CN110909986A - 基于知识图谱的疑似实际控制人的风险识别方法及系统 - Google Patents
基于知识图谱的疑似实际控制人的风险识别方法及系统 Download PDFInfo
- Publication number
- CN110909986A CN110909986A CN201911066225.6A CN201911066225A CN110909986A CN 110909986 A CN110909986 A CN 110909986A CN 201911066225 A CN201911066225 A CN 201911066225A CN 110909986 A CN110909986 A CN 110909986A
- Authority
- CN
- China
- Prior art keywords
- data
- database
- node
- relationship
- stock
- 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
Images
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
- G06Q10/06—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
-
- 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
- G06F16/288—Entity relationship models
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于知识图谱的疑似实际控制人的风险识别方法及系统,该方法包括:从股权关系数据库中抽取实体节点数据及实体间的关系数据,将数据聚合并存储到图数据库中;基于深度优先遍历算法,从图数据库中逐级计算某企业的股权关系,对持股比例做递归计算得到疑似实际控制人信息;监测疑似实际控制人信息是否发生变化,并在其发生变化时推送预警信息给用户。通过本发明的风险识别方法及系统能够有效识别和判断出企业/自然人等实体的疑似实际控制人并可供外部查询和风险预警。
Description
技术领域
本发明属于知识图谱技术和图数据库在企业关系分析领域的应用,具体涉 及一种基于知识图谱的疑似实际控制人的风险识别方法及系统。
背景技术
知识图谱是结构化的语义知识库,用于迅速描述物理世界中的概念及其相 互关系。通过对错综复杂的结构化数据进行有效的加工、处理、整合,转化为 简单、清晰的“实体,关系,实体”的三元组,最后聚合大量知识,从而实现 知识的快速响应和推理。本质上,知识图谱旨在描述真实世界中存在的各种实 体或概念及其关系,其构成一张巨大的语义网络图,节点表示实体或概念,边 则由属性或关系构成。
图数据库是大数据时代的一种新型数据库,是基于数学中图论的算法而实 现的高效处理复杂关系网络的新型数据库系统。它善于处理大量的、复杂的、 互联的、多变的网状数据。其效率远远高于传统的关系型数据库的百倍、千倍 甚至万倍。图数据库结合知识图谱已被广泛应用于大数据风控、个性化推荐、 情报分析、反欺诈等领域。另外,通过知识图谱能够将已有的信息、数据以及 链接关系聚集为知识,使信息资源更易于计算、理解以及评价。
实际控制人是指通过投资关系、协议或者其他安排,能够实际支配公司行 为的自然人、法人或者其他组织,不论其是否直接持有公司股权。在企业尤其 中小企业的风险控制中,实际控制人通常是企业的灵魂人物,完全能够通过个 人行为影响企业行为或者关键时刻做出决定性结论。
如何有效计算和识别实际控制人在企业贷款等财务管理上的风险也就显得 尤为重要。
发明内容
基于现有技术的上述缺陷,本发明的目的是提供一种基于知识图谱的疑似 实际控制人的风险识别方法及系统,以有效识别和判断出企业实体的疑似实际 控制人并可供外部查询和风险预警。
本发明采用的技术方案如下:
一种基于知识图谱的疑似实际控制人的识别方法,所述方法包括:
从股权关系数据库中抽取实体节点数据及实体间的关系数据,将数据聚合 并存储到图数据库中;
基于深度优先遍历算法,从图数据库中逐级计算某企业的股权关系,对持 股比例做递归计算得到疑似实际控制人信息;
监测实际控制人信息是否发生变化,并在其发生变化时推送预警信息给用 户。
进一步地,在数据存储到图数据库之前,先对实体节点进行内部编码,并 对实体内部的编码及节点数据建立索引。
进一步地,所述方法还包括:按照预设周期将最新的股权关系数据批量更 新并导入到图数据库中。
进一步地,对疑似实际控制人信息的计算包括:
以图数据库中某企业节点为出发点,访问并标记该节点;
以标记的该节点为当前顶点,依次搜索其邻接点节点持股比例,以及与该 邻接点的有关联节点的持股比例,以此类推,直至某一节点对标记的该节点无 控股关联;
对垂直式控股的比例做乘积运算,对分叉式控股的比例做加法运算,得到 持股比例最大的节点为疑似实际控制人。
