CN110909992A - 一种风险预测的方法、装置及设备 - Google Patents

一种风险预测的方法、装置及设备 Download PDF

Info

Publication number
CN110909992A
CN110909992A CN201911093113.XA CN201911093113A CN110909992A CN 110909992 A CN110909992 A CN 110909992A CN 201911093113 A CN201911093113 A CN 201911093113A CN 110909992 A CN110909992 A CN 110909992A
Authority
CN
China
Prior art keywords
event
risk
events
probability
map
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
CN201911093113.XA
Other languages
English (en)
Inventor
李犇
张�杰
罗华刚
于皓
袁杰
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.)
Beijing Mininglamp Software System Co ltd
Original Assignee
Beijing Mininglamp Software System 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 Beijing Mininglamp Software System Co ltd filed Critical Beijing Mininglamp Software System Co ltd
Priority to CN201911093113.XA priority Critical patent/CN110909992A/zh
Publication of CN110909992A publication Critical patent/CN110909992A/zh
Pending legal-status Critical Current

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种风险预测的方法、装置、设备和计算机可读存储介质，所述方法包括：采集数据，根据所述数据生成事件对；根据所述事件对和领域事件知识库，构建事理图谱；其中，所述事理图谱包含事件之间的关联关系和转移概率，所述领域事件知识库包含事件的分类信息、事件信息以及风险事件信息；根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。本申请实施例通过从数据中学习事件间关联关系以及事件间的转移概率，从而完成对事件风险的量化，减少了对专家经验的依赖，使得风险预测更加准确高效。

