向的大数据灵活、多维、实时调用，并以此支持数据服务模块④的跨媒体查询(18)、数据迁移(19)、数据挖掘(20)、数据分析(21)等需求。
第四步：以数据进入数据存储和计算模块②、数据查询处理③模块为支撑，发明以外贸风险预警⑤模块需求为导向，建立了多类别、多方向数据挖掘模型库，，形成数据服务模块④，完成对数据进一步调用和分析，实现跨媒体查询(18)、数据迁移(19)、数据挖掘(20)、数据分析(21)等功能。
第五步：根据企业需要，经过数据服务模块④处理，进入应用模块，外贸风险预警⑤模块，该模块可以实现网络舆情分析系统(22)、以图搜图引擎(23)、电信级网络通信互助社区(24)等多种外贸风险预警及外贸风险信息共享功能。
第六步：考虑到在数据服务模块④、应用模块，外贸风险预警⑤在工作过程中会持续产生二次高价值密度数据，本发明特意开发了非结构化数据特定操作(17)模块及平台数据搜集及存储程序，实现平台自身数据的搜集及再存储，不断补充数据仓库数据。
一种基于大数据的企业外贸风险预警系统:
基于云计算关键技术而搭建的企业外贸风险预警服务系统。本发明以预警企业外贸风险为目的，设计了特征数据收集、提取和集成模块(①)、数据存储和计算模块(②)、数据查询处理模块(③)、数据服务模块(④)、外贸风险预警模块(⑤)、系统管理工具(⑥)、大数据管理标准体系(⑦)、安全控制(⑧)等八个模块，如图2所示。特征数据收集、提取和集成模块(①)、数据存储和计算模块(②)数据查询处理模块(③)、数据服务模块(④)、外贸风险预警(⑤)、系统管理工具、大数据管理标准体系(⑦)是本发明核心功能模块，系统管理工具(⑥)、安全控制(⑧)是为了核心功能模块更安全、便捷工作而开发。
此外除了功能性模块外，本发明还开发了跨越特征数据收集、提取和集成模块(①)、数据存储和计算模块(②)、数据查询处理模块(③)、数据服务模块(④)、外贸风险预警(⑤)的大数据管理标准体系⑦、系统管理工具⑥、安全控制⑧模块，实现从基层数据采集、管理到应用需求的全层次架构的复杂的大数据统一管理方案。
2、云计算平台部署
系统运行需要基础设施平台、服务和终端一体的外贸风险云综合应用环境的支持，本发明是基于创新云计算应用技术基础上完成的，需要对云计算软硬件环境进行部署。
整体部署方案。
为了支持系统八大模块，特征数据收集、提取和集成模块(①)、数据存储和计算模块(②)、数据查询处理模块(③)、数据服务模块(④)、外贸风险预警模块(⑤)、系统管理工具(⑥)、大数据管理标准体系(⑦)、安全控制(⑧)等八个模块)运行，本发明按照云计算技术要求结合企业外贸风险评估需要，进行以下整体部署。系统整体架构示意图如图3所示，包括云计算平台(⑩)、应用(⑨)、大数据中心云计算平台(⑩)主要为应用(⑨)、大数据中心提供底层的技术支撑，具有存储管理、服务管理、资源管理、潜力分析、聚类分析、云载负荷、案例管理、资费管理等功能。大数据中心以云计算平台(⑩)为基础具有多元异构大数据采集、处理、存储、多维调用等功能。应用(⑨)在云计算平台(⑩)支持下，对大数据中心的数据进行调用、挖掘，具有对浏览器、客户端、平板电脑、手机等客户端提供应用服务的功能。
云计算平台基础设施部署结构
企业外贸风险预警云服务平台是一个强大的资源共享网络，需要云平台支持。云平台按照云技术的需要进行基础设施部署，云计算平台基础设施部署如图4所示，云计算数据平台设置多个计算机集群(36)，每个集群又包含多个物理节点(28)、(23)，即物理服务器。每个物理节点都会安装云控制器(29)、集群控制器(26)、存储控制器(32)，用于接收集群控制器的指令，通过Xen组件管理虚拟机(27)和(27)使得每台物理服务器可以同时运行多个虚拟机实例，实现实例的创建、执行、监控和销毁。云计算平台只设置一个云控制器节点(29)，负责用户和所有虚拟化资源的管理。云控制器节点通常还会部署简单存储服务Walrus(25)，Walrus采用“存储桶+对象”的方式组织数据，一个对象对应一个文件。实现虚拟机镜像以及用户数据的存取。
云平台软件部署与云计算环境构建
发明在完成支持云技术的基础设施部署基础上，项目基于云计算技术设计了企业外贸风险云体系架构，并进行软件部署与开发，为形成基础设施平台、服务和终端一体的外贸风险云综合应用环境提供支持。如图5所示：首先按照云计算平台基础设施部署结构(2.2)完成服务器集群(37)、存储设备(38)和网络设备(39)等基础设施布置，然后在物理服务器上部署虚拟化组件Xen，部署安装云计算管理系统Eucalyptus(40)，形成虚拟机(52)、块存储(41)、分布式对象存储(43)、虚拟网络(42)等，实现虚拟资源池的管理和按需提供服务。为(2.2)中图3的大数据中心提供基础的云计算环境支持。