进一步地,所述实体节点数据由企业节点数据和自然人节点数据构成,所 述企业节点数据包括:企业名称及企业统一社会信用代码,所述自然人节点数 据包括:自然人姓名及自然人身份证号;所述实体间的关系数据包括:股权关 系、投资关系、持股比例和登记时间。
进一步地,通过spark平台从股权关系数据库批量读取最新变更数据然后 导入到图数据库中。
进一步地,所述图数据库为Neo4J图数据库。
基于本发明的另一构思,还提供了一种基于知识图谱的疑似实际控制人的 风险识别系统,所述系统包括:
数据采集模块,用于从股权关系数据库中提取实体节点数据及实体间的关 系数据,并对这些数据聚合后存储到图数据库中;
计算模块,通过深度优先遍历算法,从图数据库中逐级计算企业的股权关 系,对持股比例做递归计算得到疑似实际控制人信息;
监测模块,监测实际控制人信息是否发生变化,并在其发生变化时推送预 警信息给用户。
进一步地,所述识别系统提供有数据查询及修改接口,用于读取图数据库 中展示的页面数据以及手动修改股权关系库中的数据。
进一步地,所述识别系统还包括:新数据导入模块,用于将股权关系数据 库中更新后的实体节点数据及实体间的关系数据导入到图数据库中。
与现有技术相比,本发明所公开的一种基于知识图谱的疑似实际控制人的 风险识别方法及系统,具有如下技术效果:
1、采用图数据库持久化企业的股权关系数据,比较传统关系型数据库实现 快速的处理复杂关系网络,为疑似实际控制人的挖掘提供一种全新高效的方案;
2、采用知识图谱技术定义企业股权信息的实体节点和关系,对错综复杂的 结构化数据进行有效的加工、处理、整合,转化为简单、清晰的“实体,关系, 实体”的三元组,最后聚合大量知识,从而实现知识的快速响应和推理;
3、提供疑似实际控制人信息查询接口和动态监测,实现对疑似实际控制人 变更的预警信息推送。
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一简单地介绍,显而易见地,下面描 述中的附图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为本发明实施例所述的基于知识图谱的疑似实际控制人的识别方法的 流程示意图。
图2为本发明实施例中的疑似实际控制人的知识图谱示意图。
图3为发明实施例所述的基于知识图谱的疑似实际控制人的识别系统的架 构图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体 实施方式对本发明作进一步详细描述。
参照图1、图2所示,本发明实施例所公开了一种基于知识图谱的疑似实 际控制人的风险识别方法,该方法包括如下步骤:
步骤S1、从股权关系数据库中抽取实体节点数据及实体间的关系数据,将 数据聚合并存储到图数据库中;
具体来说,该实体节点根据类别分为企业和自然人两种,企业的节点数据 包括:企业名称、企业统一社会信用代码(或企业注册码、组织机构代码), 以及自增ID,自然人的节点数据包括:自然人姓名、身份证号,以及自增ID。 其中,自增ID是指在设计表时如果将id字段的值设置为自增的形式也就是 AUTO_INCREMENT,那么当插入一行数据时就无需指定id,数据表会根据前 一个id值+1进行填充,指定了AUTO_INCREMENT的列必须要建索引,一般 把ID作为主键,这样方便系统会自动为ID建立索引。实体间的关系数据包括: 企业或自然人的股权关系、投资关系等,以及企业或自然人的持股比例、登记 时间。每个节点的数据作为其属性标签被添加。实体间的关系则可作为图谱的 边。本发明采用知识图谱定义实体节点、边和属性。实体节点即前述的企业和 自然人两种,节点属性也即企业或自然人自身携带的节点数据,比如企业名称 及其信用代码,自然人姓名及其身份证号等,边属性也就是他们的对外投资关 系、股权比例等。根据上述规则,把数据聚合成知识图谱结构,上述实体节点、 节点属性及边属性构成了知识图谱的基本元素。
本实施例中,图数据库采用了Neo4J,它是一种可以高效处理复杂关系网 络的新型数据库系统,善于处理大量的、复杂的、互联的、多变的网状数据, 其效率远远高于传统的关系型数据库。
步骤S2、基于深度优先遍历算法,从图数据库中逐级计算某企业的股权关 系,对持股比例做递归计算得到疑似实际控制人信息;
具体来说,对疑似实际控制人信息的计算包括如下过程:
以图数据库中某企业节点为出发点,访问并标记该节点;
以标记的该节点为当前顶点,依次搜索其邻接点节点持股比例,以及与该 邻接点的有关联节点的持股比例,以此类推,直至某一节点对标记的该节点无 控股关联;此处的有关联,是指存在控股关系;
对垂直式控股的比例做乘积运算,对分叉式控股的比例做加法运算,得到持 股比例最大的节点为疑似实际控制人。此处的垂直式控股是指在一条直线上只 存在单一的控股,此处的分叉式控股是指某一节点被多个不同企业/自然人所控 股,存在分支的直线,垂直式控股的控股比例是相乘,分叉式控股的控股比例 是相加,当然,在分叉式控股的各支线上某节点仍然是可以存在垂直式控股或 者再次被分叉式控股。参照图2所示,来对本发明的深度优先遍历算法过程进 行说明。