Description

一种风险预测的方法、装置及设备
技术领域
本文涉及风险预测领域，尤指一种风险预测的方法、装置、设备和计算机可读存储介质。
背景技术
近几十年来，我国经济发展迅速，但随之也会存在大量风险问题。如何有效的把控企业风险，是如银行业、证券业、风险投资业所最为关注的事情。
传统的风险计量方法是对各种事件进行归纳总结，形成一个事件列表，然后根据业务专家经验，对每一种事件设置相应的风险得分或者等级。这种方法主要是根据专家经验，人为的设定每个事件的风险等级，过于依赖于人的业务经验。
发明内容
本申请提供了一种风险预测的方法、装置、设备和计算机可读存储介质，以减少风险预测对专家经验的依赖。
本申请实施例提供了一种风险预测的方法，包括：
采集数据，根据所述数据生成事件对；
根据所述事件对和领域事件知识库，构建事理图谱；其中，所述事理图谱包含事件之间的关联关系和转移概率，所述领域事件知识库包含事件的分类信息、事件信息以及风险事件信息；
根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。
在一实施例中，所述采集数据，根据所述数据生成事件对，确定事件之间的转移概率，包括：
采集数据，将采集到的数据进行事件抽取和关系抽取，形成事件对。
在一实施例中，所述根据所述事件对和领域事件知识库，构建事理图谱，包括：
根据所述领域事件知识库中包含的事件设置事件节点，根据所述事件对中事件的关系确定事件之间的关联关系，根据所述事件对中事件的发生概率确定转移概率，根据所述关联关系和转移概率确定所述事件节点之间的边，生成事理图谱。
在一实施例中，所述根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率，包括：
根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定关联事件的发生概率，根据所述关联事件的发生概率得到对应的风险事件的发生概率。
在一实施例中，所述根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率之后，所述方法还包括：
将所述风险事件的发生概率与预设的风险阈值进行比较，确定所述风险事件的发生概率大于等于所述风险阈值时，进行风险事件预警。
在一实施例中，所述确定所述风险事件的发生概率大于等于所述风险阈值之后，所述方法还包括：
对所述风险事件相关的事理图谱进行可视化展示。
本申请实施例还提供一种风险预测的装置，包括：
数据整理模块，用于采集数据，根据所述数据生成事件对；
事理图谱模块，用于根据所述事件对和领域事件知识库，构建事理图谱；其中，所述事理图谱包含事件之间的关联关系和转移概率，所述领域事件知识库包含事件的分类信息、事件信息以及风险事件信息；
风险确定模块，用于根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。
在一实施例中，所述风险确定模块，还用于：
将所述风险事件的发生概率与预设的风险阈值进行比较，确定所述风险事件的发生概率大于等于所述风险阈值时，进行风险事件预警，以及对所述风险事件相关的事理图谱进行可视化展示。
本申请实施例还提供一种风险预测的设备，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所述风险预测的方法。
本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述风险预测的方法。
与相关技术相比，本申请包括：采集数据，根据所述数据生成事件对；根据所述事件对和领域事件知识库，构建事理图谱；其中，所述事理图谱包含事件之间的关联关系和转移概率，所述领域事件知识库包含事件的分类信息、事件信息以及风险事件信息；根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。本申请实施例通过从数据中学习事件间关联关系以及事件间的转移概率，从而完成对事件风险的量化，减少了对专家经验的依赖，使得风险预测更加准确高效。
在一示例性的实施例中，通过对风险事件进行预警，以及通过事理图谱的方式进行风险事件的可视化，能够直观的展示事件间的因果联系，便于相关人员采取相应的措施，从而避免风险事件的发生。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书、权利要求书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请实施例的风险预测的方法的流程图；
图2为本申请实施例的风险事件事理图谱示意图；
图3是本申请实施例的退市风险的事理图谱示意图；
图4是本申请应用实例的企业事件风险预测的方法的流程图；
图5是本申请实施例的风险预测的装置的组成示意图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
本发明实施例采用基于事理图谱的方法对企业事件进行风险量化和风险事件预测。通过数据学习风险事件之间的因果关联，进而进行事件量化和风险事件预警。
如图1所示，本申请实施例的风险预测的方法，包括：
步骤101，采集数据，根据所述数据生成事件对。
其中，步骤101可包括：
采集数据，将采集到的数据进行事件抽取和关系抽取，形成事件对。
采集数据可以包括：抓取新闻、财经、证券、行业、交易所等金融、行业网站上的金融新闻、行业/企业研报、企业财报和公告。
通过公开的信息渠道，比如企业的财报、财经新闻，根据企业发生的各种事件来识别出企业风险，有助于更好的控制和管理企业风险。
事件抽取是从非结构化信息中抽取出用户感兴趣的事件，并以结构化呈现给用户。可以采用模式匹配或机器学习的方式实现。
关系抽取是自动识别实体之间具有的某种语义关系。可以采用基于模板的关系抽取方法、基于机器学习的关系抽取方法、基于特征工程的关系抽取方法等实现。
事件对的数据形式例如：(长期亏损，导致，股票ST)、(大股东减持，引发，股票遭遇做空)等。
步骤102，根据所述事件对和领域事件知识库，构建事理图谱。
其中，所述领域事件知识库可包含事件的分类信息、事件信息以及风险事件信息。
领域事件知识库可以是业务专家根据行业特征以及业务经验，对领域事件进行分类总结，构建出的知识库，在该知识库中定义企业的风险事件。
例如表格1中，划分事件类型、事件名称以及定义的风险事件(如退市、债务违约、破产清算等)。
表1领域事件知识库示例
Figure BDA0002267462550000061
Figure BDA0002267462550000071
所述事理图谱包含事件之间的关联关系和转移概率。
在一实施例中，步骤102包括：