在部署基础设施基础上，本发明创新高可用性分布式文件云存储技术、云环境下的大规模互动流媒体技术、增强学习体验的外贸风险云终端综合技术、自然和谐的人机交互技术和个性化云盘的海量可扩展数字对象管理技术等，开发完成企业外贸风险预警系统运行的云平台由数字对象管理系统(46)、云服务集成(45)、应用运行环境(44)模块构成，用来支持云服务和云终端运行。在云服务发明开发了大规模在线互动平台(47)、数字内容超市(48)、个人云盘(49)，为用户提供基本的云服务；在云终端基于(基础设施云平台云服务)建立良好的自然人机交互云终端(51)、企业外贸风险云(50)。为2.2中图3的应用(⑨)和大数据中心提供应用性云计算环境支持。
3、大数据中心
该部分主要创新完成2.1整体部署方案的图3系统整体架构和工作流程中大数据中心功能，对1系统工作模块设计及工作流程中图2中企业外贸风险预警模块设计和工作流程的特征数据收集、提取和集成①、数据查询处理③、数据存储和计算②模块按照大数据管理标准体系⑦提供数据支持。
大数据仓库
企业外贸风险预警问题本质是大数据管理及挖掘，这涉及到大数据的形成、存储，净化，挖掘。这需要云计算技术支持，图5云平台软件部署与云计算环境构建中的平台基础设施构建的应用服务器(55)为系统提供了云计算应用的执行环境。以此技术环境为依托，本发明继续应用云计算在聚类分析、负载处理、潜力分析、资源管理等方面的优势，实现对大数据的净化与大数据分析，形成接近客户的信息。发明对开源的AppScale工具集(58)进行扩展，实现支撑企业外贸风险预警系统的数据管理管理功能，实现图2企业外贸风险预警模块设计和工作流程中的数据存储和计算②、数据查询处理③等模块功能。图5云平台软件部署与云计算环境构建中的平台基础设施构建的应用服务器(55)提供了云计算应用的执行环境与AppScale工具集(58)形成AppScale平台。平台包括一个应用负载均衡器节点(54)、多个应用控制器(59)、一个数据库管理节点(56)和多个数据库被管节点(57)。AppScale工具集(58)，支持的开发语言包括Python、Java和Go语言。部署在AppScale平台的应用，可以为企业外贸预警关联的分布式文件系统HDFS、关系型数据库MySQL集群和NOSQL数据库等多种数据存储服务，还可以调用Hadoop的MapReduce框架，实施大规模数据分析和处理操作。此外，AppScale平台还提供统一认证与授权、缓存、电子邮件等服务。为图2企业外贸风险预警模块设计和工作流程中的数据存储和计算(②)、数据查询处理(③)等模块功能模块提供基本的环境支持。
企业外贸风险预警云数据库
企业外贸风险预警云数据库是基于云计算技术的数据集合；如图7所示，其在云计算基础设施(60)(由图5：基础设施模块支持)、云计算服务平台(61)(图5平台云服务支持)集合的多元、多构数据集。数据来源是多元的，分别由购买的现有的各种统计数据，形成原数据库(67)、通过各类爬虫软件爬取的互联网数据库(64)、企业用户内部书库库(65)、以及用户平台(62)、用户(63)数据构成。数据集在3.1大数据仓库模块支持下，形成企业外贸风险云数据库(66)。
4、企业外贸风险大数据汇集模块
该模块是基于图3(系统整体架构和工作流程)中云计算平台(⑩)和图5(云平台软件部署与云计算环境构建)的基础设施的支持，实现多元异构大数据的采集与汇集。用于支持图2企业外贸风险预警模块设计和工作流程中特征数据收集、提取和集成(①)模块数据采集与汇集功能。如图8所示，该模块是基于Storm的分布式处理框架完成，由万维网数据源(68)、搜索主机群(74)、数据爬取模型库(69)、过滤器(70)、数据管理模型(71)、数据存储(72)、数总调度主机(73)等构成。模块首先在图3(系统整体架构和工作流程)中云计算平台(⑩)和图5(云平台软件部署与云计算环境构建)的基础设施的支持下调用据爬取模型库(69)爬取模型，通过搜索主机群(74)实现对万维网数据源(68)数据爬取，经过过滤器(70过滤掉重复、不合格数据，通过调用数据管理模型(71)实现数据的汇集。为了提高数据整体使用效率，对汇集数据通过数总调度主机(73)统一调度。
数据爬取模型库
数据爬取模型库(69)是企业外贸风险大数据汇集模块的核心，通过调用该库模型，可以实现对万维网数据源(68)的文本、图片及统计数据的深度爬取。本爬取模型库在继承经典爬虫工具基础上，开发了一种后台数据库接口元素树构建、标签耦合、信息抽取三阶段后台数据库数据爬取框架。在数据库接口元素树构建面，提出一种基于主成分分析与聚类分析综合的查询接口元素树方法和一种基于循环神经网络的的标签耦合方法。实现了网站后台数据库数据爬取。该技术不仅可以爬取URL链接形式网页数据，还可以爬取网站后台数据库数据。