1)针对Neo4J图数据库中的某个企业Ci作为出发点,访问并标记该节点;
2)以Ci为当前顶点,依次搜索Ci的邻接点节点Cj且持股比例为15%; 继续访问Cj的邻接点Ck且持股比例为100%,将边上的持股比例做乘积计算 出Ck对Ci持股比例为15%;
3)继续访问Ci邻接点Cl,重复步骤2),计算得到Cn点持股比例为16%;
4)继续访问Ci邻接点Cm,重复步骤2),计算得到Cn点持股比例为45.5%, 综合计算Cn持股比例为61.5%;
5)最终取持股比例最大的节点Cn作为该查询企业Ci的疑似实际控制人。
步骤S3、监测疑似实际控制人信息是否发生变化,并在其发生变化时推送 预警信息给用户。
具体来说,疑似实际控制人信息被存储在图数据库中,通过监测节点实时 监测该某实体节点的疑似实际控制人信息是否发生变化,该变化包括持股比例 的变化或者股东变更(含增加、减少或替换),在疑似实际控制人信息发生变 化时,则主动触发预警,并推送给前端进行可视化展示和提醒。本发明将知识 图谱建立的模型进行封装,并提供疑似实际控制人的查询接口,通过查询接口 可知晓各企业的实际控制人及其相关股权信息。
在步骤S1中,Neo4J图数据库中包括各实体节点数据及各节点间的关系数 据。当股权关系数据库不断地会有数据更新,包括股东的变更、股东持股比例 的变更,或者某企业新增了股东等信息,更新后的数据都会通过spark平台将 最新的企业股权数据批量更新到Neo4J图数据库中。spark是一个实现快速通用 的集群计算平台,Spark提供了一个全面、统一的框架用于管理各种有着不同 性质(文本数据、图表数据等)的数据集和数据源(批量数据或实时的流数据) 的大数据处理的需求。通过数据的更新,能够将股权变更的相关信息及时、准 确的推送给图数据库,提高后续识别的准确性。其中,更新可以为设定的固定周期,比如每天晚上24:00更新,或者可以仅仅对设定的关注节点进行动态监 测,也就是说,只有被设定为关注的节点数据及其关系数据发生变化时才主动 提示用户,以方便用户将最新的数据导入到图数据库中。
此外,本发明还针对疑似实际控制人图谱的实体节点进行内部编码,同时 针对实体的内部编码、企业名称、企业统一社会信用码等设计合理的索引,可 针对图谱的单个节点以及子图进行访问,如此可降低存储空间,进而提高了对 图谱数据的访问速度。基于实际需求,对企业编码、企业名称、自然人名称等 关键实体字段添加索引,在实践中查询速度能得到有效提升。
本领域普通技术人员应当理解的是,上述实施例的各种方法中的全部或者 部分步骤是可以通过程序指令相关的硬件来完成,该程序可以存储于一判断机 存储介质中,存储介质可以包括:只读存储器ROM、随机存取存储器RAM、 磁盘或光盘等。
与上述实施例中的方法相对应地,参照图3所示,本发明还提供了一种基 于知识图谱的疑似实际控制人的风险识别系统,该系统包括:
数据采集模块,用于从股权关系数据库中提取实体节点数据及实体间的关 系数据,并对这些数据聚合后存储到图数据库中;
计算模块,通过深度优先遍历算法,从图数据库中逐级计算企业的股权关 系,对持股比例做递归计算得到疑似实际控制人信息;
监测模块,监测实际控制人信息是否发生变化,并在其发生变化时推送预 警信息给前端用户,以进行变更提醒,这样,用户便能及时察觉到某企业的风 险,对企业财务管理、贷款管理等提供参考。
本实施例中,该识别系统提供有数据查询及修改接口,用于读取图数据库 中展示的页面数据以及手动修改股权关系库中的数据。查询接口可查询图数据 库中某实体节点的疑似实际控制人信息,修改接口则可对某些错误的信息进行 手动修改,当然,查询和修改可以采用同一个接口。
本实施例中,该识别系统还包括:新数据导入模块,用于将股权关系数据 库中更新后的实体节点数据及实体间的关系数据导入到图数据库中。其中,新 数据导入模块可通过大数据工具Spark从企业股权数据库批量读取最新变更数 据,对图谱数据进行更新。
首先构建图数据关系模型,根据企业投资信息、股权结构信息及法人对外 投资信息等定义企业和法人实体,以及实体间的关系和属性,完成股权信息聚 合,并最终把数据保存到图数据库;
其次计算和输出疑似实际控制人,对企业和企业的股权关系、企业和自然 人的股权关系及持股比例进行抓取,按照设定的挖掘算法计算企业的疑似实际 控制人和股权比例,该系统模型支持用户的手动纠正编辑实际控制人信息,同 时设置有疑似实际控制人查询和预警接口。
另外,在本发明实施例中的各功能模块可以集成在一个处理模块中,也可 以是各个模块单独物理存在,上述集成的模块、系统、平台既可以采用硬件的 方式实现,也可以采用软件功能单元的形式实现。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限 制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员 应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其 中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的 本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于知识图谱的疑似实际控制人的风险识别方法,其特征在于,所述方法包括:
从股权关系数据库中抽取实体节点数据及实体间的关系数据,将数据聚合并存储到图数据库中;
基于深度优先遍历算法,从图数据库中逐级计算某企业的股权关系,对持股比例做递归计算得到疑似实际控制人信息;
监测疑似实际控制人信息是否发生变化,并在其发生变化时推送预警信息给用户。
2.根据权利要求1所述的识别方法,其特征在于,在数据存储到图数据库之前,先对实体节点进行内部编码,并对实体节点内部的编码及节点数据建立索引。
3.根据权利要求1或2所述的识别方法,其特征在于,所述方法还包括:按照预设周期将最新的股权关系数据批量更新并导入到图数据库中。
4.根据权利要求1所述的识别方法,其特征在于,对疑似实际控制人信息的计算包括:
以图数据库中某企业节点为出发点,访问并标记该节点;
以标记的该节点为当前顶点,依次搜索其邻接点节点持股比例,以及与该邻接点的有关联节点的持股比例,以此类推,直至某一节点对标记的该节点无控股关联;
对垂直式控股的比例做乘积运算,对分叉式控股的比例做加法运算,得到持股比例最大的节点为疑似实际控制人。
5.根据权利要求1所述的识别方法,其特征在于,所述实体节点数据由企业节点数据和自然人节点数据构成,所述企业节点数据包括:企业名称及企业统一社会信用代码,所述自然人节点数据包括:自然人姓名及自然人身份证号;所述实体间的关系数据包括:股权关系、投资关系、持股比例和登记时间。
6.根据权利要求3所述的识别方法,其特征在于,通过spark平台从股权关系数据库批量读取最新变更数据然后导入到图数据库中。
7.根据权利要求1所述的识别方法,其特征在于,所述图数据库为Neo4J图数据库。
8.一种基于知识图谱的疑似实际控制人的风险识别系统,其特征在于,该系统包括:
数据采集模块,用于从股权关系数据库中提取实体节点数据及实体间的关系数据,并对这些数据聚合后存储到图数据库中;
计算模块,通过深度优先遍历算法,从图数据库中逐级计算企业的股权关系,对持股比例做递归计算得到疑似实际控制人信息;
监测模块,监测实际控制人信息是否发生变化,并在其发生变化时推送预警信息给用户。
9.根据权利要求8所述的识别系统,其特征在于,所述识别系统还包括:新数据导入模块,用于将股权关系数据库中更新后的实体节点数据及实体间的关系数据导入到图数据库中。
10.根据权利要求8或9所述的识别系统,其特征在于,所述识别系统提供有数据查询及修改接口,用于读取图数据库中展示的页面数据以及手动修改股权关系数据库中的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911066225.6A CN110909986A (zh) | 2019-11-04 | 2019-11-04 | 基于知识图谱的疑似实际控制人的风险识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911066225.6A CN110909986A (zh) | 2019-11-04 | 2019-11-04 | 基于知识图谱的疑似实际控制人的风险识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110909986A true CN110909986A (zh) | 2020-03-24 |
Family
ID=69816042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911066225.6A Pending CN110909986A (zh) | 2019-11-04 | 2019-11-04 | 基于知识图谱的疑似实际控制人的风险识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909986A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723251A (zh) * | 2020-06-19 | 2020-09-29 | 浪潮电子信息产业股份有限公司 | 一种图数据库数据导入的方法、系统及设备 |
CN111782820A (zh) * | 2020-06-30 | 2020-10-16 | 京东数字科技控股有限公司 | 知识图谱创建方法及装置、可读存储介质及电子设备 |
CN111897966A (zh) * | 2020-07-02 | 2020-11-06 | 苏宁金融科技(南京)有限公司 | 挖掘知识图谱中隐含信息的方法、系统及电子设备 |