根据所述领域事件知识库中包含的事件设置事件节点，根据所述事件对中事件的关系确定事件之间的关联关系，根据所述事件对中事件的发生概率确定转移概率，根据所述关联关系和转移概率确定所述事件节点之间的边，生成事理图谱。
如图2所示，为风险事件事理图谱示意图，其中，图谱中的节点为领域事件知识库中定义的事件，如果事件之间存在关系，则在2个事件节点用边相连，并根据步骤101中获取的事件数据计算事理图谱中事件之间的转移概率。
转移概率的计算可以根据步骤101中采集的事件数据计算得到的，例如计算事件A和事件B之间的转移概率，统计事件对中事件A的发生的概率Pa＝(事件A出现的次数/事件总数),事件对中计算事件A和事件B的概率Pab＝(事件A和事件B同时出现的次数/事件总数),那么事件A和事件B之间的转移概率为Pab/Pa。也即事件A和事件B之间的转移概率为(事件A和事件B同时出现的次数/事件A出现的次数)。这样形成的事理图谱中边就代表前一个事件A发生后，后一个事件B发生的概率。
步骤103，根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。
在一实施例中，步骤103包括：
根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定关联事件的发生概率，根据所述关联事件的发生概率得到对应的风险事件的发生概率。
当事理图谱中某一个事件发生后，根据关联事件的发生概率，就能够计算出最终发生风险事件的概率。
例如：参照图2，当已经发生事件A和事件D的时候，风险事件E发生的概率就是：0.45*0.55+0.35*0.45＝0.405。
当发生了事件B和事件D时，风险事件E发生的概率是：0.35*0.45+0.55＝0.7075。
本申请实施例通过从数据中学习事件间关联关系以及事件间的转移概率，从而完成对事件风险的量化，减少了对专家经验的依赖，使得风险预测更加准确高效。
在一实施例中，步骤103之后，所述方法还包括：
将所述风险事件的发生概率与预设的风险阈值进行比较，确定所述风险事件的发生概率大于等于所述风险阈值时，进行风险事件预警。
所述风险阈值可以是预设的经验值。
可以通过语音提醒、提示框提醒、短信提醒等方式进行预警。
例如，当获取到某一个企业发生事件A后，根据事理图谱，计算在该企业当事件A发生后，进而发生风险事件(如退市、债务违约、破产清算等)的概率。如果计算的风险事件概率大于风险阈值，进行风险事件预警。
在一实施例中，所述确定所述风险事件的发生概率大于等于所述风险阈值之后，所述方法还包括：
对所述风险事件相关的事理图谱进行可视化展示。
本实施例中，将获取到风险事件关联到的事理图谱，在界面以图的形式进行可视化展示。如图3所示，展示了退市实施例的事理图谱的示意图。
通过对风险事件进行预警，以及通过事理图谱的方式进行风险事件的可视化，能够直观的展示事件间的因果联系，便于相关人员采取相应的措施，从而避免风险事件的发生。
如图4所示，以企业风险事件为例进行说明。
步骤201，收集企业事件数据，生成企业事件对。
其中，抓取新闻、财经、证券、行业、交易所等金融、行业网站上的金融新闻、行业/企业研报、企业财报和公告，根据机器学习的方式，进行企业事件抽取和关系抽取，形成企业事件对。
步骤202，获取领域事件知识库。
其中，业务专家根据行业特征以及业务经验，对领域事件进行分类总结，构建出的知识库，在该知识库中定义企业的风险事件。
本例中，领域事件知识库包含事件类型、事件名称以及风险事件。
步骤203，构建事理图谱。
其中，根据所述领域事件知识库中包含的企业事件设置企业事件节点，根据所述企业事件对中企业事件的关系确定企业事件之间的关联关系，根据所述企业事件对中企业事件的发生概率确定转移概率，根据所述关联关系和转移概率确定所述企业事件节点之间的边，生成事理图谱。
步骤204，获取发生的企业事件。
获取企业当前发生的事件，例如，遭遇做空、经营异常等。
步骤205，根据企业事件以及所述事理图谱中企业事件之间的关联关系和转移概率，确定企业风险事件的发生概率，判断是否大于预设的风险阈值，若是，执行步骤206，若否，返回执行步骤204.
步骤206，进行风险预警，并进行可视化展示。
可以将获取到风险事件关联到的事理图谱，在界面以图的形式进行可视化展示，并语音提示告警信息。
如图5所示，本申请实施例还提供一种风险预测的装置，包括：
数据整理模块31，用于采集数据，根据所述数据生成事件对；
事理图谱模块32，用于根据所述事件对和领域事件知识库，构建事理图谱；其中，所述事理图谱包含事件之间的关联关系和转移概率，所述领域事件知识库包含事件的分类信息、事件信息以及风险事件信息；
风险确定模块33，用于根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。
本申请实施例通过从数据中学习事件间关联关系以及事件间的转移概率，从而完成对事件风险的量化，减少了对专家经验的依赖，使得风险预测更加准确高效。
在一实施例中，所述数据整理模块31，用于采集数据，将采集到的数据进行事件抽取和关系抽取，形成事件对。
在一实施例中，所述事理图谱模块32，用于根据所述领域事件知识库中包含的事件设置事件节点，根据所述事件对中事件的关系确定事件之间的关联关系，根据所述事件对中事件的发生概率确定转移概率，根据所述关联关系和转移概率确定所述事件节点之间的边，生成事理图谱。
在一实施例中，所述风险确定模块33，用于根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定关联事件的发生概率，根据所述关联事件的发生概率得到对应的风险事件的发生概率。
在一实施例中，所述风险确定模块33，还用于将所述风险事件的发生概率与预设的风险阈值进行比较，确定所述风险事件的发生概率大于等于所述风险阈值时，进行风险事件预警。
在一实施例中，所述风险确定模块33，还用于确定所述风险事件的发生概率大于等于所述风险阈值之后，对所述风险事件相关的事理图谱进行可视化展示。
本申请实施例通过对风险事件进行预警，以及通过事理图谱的方式进行风险事件的可视化，能够直观的展示事件间的因果联系，便于相关人员采取相应的措施，从而避免风险事件的发生。
本申请实施例还提供一种风险预测的设备，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所述风险预测的方法。
本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述风险预测的方法。
在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (10)