考了到互联网图片信息对企业外贸风险预警的重要作用，模型库开发了基于外贸主体关系的图片数据爬取工具。该爬取工具基于创建的外贸主体图片的领域本体，提出了基于锚图哈希的无监督度图片搜索算法以提高检索的精度和降低时间开销，提出基于卷积神经网络的，无监督语义分割图片搜索方法，实现图片特征自动提取，提高图片搜索的自动化水平。
大数据管理模型
大数据管理模型(71)是实现大数据汇集及有效管理的工具，系统基于Storm,集成了经典大数据管理模型，形成企业外贸预警大数据管理模型库。通过模型库模型调用，实现庞大且复杂的数据汇集及管理，为数据的采集、分析、存储和运用的一体化和智能化提供支持。
该模块建立了一个自响应主从模型，开发了一个分布式文件管理工具，该工具将内存单元抽象为数据元,通过数据元处理完成内存单元访问，降低数据同步对内存操作要求，保证了数据汇集的高容错性及扩展性。
5、基于大数据挖掘的企业外贸风险评估模型库
基于大数据挖掘的企业外贸风险评估模型是企业外贸风险评估的技术核心。本发明为提高企业外贸风险评估的准确性,项目创新集成了基于大数据挖掘的企业外贸风险预警模型，形成模型库。实现企业外贸风险自动化、实时评估。该模块是在图5云平台软件部署与云计算环境构建平台云服务的云计算技术支持下，所建立，同时可有效为图2企业外贸风险预警模块设计和工作流程，外贸风险预警(⑤)提供技术支持，实现图3系统整体架构和工作流程的应用(⑨)功能。如图9所示，该模块首先分为风险分类模块(75)，把风险分为系统风险和非系统风险。系统风险又分为进口国关税调整风险、进口国国内政局风险、出口政策变化的风险、市场行情风险、季节性风险、贸易壁垒风险、海运费上涨风险、汇率风险、欺诈风险；非系统风险分为出口商内部运作风险、出口商人事变动风险、报价风险、货物计价风险、收汇款风险、合同货物描述错误风险。并针对每种风险建立了初步的风险评估指标体系。同时从用户交互界面确定预警主题，然后调取(76)非监督学习方法，对指标体系指标与外贸风险进行关联分析、主成分分析，获得引发外贸风险的主要因素，并以此形成真正的风险评估指标体系(77)，实现外贸风险评估因素向量化。调用3大数据中心数据，调取企业外贸风险评估模型库(78)评估模型，最终实现风险评估与预警(79)功能。
企业外贸风险评估模型
在企业外贸风险评估模型研究方面，本模块集成了基于传统方法如层次分析法、模糊评估法的企业外贸风险评估模型基础上，重点做了以下开发，形成模型库(78)
(1)提出一种基于贝叶斯方法的企业外贸风险评估模型，能较准确预警企业外贸风险可能性，实现实时监测、动态评估目的。
(2)模块提出了基于粒子群算法的改良BF神经网络企业外贸风险预警模型。该模型首先利用粒子群算法改良、优化RBF神经网络的参数，然后用优化后的RBF神经网络评估企业外贸风险，以此提高企业外贸风险评估的精度和效率。
(3)建立的基于蚁群算法的协同风险辨识模型、基于网络互动的风险辨识模型、用户兴趣模型。
企业外贸风险指标建设
企业外贸风险指标建设(77)项目在传统关联分析基础上，提出了基于蚁群算法的主成分分析方法用于筛选外贸风险评估数据维度；应用拉普拉斯特征映射方法，确定风险与指标的关联关系。该模块很好的找出引发外贸风险的主要因素及其权重，提高了数据处理效率，支持了实时评估。
6、各模块功能关系
本发明以为各外贸主体提供高效、低成本的风险评估及预警服务目的，以云计算和大数据技术为支撑，进行了模块化开发。项目首先按照2.2(图4)完成外贸风险大数据云平台基础设施部署，然后按照2.3(图5)部署云平台部分插件和基础软件，实现云平台搭建，为整个系统运行提供基础云服务环境支持。在云平台支持下，应用云技术，按照3.1(图6)开发企业外贸风险大数据仓库，按照4.1(图8)开发外贸风险预警基础数据爬取模型库。在云计算平台(⑩)支持下，(图8)爬取多元、异构企业外贸风险大数据，并存储到(图6)模块，形成大数据中心大数据中心通过云计算平台(⑩)实现(图2)收集、提取和汇集(①)、数据存储和计算(②)、数据查询处理(③)、数据服务(④)等功能。在云计算平台(⑩)支持下，调用大数据中心数据和5.1(图9)模型，实现外贸风险预警(⑤)功能。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据的企业外贸风险预警方法，其特征在于，包括以下步骤：
S1、进行外贸风险大数据平台部署和搭建，收集外贸风险预警信息，并对外贸风险预警信息进行数据解析和特征抽取，得到集成的外贸风险预警信息；