CN112232754A (zh) * | 2020-09-14 | 2021-01-15 | 苏宁金融科技(南京)有限公司 | 一种企业数据挖掘方法、装置、设备 |
CN112364178A (zh) * | 2020-11-08 | 2021-02-12 | 杭州有数金融信息服务有限公司 | 一种基于企业关联知识图谱的企业隐形实控人识别的方法 |
CN112732710A (zh) * | 2020-12-25 | 2021-04-30 | 北京知因智慧科技有限公司 | 数据处理方法、装置以及电子设备 |
CN112749237A (zh) * | 2020-12-30 | 2021-05-04 | 广州金越软件技术有限公司 | 一种基于图计算的人员关系构建和分析方法 |
CN113326276A (zh) * | 2021-06-23 | 2021-08-31 | 北京金山数字娱乐科技有限公司 | 一种图数据库更新方法及装置 |
CN113641878A (zh) * | 2021-08-09 | 2021-11-12 | 平安科技(深圳)有限公司 | 适用于有向环路的实控人识别方法、装置、设备及介质 |
CN114219329A (zh) * | 2021-12-20 | 2022-03-22 | 中国建设银行股份有限公司 | 一种企业层级的确定方法及装置 |
CN114611515A (zh) * | 2022-01-28 | 2022-06-10 | 江苏省联合征信有限公司 | 一种基于企业舆情信息识别企业实际控制人的方法和系统 |
CN115170271A (zh) * | 2022-09-09 | 2022-10-11 | 中证数智科技(深圳)有限公司 | 风险关联企业的聚类方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509614A (zh) * | 2018-04-03 | 2018-09-07 | 中山大学 | 一种基于图数据库的任务履历管理及分析方法 |
CN109189867A (zh) * | 2018-10-23 | 2019-01-11 | 中山大学 | 基于公司知识图谱的关系发现方法、装置及存储介质 |
CN109376280A (zh) * | 2018-09-28 | 2019-02-22 | 苏州朗动网络科技有限公司 | 企业关系的查询方法、装置、计算机设备及存储介质 |
CN110223168A (zh) * | 2019-06-24 | 2019-09-10 | 浪潮卓数大数据产业发展有限公司 | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 |
-
2019
- 2019-11-04 CN CN201911066225.6A patent/CN110909986A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509614A (zh) * | 2018-04-03 | 2018-09-07 | 中山大学 | 一种基于图数据库的任务履历管理及分析方法 |
CN109376280A (zh) * | 2018-09-28 | 2019-02-22 | 苏州朗动网络科技有限公司 | 企业关系的查询方法、装置、计算机设备及存储介质 |
CN109189867A (zh) * | 2018-10-23 | 2019-01-11 | 中山大学 | 基于公司知识图谱的关系发现方法、装置及存储介质 |
CN110223168A (zh) * | 2019-06-24 | 2019-09-10 | 浪潮卓数大数据产业发展有限公司 | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723251A (zh) * | 2020-06-19 | 2020-09-29 | 浪潮电子信息产业股份有限公司 | 一种图数据库数据导入的方法、系统及设备 |
CN111782820B (zh) * | 2020-06-30 | 2024-05-17 | 京东科技控股股份有限公司 | 知识图谱创建方法及装置、可读存储介质及电子设备 |
CN111782820A (zh) * | 2020-06-30 | 2020-10-16 | 京东数字科技控股有限公司 | 知识图谱创建方法及装置、可读存储介质及电子设备 |
CN111897966A (zh) * | 2020-07-02 | 2020-11-06 | 苏宁金融科技(南京)有限公司 | 挖掘知识图谱中隐含信息的方法、系统及电子设备 |
CN112232754A (zh) * | 2020-09-14 | 2021-01-15 | 苏宁金融科技(南京)有限公司 | 一种企业数据挖掘方法、装置、设备 |
CN112364178A (zh) * | 2020-11-08 | 2021-02-12 | 杭州有数金融信息服务有限公司 | 一种基于企业关联知识图谱的企业隐形实控人识别的方法 |