1.一种风险预测的方法，其特征在于，包括：
采集数据，根据所述数据生成事件对；
根据所述事件对和领域事件知识库，构建事理图谱；其中，所述事理图谱包含事件之间的关联关系和转移概率，所述领域事件知识库包含事件的分类信息、事件信息以及风险事件信息；
根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。
2.根据权利要求1所述的方法，其特征在于，所述采集数据，根据所述数据生成事件对，确定事件之间的转移概率，包括：
采集数据，将采集到的数据进行事件抽取和关系抽取，形成事件对。
3.根据权利要求1所述的方法，其特征在于，所述根据所述事件对和领域事件知识库，构建事理图谱，包括：
根据所述领域事件知识库中包含的事件设置事件节点，根据所述事件对中事件的关系确定事件之间的关联关系，根据所述事件对中事件的发生概率确定转移概率，根据所述关联关系和转移概率确定所述事件节点之间的边，生成事理图谱。
4.根据权利要求1所述的方法，其特征在于，所述根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率，包括：
根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定关联事件的发生概率，根据所述关联事件的发生概率得到对应的风险事件的发生概率。
5.根据权利要求1～4中任意一项所述的方法，其特征在于，所述根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率之后，所述方法还包括：
将所述风险事件的发生概率与预设的风险阈值进行比较，确定所述风险事件的发生概率大于等于所述风险阈值时，进行风险事件预警。
6.根据权利要求5所述的方法，其特征在于，所述确定所述风险事件的发生概率大于等于所述风险阈值之后，所述方法还包括：
对所述风险事件相关的事理图谱进行可视化展示。
7.一种风险预测的装置，其特征在于，包括：
数据整理模块，用于采集数据，根据所述数据生成事件对；
事理图谱模块，用于根据所述事件对和领域事件知识库，构建事理图谱；其中，所述事理图谱包含事件之间的关联关系和转移概率，所述领域事件知识库包含事件的分类信息、事件信息以及风险事件信息；
风险确定模块，用于根据发生的事件以及所述事理图谱中事件之间的关联关系和转移概率，确定风险事件的发生概率。
8.根据权利要求7所述的装置，其特征在于，所述风险确定模块，还用于：
将所述风险事件的发生概率与预设的风险阈值进行比较，确定所述风险事件的发生概率大于等于所述风险阈值时，进行风险事件预警，以及对所述风险事件相关的事理图谱进行可视化展示。
9.一种风险预测的设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1～6中任意一项所述的方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1～6中任意一项所述的方法。
CN201911093113.XA 2019-11-11 2019-11-11 一种风险预测的方法、装置及设备 Pending CN110909992A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911093113.XA CN110909992A (zh) 2019-11-11 2019-11-11 一种风险预测的方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911093113.XA CN110909992A (zh) 2019-11-11 2019-11-11 一种风险预测的方法、装置及设备

Publications (1)

Publication Number Publication Date
CN110909992A true CN110909992A (zh) 2020-03-24

Family

ID=69817039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911093113.XA Pending CN110909992A (zh) 2019-11-11 2019-11-11 一种风险预测的方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110909992A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465262A (zh) * 2020-12-07 2021-03-09 北京明略软件系统有限公司 一种事件预测处理方法、装置、设备及存储介质
WO2022000325A1 (zh) * 2020-06-30 2022-01-06 西门子股份公司 基于语义的因果事件概率分析方法、装置和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130132163A1 (en) * 2000-10-17 2013-05-23 Jeff Scott Eder Automated risk transfer system
US20180012159A1 (en) * 2016-07-06 2018-01-11 International Business Machines Corporation System, method, and recording medium for risk optimization through equipment, user, and site modeling
CN108052576A (zh) * 2017-12-08 2018-05-18 国家计算机网络与信息安全管理中心 一种事理知识图谱构建方法及系统
CN109460479A (zh) * 2018-11-19 2019-03-12 广州合摩计算机科技有限公司 一种基于事理图谱的预测方法、装置和系统
CN110363449A (zh) * 2019-07-25 2019-10-22 中国工商银行股份有限公司 一种风险识别方法、装置及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130132163A1 (en) * 2000-10-17 2013-05-23 Jeff Scott Eder Automated risk transfer system
US20180012159A1 (en) * 2016-07-06 2018-01-11 International Business Machines Corporation System, method, and recording medium for risk optimization through equipment, user, and site modeling
CN108052576A (zh) * 2017-12-08 2018-05-18 国家计算机网络与信息安全管理中心 一种事理知识图谱构建方法及系统
CN109460479A (zh) * 2018-11-19 2019-03-12 广州合摩计算机科技有限公司 一种基于事理图谱的预测方法、装置和系统
CN110363449A (zh) * 2019-07-25 2019-10-22 中国工商银行股份有限公司 一种风险识别方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘炫320: ""事理图谱之初见"", 《URL: HTTPS://BLOG.CSDN.NET/QQ_35082030/ARTICLE/DETAILS/96377494?OPS_REQUEST_MISC=%257B%2522REQUEST%255FID%2522%253A%2522163885810216780271948526%2522%252C%2522SCM%2522%253A%252220140713.130102334.PC%255FALL.》 *
开放知识图谱: ""刘挺 | 从知识图谱到事理图谱"", 《URL:HTTPS://BLOG.CSDN.NET/TGQDT3GGAMDKHASLZV/ARTICLE/DETAILS/78557548?OPS_REQUEST_MISC=%257B%2522REQUEST%255FID%2522%253A%2522163885810216780271948526%2522%252C%2522SCM%2522%253A%252220140713.130102334》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022000325A1 (zh) * 2020-06-30 2022-01-06 西门子股份公司 基于语义的因果事件概率分析方法、装置和系统
CN112465262A (zh) * 2020-12-07 2021-03-09 北京明略软件系统有限公司 一种事件预测处理方法、装置、设备及存储介质
CN112465262B (zh) * 2020-12-07 2024-09-24 北京明略软件系统有限公司 一种事件预测处理方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110533521B (zh) 动态贷后预警方法、装置、设备及可读存储介质
JP6780655B2 (ja) ログ分析システム、方法およびプログラム
JPWO2017115458A1 (ja) ログ分析システム、方法およびプログラム
CN109617745B (zh) 告警预测方法、装置、系统及存储介质
CN110909992A (zh) 一种风险预测的方法、装置及设备
CN105812473B (zh) 数据处理方法及装置
CN114911800A (zh) 电力系统的故障预测方法、装置以及电子设备
CN115033453A (zh) 异常检测方法、装置、设备、存储介质及程序
CN113538154A (zh) 风险对象的识别方法、装置、存储介质和电子设备
CN110852860A (zh) 车辆维修报销行为异常检测方法、设备及存储介质
CN115118574A (zh) 一种数据处理方法、装置及存储介质
US11880394B2 (en) System and method for machine learning architecture for interdependence detection
CN116032725B (zh) 故障根因定位模型的生成方法及装置
CN115860465A (zh) 一种企业关联数据处理预警方法、系统及装置
CN114581219A (zh) 一种反电信网络诈骗预警方法及系统
CN110457367B (zh) 发现数据异动的方法和系统
CN110675240B (zh) 风险雷达预警的监控方法及系统
CN114723210A (zh) 一种基于机器学习的空壳公司识别系统和方法
CN114241206A (zh) 目标对象的特征提取方法、装置、电子设备及存储介质
CN113962573A (zh) 一种区域金融发展态势预测方法及设备
CN113760669A (zh) 问题数据的告警方法及装置、电子设备、存储介质
US20220004481A1 (en) Log analysis device, log analysis method, and program
CN113724074A (zh) 信用贷风险预警方法及装置
CN111177465A (zh) 一种确定类别的方法及装置
CN116433197B (zh) 一种信息上报方法、装置、上报端及存储介质

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

Application publication date: 20200324

RJ01 Rejection of invention patent application after publication