S2、对集成的外贸风险预警信息进行初步处理，所述初步处理包括并发控制、分布式调度、增量维护、索引管理，完成对集成的外贸风险预警信息持续存储和原始调用；
S3、以数据调用需求为导向，结合数据库存储结构，建立企业外贸风险大数据仓库，通过查询解析和查询优化，产生查询计划，实现需求导向的实时调用；
S4、建立多类别、多方向数据挖掘模型库，即外贸风险评估数据挖掘模型库，对数据进行进一步调用和分析，实现跨媒体查询、数据迁移、数据挖掘、数据分析，形成大数据中心；
S5、根据需求，大数据中心通过外贸风险大数据平台，并调用相关数据和外贸风险评估数据挖掘模型库，对外贸风险进行风险评估，进而实现外贸风险预警和外贸风险信息共享。
2.根据权利要求1所述的一种基于大数据的企业外贸风险预警方法，其特征在于，还包括通过非结构化数据特定操作和平台数据收集，对平台自身数据进行收集和再存储，不断补充数据库数据。
3.根据权利要求1所述的一种基于大数据的企业外贸风险预警方法，其特征在于，所述步骤S1具体为：基于云计算，以企业外贸风险预警需求为导向，建立企业外贸风险预警大数据库，通过特征数据收集和爬虫工具，即通过基于生成主成分分析与聚类分析综合的查询接口元素树方法和基于循环神经网络的标签耦合方法，收集外贸风险预警信息，通过基于锚图哈希的无监督度图片搜索算法和基于卷积神经网络的无监督语义分割图片搜索方法，收集图片，对外贸风险预警信息和图片进行数据解析和特征抽取，消除外贸风险预警信息存在的大量冗余、错误、空缺、异构，使数据净化和架构化，完成数据集成。
4.根据权利要求1所述的一种基于大数据的企业外贸风险预警方法，其特征在于，所述外贸风险预警信息包括网页数据、工作流数据、电子文档数据、音频和视频数据、图像数据；所述外贸风险预警信息来源有互联网、统计数据库、企业内部、有存量和流式数据。
5.根据权利要求1所述的一种基于大数据的企业外贸风险预警方法，其特征在于，所述步骤S3具体为：通过数据查询处理模块，以数据调用需求为导向，结合数据库存储结构，建立企业外贸风险大数据仓库，通过查询解析、查询优化，产生查询计划，进而实现需求导向的大数据灵活、多维、实时调用。
6.根据权利要求1所述的一种基于大数据的企业外贸风险预警方法，其特征在于，所述步骤S4具体为：以数据进入数据存储和计算模块、数据查询处理模块为支撑，以外贸风险预警模块需求为导向，建立多类别、多方向数据挖掘模型库，形成数据服务模块，完成对数据进一步调用和分析，实现跨媒体查询、数据迁移、数据挖掘、数据分析。
7.根据权利要求1所述的一种基于大数据的企业外贸风险预警方法，其特征在于，所述步骤S5具体为：根据企业需要，经过数据服务模块处理，进入应用模块，外贸风险预警模块，通过风险分类模块，把风险进行分类，把风险分为系统风险和非系统风险；系统风险分为进口国关税调整风险、进口国国内政局风险、出口政策变化的风险、市场行情风险、季节性风险、贸易壁垒风险、海运费上涨风险、汇率风险、欺诈风险；非系统风险分为出口商内部运作风险、出口商人事变动风险、报价风险、货物计价风险、收汇款风险、合同货物描述错误风险；针对每种风险，通过基于贝叶斯方法的企业外贸分析评估模型，建立了初步的风险评估指标体系；同时从用户交互界面确定预警主题，并调取非监督学习方法，再通过基于粒子群算法的改良BF神经网络企业外贸风险预警模型，对指标体系指标与外贸风险进行关联分析、主成分分析，获得引发外贸风险的主要因素，并以此形成最终风险评估指标体系，进而实现多种外贸风险预警以及外贸风险信息共享；外贸风险预警包括：网络舆情分析系统、以图搜图引擎、电信级网络通信互助社区。
8.一种基于大数据的企业外贸风险预警系统，其特征在于，包括特征数据收集、提取和集成模块，数据存储和计算模块，数据查询处理模块，数据服务模块，外贸风险预警模块，系统管理模块，大数据管理标准体系模块，安全控制模块；
所述特征数据收集、提取和集成模块用于收集外贸风险预警信息，并对外贸风险预警信息进行数据解析和特征抽取，得到集成的外贸风险预警信息；
所述数据存储和计算模块用于完成对存量和导入数据的持续存储与原始调用；
所述数据查询处理模块，以数据调用需求为导向，结合数据库存储结构，通过数据的查询解析、查询优化，从而产生查询计划；
所述数据服务模块用于跨媒体查询、数据迁移、数据挖掘、数据分析；
所述外贸风险预警模块用于网络舆情分析系统、以图搜图引擎、电信级网络通信互助社区的外贸风险预警及外贸风险信息共享；
所述大数据管理标准体系模块、系统管理模块、安全控制模块用于从基础数据采集、管理到应用需求的全层次复杂大数据统一管理方案；
还包含非结构化数据特定操作模块及平台数据收集及存储模块，用于平台数据的收集及再存储，不断补充数据库数据。
9.根据权利要求8所述的一种基于大数据的企业外贸风险预警系统，其特征在于，为了支持系统八个模块的运行，进行整体部署，整体部署如下：云计算平台、应用、大数据中心；云计算平台设置K个计算机集群，每个计算机集群包含M个物理节点，即物理服务器，每个物理节点安装云控制器、集群控制器、存储控制器，用于接收集群控制器的指令，通过Xen组件管理虚拟机，使每台物理服务器同事运行L个虚拟机实例，采用存储器+对象方式组织数据，一个对象对应一个文件，实现虚拟机镜像及用户数据的存取；
在完成云计算技术的外贸风险大数据平台基础设施部署基础上，基于云计算技术设计了企业外贸风险云体系架构，进行软件部署与开发，实现云计算环境构建；
通过云计算平台为应用和大数据中心提供底层技术支撑，具有存储管理、服务管理、资源管理、潜力分析、聚类分析、云载负荷、案例管理、资费管理功能；
大数据中心以云计算平台为基础，构建大数据仓库，进而形成企业外贸风险预警云数据库，通过企业外贸风险大数据汇集模块的数据爬取模型库和大数据管理模型，实现多元异构大数据采集、处理、存储、多维调用功能；
应用在云计算平台支持下，对大数据中心的数据进行调用、挖掘，对客户端提供应用服务功能；
通过基于大数据挖掘的企业外贸风险评估模型库的风险分类模块，把风险分为系统风险和非系统风险；系统风险又分为进口国关税调整风险、进口国国内政局风险、出口政策变化的风险、市场行情风险、季节性风险、贸易壁垒风险、海运费上涨风险、汇率风险、欺诈风险；非系统风险分为出口商内部运作风险、出口商人事变动风险、报价风险、货物计价风险、收汇款风险、合同货物描述错误风险；针对每种风险建立了初步的风险评估指标体系；同时从用户交互界面确定预警主题，然后调取非监督学习方法，对指标体系指标与外贸风险进行关联分析、主成分分析，获得引发外贸风险的主要因素，并以此形成最终的风险评估指标体系，实现外贸风险评估因素向量化；调用大数据中心数据，调取企业外贸风险评估模型库评估模型，最终实现风险评估与预警。
CN201910550272.1A 2019-06-24 2019-06-24 一种基于大数据的企业外贸风险预警方法及系统 Active CN110347719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910550272.1A CN110347719B (zh) 2019-06-24 2019-06-24 一种基于大数据的企业外贸风险预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910550272.1A CN110347719B (zh) 2019-06-24 2019-06-24 一种基于大数据的企业外贸风险预警方法及系统

Publications (2)

Publication Number Publication Date
CN110347719A true CN110347719A (zh) 2019-10-18
CN110347719B CN110347719B (zh) 2023-06-30

Family

ID=68182840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910550272.1A Active CN110347719B (zh) 2019-06-24 2019-06-24 一种基于大数据的企业外贸风险预警方法及系统

Country Status (1)

Country Link
CN (1) CN110347719B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909805A (zh) * 2019-11-26 2020-03-24 西安交通大学城市学院 基于大数据与Inception V3深度网络模型的金融风控系统
CN111179022A (zh) * 2019-12-10 2020-05-19 华能集团技术创新中心有限公司 一种工商数据处理系统及处理方法
CN111563112A (zh) * 2020-04-30 2020-08-21 城云科技（中国）有限公司 一种基于跨境贸易大数据的数据搜索和展示系统
CN111626845A (zh) * 2020-05-21 2020-09-04 江苏擎天助贸科技有限公司 基于数据流的外贸企业风险评估方法
CN111833197A (zh) * 2020-07-13 2020-10-27 北京逸风金科软件有限公司 一种征信协议的遥测数据处理方法和装置
CN112115331A (zh) * 2020-09-21 2020-12-22 朱彤 基于分布式网络爬虫与nlp的资本市场舆情监测方法
CN112381587A (zh) * 2020-12-01 2021-02-19 大连交通大学 一种外贸产业生态聚集区综合系统及商业运营模式
CN112836517A (zh) * 2021-01-27 2021-05-25 浪潮云信息技术股份公司 一种基于自然语言处理挖掘风险信号的方法
CN113157744A (zh) * 2021-04-28 2021-07-23 成都理工大学 一种基于大数据的车务段安全信息分析与辅助决策预警系统
CN113256309A (zh) * 2021-06-02 2021-08-13 安徽国科检测科技有限公司 一种农产品质量安全检测抽样决策方法
CN113592519A (zh) * 2020-04-30 2021-11-02 景德镇陶瓷大学 一种利于企业发展的市场营销数据分析评估系统
CN113610405A (zh) * 2021-08-11 2021-11-05 国网河北省电力有限公司邢台市环城供电分公司 一种基于供电营销大数据建立供电服务风险预警系统和方法
CN113807100A (zh) * 2020-06-11 2021-12-17 中国南方电网有限责任公司 基于源端数据的保护装置计算模型审核方法及装置
CN113902331A (zh) * 2021-10-27 2022-01-07 上海腾道信息技术有限公司 一种国际贸易数据管理系统
US20220147817A1 (en) * 2020-11-10 2022-05-12 Equifax Inc. Machine-learning techniques involving monotonic recurrent neural networks
CN116934098A (zh) * 2023-09-14 2023-10-24 山东省标准化研究院(Wto/Tbt山东咨询工作站) 一种技术性贸易措施风险量化评估方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150339263A1 (en) * 2014-05-21 2015-11-26 Accretive Technologies, Inc. Predictive risk assessment in system modeling
WO2016105181A2 (fr) * 2014-11-03 2016-06-30 Tabyaoui Mohamed Alerte precoce contre les risques naturels basee sur la technologie mobile
CN106157132A (zh) * 2016-06-20 2016-11-23 中国工商银行股份有限公司 信用风险监控系统及方法
CN107491885A (zh) * 2017-08-25 2017-12-19 上海找钢网信息科技股份有限公司 一种用于钢贸金融业务的风控平台及风险控制管理方法
CN108364124A (zh) * 2018-01-26 2018-08-03 天津中科智能识别产业技术研究院有限公司 基于大数据的国际产能合作风险评估与决策服务系统
CN108537422A (zh) * 2018-03-26 2018-09-14 神华宁夏煤业集团有限责任公司 安全风险预警系统和方法
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控系统集成有限公司 一种人工智能预警系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150339263A1 (en) * 2014-05-21 2015-11-26 Accretive Technologies, Inc. Predictive risk assessment in system modeling
WO2016105181A2 (fr) * 2014-11-03 2016-06-30 Tabyaoui Mohamed Alerte precoce contre les risques naturels basee sur la technologie mobile
CN106157132A (zh) * 2016-06-20 2016-11-23 中国工商银行股份有限公司 信用风险监控系统及方法
CN107491885A (zh) * 2017-08-25 2017-12-19 上海找钢网信息科技股份有限公司 一种用于钢贸金融业务的风控平台及风险控制管理方法
CN108364124A (zh) * 2018-01-26 2018-08-03 天津中科智能识别产业技术研究院有限公司 基于大数据的国际产能合作风险评估与决策服务系统
CN108537422A (zh) * 2018-03-26 2018-09-14 神华宁夏煤业集团有限责任公司 安全风险预警系统和方法
CN109447048A (zh) * 2018-12-25 2019-03-08 苏州闪驰数控系统集成有限公司 一种人工智能预警系统

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909805A (zh) * 2019-11-26 2020-03-24 西安交通大学城市学院 基于大数据与Inception V3深度网络模型的金融风控系统
CN110909805B (zh) * 2019-11-26 2022-02-18 西安交通大学城市学院 基于大数据与Inception V3深度网络模型的金融风控系统
CN111179022A (zh) * 2019-12-10 2020-05-19 华能集团技术创新中心有限公司 一种工商数据处理系统及处理方法
CN113592519A (zh) * 2020-04-30 2021-11-02 景德镇陶瓷大学 一种利于企业发展的市场营销数据分析评估系统
CN111563112A (zh) * 2020-04-30 2020-08-21 城云科技（中国）有限公司 一种基于跨境贸易大数据的数据搜索和展示系统
CN111626845A (zh) * 2020-05-21 2020-09-04 江苏擎天助贸科技有限公司 基于数据流的外贸企业风险评估方法
CN113807100B (zh) * 2020-06-11 2024-06-07 中国南方电网有限责任公司 基于源端数据的保护装置计算模型审核方法及装置
CN113807100A (zh) * 2020-06-11 2021-12-17 中国南方电网有限责任公司 基于源端数据的保护装置计算模型审核方法及装置
CN111833197A (zh) * 2020-07-13 2020-10-27 北京逸风金科软件有限公司 一种征信协议的遥测数据处理方法和装置
CN112115331A (zh) * 2020-09-21 2020-12-22 朱彤 基于分布式网络爬虫与nlp的资本市场舆情监测方法
CN112115331B (zh) * 2020-09-21 2021-05-04 朱彤 基于分布式网络爬虫与nlp的资本市场舆情监测方法
US20220147817A1 (en) * 2020-11-10 2022-05-12 Equifax Inc. Machine-learning techniques involving monotonic recurrent neural networks
US11960993B2 (en) * 2020-11-10 2024-04-16 Equifax Inc. Machine-learning techniques involving monotonic recurrent neural networks
CN112381587A (zh) * 2020-12-01 2021-02-19 大连交通大学 一种外贸产业生态聚集区综合系统及商业运营模式
CN112836517A (zh) * 2021-01-27 2021-05-25 浪潮云信息技术股份公司 一种基于自然语言处理挖掘风险信号的方法
CN113157744A (zh) * 2021-04-28 2021-07-23 成都理工大学 一种基于大数据的车务段安全信息分析与辅助决策预警系统
CN113256309A (zh) * 2021-06-02 2021-08-13 安徽国科检测科技有限公司 一种农产品质量安全检测抽样决策方法
CN113610405A (zh) * 2021-08-11 2021-11-05 国网河北省电力有限公司邢台市环城供电分公司 一种基于供电营销大数据建立供电服务风险预警系统和方法
CN113902331A (zh) * 2021-10-27 2022-01-07 上海腾道信息技术有限公司 一种国际贸易数据管理系统
CN116934098A (zh) * 2023-09-14 2023-10-24 山东省标准化研究院(Wto/Tbt山东咨询工作站) 一种技术性贸易措施风险量化评估方法

Also Published As

Publication number Publication date
CN110347719B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN110347719A (zh) 一种基于大数据的企业外贸风险预警方法及系统
US8340995B2 (en) Method and system of using artifacts to identify elements of a component business model
Zhu et al. Application of multiple criteria decision making methods in construction: A systematic literature review
CN109213754A (zh) 一种数据处理系统及数据处理方法
CN105469204A (zh) 深度融合大数据分析技术的重装制造企业综合评价系统
CN107103448A (zh) 基于工作流的数据集成系统
Zhang et al. Research on the integration of heterogeneous information resources in university management informatization based on data mining algorithms
CN106254543A (zh) 基于云计算架构的分布式互联网金融网贷方法和系统
CN112748910B (zh) 基于SaaS模式下的产品组装装配研发的系统、方法及设备
CN110188149A (zh) 一种数据仓库系统
CN109977125A (zh) 一种基于网络安全的大数据安全分析平台系统
CN110046981A (zh) 一种信用评估方法、装置及存储介质
CN110390475A (zh) 一种基于集团大数据的预警与决策支持方法
Rocci et al. Total process error: An approach for assessing and monitoring the quality of multisource processes
CN112988919A (zh) 一种电网数据集市构建方法、系统、终端设备及存储介质
Li et al. Granularity decision of microservice splitting in view of maintainability and its innovation effect in government data sharing
Litan et al. Business’ new requirement: Information systems integration–Methods and technologies
Ren et al. Tourism growth prediction based on deep learning approach
Hartmann Enabling model-driven live analytics for cyber-physical systems: The case of smart grids
Shi et al. Human resources balanced allocation method based on deep learning algorithm
US20140149186A1 (en) Method and system of using artifacts to identify elements of a component business model
CN109300023A (zh) 一种土地增值税大数据抽取和应用的方法及系统
Zhou et al. [Retracted] An Improved Data Mining Model for Predicting the Impact of Economic Fluctuations
CN113342798B (zh) 一种基于数据融合的数据管理系统
Wang et al. Research on intelligent power marketing inspection model based on knowledge graph

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
GR01 Patent grant
GR01 Patent grant