CN112732710A (zh) * | 2020-12-25 | 2021-04-30 | 北京知因智慧科技有限公司 | 数据处理方法、装置以及电子设备 |
CN112749237A (zh) * | 2020-12-30 | 2021-05-04 | 广州金越软件技术有限公司 | 一种基于图计算的人员关系构建和分析方法 |
CN113326276A (zh) * | 2021-06-23 | 2021-08-31 | 北京金山数字娱乐科技有限公司 | 一种图数据库更新方法及装置 |
CN113641878A (zh) * | 2021-08-09 | 2021-11-12 | 平安科技(深圳)有限公司 | 适用于有向环路的实控人识别方法、装置、设备及介质 |
CN113641878B (zh) * | 2021-08-09 | 2024-05-28 | 平安科技(深圳)有限公司 | 适用于有向环路的实控人识别方法、装置、设备及介质 |
CN114219329A (zh) * | 2021-12-20 | 2022-03-22 | 中国建设银行股份有限公司 | 一种企业层级的确定方法及装置 |
CN114611515A (zh) * | 2022-01-28 | 2022-06-10 | 江苏省联合征信有限公司 | 一种基于企业舆情信息识别企业实际控制人的方法和系统 |
CN114611515B (zh) * | 2022-01-28 | 2023-12-12 | 江苏省联合征信有限公司 | 一种基于企业舆情信息识别企业实际控制人的方法和系统 |
CN115170271A (zh) * | 2022-09-09 | 2022-10-11 | 中证数智科技(深圳)有限公司 | 风险关联企业的聚类方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909986A (zh) | 基于知识图谱的疑似实际控制人的风险识别方法及系统 | |
WO2021164465A1 (zh) | 智能预警方法与系统 | |
CN110292775B (zh) | 获取差异数据的方法及装置 | |
CN106293891B (zh) | 多维投资指标监督方法 | |
CN111489201A (zh) | 一种客户价值分析的方法、设备、存储介质 | |
CN115564071A (zh) | 一种电力物联网设备数据标签生成方法及系统 | |
CN112634004B (zh) | 征信数据的血缘图谱分析方法与系统 | |
CN111444368B (zh) | 构建用户画像的方法、装置、计算机设备及存储介质 | |
CN116186331B (zh) | 图表解读方法及系统 | |
CN102902614A (zh) | 一种动态监测及智能引导方法 | |
CN115952914A (zh) | 一种基于大数据的电力计量运维工作判别规划方法 | |
US20140344235A1 (en) | Determination of data modification | |
CN116743790A (zh) | 设备数据采集、设备数据分析方法、装置和计算机设备 | |
CN114519529A (zh) | 基于卷积自编码器的企业信用评级方法、设备及介质 | |
CN112232952A (zh) | 一种成交密集区数据获取方法及装置 | |
CN110851543A (zh) | 一种数据建模的方法、装置、设备以及存储介质 | |
CN114036174B (zh) | 数据更新方法、装置、设备及存储介质 | |
CN113076317B (zh) | 基于大数据的数据处理方法、装置、设备及可读存储介质 | |
Liu | RETRACTED: Research on the Application of Artificial Intelligence in Energy Science and Engineering Monitoring Software Engineering Technology under the Background of Big Data | |
CN113836244B (zh) | 样本获取方法、模型训练方法、关系预测方法及装置 | |
CN114942958A (zh) | 一种基于互联网ai外呼的数据抽取方法与系统 | |
VARMUS et al. | Enterprise Reporting as A Tool For Decision Support | |
CN116738981A (zh) | 基于电网标准词库的电网数据安全监控方法及系统 | |
CN117009426A (zh) | 一种数据指标管理方法、装置、设备及介质 | |
CN114819590A (zh) | 策略智能推荐方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |