CN111325355A - 企业实际控制人的确定方法、装置、计算机设备及介质 - Google Patents
企业实际控制人的确定方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN111325355A CN111325355A CN202010194811.5A CN202010194811A CN111325355A CN 111325355 A CN111325355 A CN 111325355A CN 202010194811 A CN202010194811 A CN 202010194811A CN 111325355 A CN111325355 A CN 111325355A
- Authority
- CN
- China
- Prior art keywords
- entity
- relationship
- score
- determining
- relations
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012549 training Methods 0.000 claims description 43
- 238000013507 mapping Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000011273 social behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种企业实际控制人的确定方法、装置、计算机设备及介质,该方法包括:构建目标企业的知识图谱,其中,所述知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系;将所述知识图谱输入至已训练的分析模型中,以得到每个实体的总分值,其中,所述已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和;将总分值最高的实体作为所述目标企业的实际控制人。解决了现有技术的企业实际控制人的确定方法存在很难根据已有材料快速准确地得到企业实际控制人的问题。
Description
技术领域
本发明实施例涉及计算软件领域,尤其涉及一种企业实际控制人的确定方法、装置、计算机设备及介质。
背景技术
随着银行信贷业务的发展,金融领域犯罪案件的爆发,以及犯罪手段的的不断升级,快速确定涉案企业的幕后真凶迫在眉捷。目前银行与公安机关追踪涉案对公客户实际控制人过程中,主要存在以下技术问题:1)完全依赖人工分析,效率较低,准确率依赖办案人员的经验;2)采用机器模型进行分析,样本通常仅包含企业工商关系,由于典型案例较少,因此模型训练时的样本量通常较小,因此该机器模型的稳定性较低。
因此,现有技术的企业实际控制人的确定方法存在很难根据已有材料快速准确地得到企业实际控制人的问题。
发明内容
本发明实施例提供了一种企业实际控制人的确定方法、装置、计算机设备及介质,解决了现有技术的企业实际控制人的确定方法存在很难根据已有材料快速准确地得到企业实际控制人的问题。
第一方面,本发明实施例提供了一种企业实际控制人的确定方法,包括:
构建目标企业的知识图谱,其中,所述知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系;
将所述知识图谱输入至已训练的分析模型中以得到每个实体的总分值,其中,所述已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和;
将总分值最高的实体作为所述目标企业的实际控制人。
第二方面,本发明实施例还提供了一种企业实际控制人的确定装置,包括:
构建模块,用于构建目标企业的知识图谱,其中,所述知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系;
分值确定模块,用于将所述知识图谱输入至已训练的分析模型中,以得到每个实体的总分值,其中,该已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和;
输出模块,用于将总分值最高的实体作为所述目标企业的实际控制人。
第三方面,本发明实施例还提供了一种计算机设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如任意实施例所述的企业实际控制人的确定方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如任意实施例所述的企业实际控制人的确定方法。
本发明实施例提供的企业实际控制人的确定方法的技术方案,相较于现有技术,通过社会关系、资金交易关系或工商法律关系构建实体关系,使实体之间的关系更加符合丰富,也更符合人的社会行为;另外,已训练的分析模型先根据每个实体对应的各个实体关系权重确定各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和,使得已训练的分析模型在确定实际控制人时,充分考虑各个实体关系,但又不是把各个实体关系一视同仁,而是有所区别地对待,以突出高权重实体关系的影响,从而准确地确定每个实体的总分值,以及准确地确定目标企业的实际控制人。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,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是本发明实施例一提供的企业实际控制人的确定方法的流程图;
图2是本发明实施例二提供的模型训练方法的流程图;
图3是本发明实施例三提供的企业实际控制人的确定装置的结构框图;
图4是本发明实施例三提供的又一企业实际控制人的确定装置的结构框图;
图5是本发明实施例四提供的计算机设备的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例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。
实施例一
图1是本发明实施例一提供的一种企业实际控制人的确定方法的流程图。本实施例的技术方案适用于快速准确地得出目标企业的实际控制人的情况。该方法可以由本发明实施例提供的企业实际控制人的确定装置来执行,该装置可以采用软件和/或硬件的方式实现,并配置在处理器中应用。该方法具体包括如下步骤:
S101、构建目标企业的知识图谱,其中,知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系。
在构建目标企业的知识图谱之前,先获取目标企业的相关资料,比如该目标企业的法人、高管、账户、借信息、投资信息、担保信息、子公司、母公司、法人、高管亲属等信息。
在构建目标企业的知识图谱时,以企业、账户、个人为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系。
其中,实体-企业的属性有:企业名称、统一信用代码;实体-账户的属性有:账号、户名;实体-个人的属性有:姓名、证件类型、证件号码。
其中,社会关系包括但不限于亲属关系,比如配偶、父母、子女、兄弟姐妹等。资金交易关系包括借、共用终端、共用IP和共用MAC中的一个或多个。工商法律关系包括法人、投资、担保、分支机构、子公司和高管中的一个或多个。投资的属性包括投资占比、投资时间段;担保的属性包括担保占比、担保时间段,借的属性包括交易时间段、金额占比。
示例性的,实体关系包含但不限于:企业-法人-企业、企业-法人-个人、企业-投资-企业、企业-投资-个人、企业-分支机构-企业、企业-母子公司-企业、企业-担保-企业、企业-担保-个人、企业-高管-个人、账户-借-账户、账户-共用终端-账户、账户-共用IP-账户、账户-共用MAC-账户、个人-亲属-个人和个人-配偶-个人。
S102、将知识图谱输入至已训练的分析模型中,以得到每个实体的总分值,其中,已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和。
为了便于知识图谱的分析,本实施例的各个实体关系均使用相应的指标进行表示。将知识图谱输入至已训练的分析模型中之后,该已训练的分析模型对其进行分析以得到各个实体的总分值。
其中,该已训练的分析模型在确定各个实体的总分值时,先确定每个实体对应的各个实体关系的权重,然后根据各个实体关系的权重确定各个实体关系的分值,然后再确定每个实体对应的所有实体关系的分值之和。
S103、将总分值最高的实体作为目标企业的实际控制人。
得到各个实体的总分值之后,对各个实体的总分值进行排序,将总分值最高的实体作为目标企业的实际控制人。
本发明实施例提供的企业实际控制人的确定方法的技术方案,相较于现有技术,通过社会关系、资金交易关系或工商法律关系构建实体关系,使实体之间的关系更加符合丰富,也更符合人的社会行为;另外,已训练的分析模型先根据每个实体对应的各个实体关系权重确定各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和,使得已训练的分析模型在确定实际控制人时,充分考虑各个实体关系,但又不是把各个实体关系一视同仁,而是有所区别地对待,以突出高权重实体关系的影响,从而准确地确定每个实体的总分值,以及准确地确定目标企业的实际控制人。
实施例二
图2是本发明实施例二提供的分析模型训练方法的流程图。本发明实施例在上述实施例的基础上,增加了分析模型训练的步骤,包括:
S201、构建训练样本,并将其中的一部分训练样本作为训练集,剩余的训练样本作为预测集。
在构建训练样本时,本实施例优选先确定各个训练样本对应的知识图谱的各个实体关系的权重,以使分析模型在训练过程中明确各个实体关系的权重。本实施例按照以下约束条件确定作为训练样本的知识图谱的各个实体关系的权重,包括:
对于实体关系中的借,对应两个子实体关系,分别是借的时间段和借的金额。对于借的时间段,在具体判断时,若账户与目标账户间存在借关系,按照借的时间段分为:1-7天、8-30天、31-90天、91-120天、181-365天和367-730天,则权重为(730+时间段内最近日期-参考日期)/730×(6-关系层级)/5。若账户与目标账户间借关系超过5层或者无借关系,则权重为0。对于借的金额,在具体判断时,若账户与目标账户间存在借关系,则权重为:金额占比×(6-关系层级)/5,若账户与目标账户间的借关系超过5层或者无借关系,则权重为0。
对于实体关系中的共用终端,如果某一账户与目标账户间存在共用终端交易关系,则权重为账户共用终端次数/目标账户共同终端总数,若不存在共用终端交易关系,则权重为0。
对于实体关系中的共用IP,如果某一账户与目标账户间存在共用IP交易关系,则权重为账户共用IP次数/目标账户共同IP总数。
对于实体关系中的共用MAC,如果某一账户与涉案对公客户间存在共用MAC交易关系,则权重为账户共用MAC次数/目标账户共同MAC总数;若不存在共用MAC交易关系,则实控权重为0。
实体关系中的资金交易关系中的投资,若账户与目标企业间存在投资关系,则该投资对应的权重为:投资占比×(6-关系层级)/5。若账户与涉案对公客户间投资关系超过5层或者没有投资关系,则权重为0。
对于实体关系中的资金交易关系中的担保,若账户与目标企业存在担保关系,则该担保对应的权重为:(6-关系层级)/5,担保关系超过5层或者没有担保关系,则权重为0。
对于实体关系中的高管,如果个人为目标企业存在高管关系,则实控权重为(6-关系层级)/5。高管关系超过5层或者无关系,则权重为0。
若实体关系为配偶亲属关系,则该实体关系两端的任一方对应的权重为0.5,对应的总分值为个人除去配偶亲属关系的总分值与对方除去配偶亲属关系总分值的一半之和;若实体关系为非配偶亲属关系,则该实体关系两端的任一方对应该实体关系的权重为0.1,对应的总分值为个人除去非配偶亲属关系的总分值与对方除去非配偶亲属关系的分值的十分之一之和;若企业之间存在分支机构关系,则该实体关系的任一方对应是该实体关系的权重为0.5,总分值为自身除去该分支机构关系的总分值与对方除去该分支机构关系的总分值的一半之和;若企业之间存在母子公司关系,则该实体关系的任一方对应的该实体关系的权重为0.5,对应的总分值为自身除去该母子公司关系的总分值与对方除去该母子公司关系的总分值一半之和。
另外,对于每一个实体关系,均设置一上限分值,每个实体关系的分值为其对应权重与其对应的上限分值的乘积。
基于上述约束条件,有经验丰富的专家确定作为训练样本的各个知识图谱的实体关系的权重,然后根据对应权重确定各个实体关系的分值。根据知识图谱中的各个实体关系的分值确定各个实体的总分值,并根据各个实体的总分值确定对应知识图谱(训练样本)的实际控制人。
各个实体关系的分值以及知识图谱对应的目标企业的实际控制人得到之后,对训练样样本进行标识,在作为训练样本的知识图谱的标签里标识有实际控制人,在知识图谱的各个实体关系的标签里标识有相应实体关系的权重。
S202、使用训练集的训练样本对分析模型进行训练以生成已训练的分析模型。
将所有训练样本分成训练集样本和预测集样本,并用训练集的训练样本对分析模型进行训练以得到已训练的分析模型,使用预测集的训练样本检测已训练的分析模型的性能,如果检测结果显示模型预测的精确率、召回率和F1值符合预设要求,则表示模型稳定性和准确性较好,可用于目标企业企业实际控制人的确定。其中,精确率是预测正确的正例数据占预测为正例数据的比例。召回率是预测为正例的数据占实际为正例数据的比例;F1值是精确率和召回率的调和均值,即F1=2PR/(P+R),相当于精确率和召回率的综合评价指标,其中,P为精确率,R为召回率。
相较于现有技术,本发明实施例明确了作为训练样本的知识图谱的实体关系的权重以及分值,便于分析模型从有限的训练样本中提取更多的有用信息,从而使已训练的分析模型具有较高的预测准确性稳定性。
实施例三
图3是本发明实施例提供的企业实际控制人的确定装置的结构框图。该装置用于执行上述任意实施例所提供的企业实际控制人的确定方法,该装置可选为软件或硬件实现。该装置包括:
构建模块11,用于构建目标企业的知识图谱,其中,所述知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系;
分值确定模块12,用于将所述知识图谱输入至已训练的分析模型中,以得到每个实体的总分值,其中,所述已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和;
输出模块13,用于将总分值最高的实体作为所述目标企业的实际控制人。
如图4所示,该装置还包括:
训练模块10,用于构建预设数量的训练样本,训练样本为不同目标企业对应的知识图谱,且每个训练样本标识有实际控制人,作为训练样本的知识图谱的各个实体关系标识有分值;使用训练样本对所述分析模型进行训练以生成已训练的分析模型。
可选地,训练模块10还用于根据当前实体关系以及已存储的实体关系-分值映射表,确定当前实体关系对应的分值。
可选地,训练模块10还用于确定当前实体关系的属性信息以及已存储的实体关系-权重-分值映射表,确定实体关系的权重,从而确定实体关系的分值。
本发明实施例提供的企业实际控制人的确定装置的技术方案,相较于现有技术,通过社会关系、资金交易关系或工商法律关系构建实体关系,使实体之间的关系更加符合丰富,也更符合人的社会行为;另外,已训练的分析模型先根据每个实体对应的各个实体关系权重确定各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和,使得已训练的分析模型在确定实际控制人时,充分考虑各个实体关系,但又不是把各个实体关系一视同仁,而是有所区别地对待,以突出高权重实体关系的影响,从而准确地确定每个实体的总分值,以及准确地确定目标企业的实际控制人。
本发明实施例所提供的企业实际控制人的确定装置可执行本发明任意实施例所提供的企业实际控制人的确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的计算机设备的结构示意图,如图5所示,该设备包括处理器201、存储器202、输入装置203以及输出装置204;设备中处理器201的数量可以是一个或多个,图5中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203以及输出装置204可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的企业实际控制人的确定方法对应的程序指令/模块(例如,构建模块11、分值确定模块12以及输出模块13)。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的企业实际控制人的确定方法。
存储器202可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器202可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器202可进一步包括相对于处理器201远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。
输出装置204可包括显示屏等显示设备,例如,用户终端的显示屏。
实施例五
本发明实施例五还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种企业实际控制人的确定方法,该方法包括:
构建目标企业的知识图谱,其中,所述知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系;
将所述知识图谱输入至已训练的分析模型中,以得到每个实体的总分值,其中,所述已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和;
将总分值最高的实体作为所述目标企业的实际控制人。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的企业实际控制人的确定方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,如计算机的软盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、闪存(FLASH)、硬盘或光盘等,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)执行本发明各个实施例所述的企业实际控制人的确定方法。
值得注意的是,上述企业实际控制人的确定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种企业实际控制人的确定方法,其特征在于,包括:
构建目标企业的知识图谱,其中,所述知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系;
将所述知识图谱输入至已训练的分析模型中以得到每个实体的总分值,其中,所述已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和;
将总分值最高的实体作为所述目标企业的实际控制人。
2.根据权利要求1所述的方法,其特征在于,所述资金交易关系包括借、共用终端、共用IP和共用MAC中的一个或多个。
3.根据权利要求1所述的方法,其特征在于,所述工商法律关系包括法人、投资、担保、分支机构、子公司和高管中的一个或多个。
4.根据权利要求1所述的方法,其特征在于,分析模型的训练方法包括:
构建预设数量的训练样本,所述训练样本为不同目标企业对应的知识图谱,且每个训练样本标识有实际控制人,作为训练样本的知识图谱的各个实体关系标识有分值;
使用所述训练样本对所述分析模型进行训练以生成已训练的分析模型。
5.根据权利要求4所述的方法,其特征在于,作为训练样本的知识图谱的各个实体关系的分值确定方法包括:
根据当前实体关系以及已存储的实体关系-分值映射表,确定当前实体关系对应的分值。
6.根据权利要求5所述的方法,其特征在于,所述实体关系-分值映射表为实体关系-权重-分值映射表,相应的,所述根据当前实体关系以及已存储的实体关系-分值映射表,确定当前实体关系对应的分值,包括:
确定当前实体关系的属性信息以及已存储的实体关系-权重-分值映射表,确定实体关系的权重,从而确定实体关系的分值。
7.根据权利要求1-6任一所述的方法,其特征在于,若实体关系为配偶亲属关系,则该实体关系两端的任一方对应的权重为0.5,对应的总分值为个人除去配偶亲属关系的总分值与对方除去配偶亲属关系总分值的一半之和;
若实体关系为非配偶亲属关系,则该实体关系两端的任一方对应该实体关系的权重为0.1,对应的总分值为个人除去非配偶亲属关系的总分值与对方除去非配偶亲属关系的分值的十分之一之和;
若企业之间存在分支机构关系,则该实体关系的任一方对应是该实体关系的权重为0.5,总分值为自身除去该分支机构关系的总分值与对方除去该分支机构关系的总分值的一半之和;
若企业之间存在母子公司关系,则该实体关系的任一方对应的该实体关系的权重为0.5,对应的总分值为自身除去该母子公司关系的总分值与对方除去该母子公司关系的总分值一半之和。
8.一种企业实际控制人的确定装置,其特征在于,包括:
构建模块,用于构建目标企业的知识图谱,其中,所述知识图谱以企业、个人和账户为实体,以实体的个体特征为实体属性,以社会关系、资金交易关系或工商法律关系为实体关系;
分值确定模块,用于将所述知识图谱输入至已训练的分析模型中,以得到每个实体的总分值,其中,该已训练的分析模型用于根据每个实体的每个实体关系权重确定每个实体的各个实体关系的分值,从而确定每个实体对应的所有实体关系的分值之和;
输出模块,用于将总分值最高的实体作为所述目标企业的实际控制人。
9.一种计算机设备,其特征在于,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的企业实际控制人的确定方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的企业实际控制人的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010194811.5A CN111325355B (zh) | 2020-03-19 | 2020-03-19 | 企业实际控制人的确定方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010194811.5A CN111325355B (zh) | 2020-03-19 | 2020-03-19 | 企业实际控制人的确定方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325355A true CN111325355A (zh) | 2020-06-23 |
CN111325355B CN111325355B (zh) | 2023-12-19 |
Family
ID=71171600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010194811.5A Active CN111325355B (zh) | 2020-03-19 | 2020-03-19 | 企业实际控制人的确定方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325355B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115278A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 基于知识图谱的实际控制人关系挖掘方法及装置 |
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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
CN109472485A (zh) * | 2018-11-01 | 2019-03-15 | 成都数联铭品科技有限公司 | 企业失信风险传播查询系统及方法 |
CN109635298A (zh) * | 2018-12-11 | 2019-04-16 | 平安科技(深圳)有限公司 | 团体状态识别方法、装置、计算机设备及存储介质 |
CN109670054A (zh) * | 2018-12-26 | 2019-04-23 | 医渡云(北京)技术有限公司 | 知识图谱构建方法、装置、存储介质及电子设备 |
CN110209826A (zh) * | 2018-02-06 | 2019-09-06 | 武汉观图信息科技有限公司 | 一种面向银行风险控制的金融图谱构建与分析方法 |
CN110826976A (zh) * | 2019-09-18 | 2020-02-21 | 上海生腾数据科技有限公司 | 一种企业实际控制人运算系统及方法 |
-
2020
- 2020-03-19 CN CN202010194811.5A patent/CN111325355B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN110209826A (zh) * | 2018-02-06 | 2019-09-06 | 武汉观图信息科技有限公司 | 一种面向银行风险控制的金融图谱构建与分析方法 |
CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
CN109472485A (zh) * | 2018-11-01 | 2019-03-15 | 成都数联铭品科技有限公司 | 企业失信风险传播查询系统及方法 |
CN109635298A (zh) * | 2018-12-11 | 2019-04-16 | 平安科技(深圳)有限公司 | 团体状态识别方法、装置、计算机设备及存储介质 |
CN109670054A (zh) * | 2018-12-26 | 2019-04-23 | 医渡云(北京)技术有限公司 | 知识图谱构建方法、装置、存储介质及电子设备 |
CN110826976A (zh) * | 2019-09-18 | 2020-02-21 | 上海生腾数据科技有限公司 | 一种企业实际控制人运算系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115278A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 基于知识图谱的实际控制人关系挖掘方法及装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111325355B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107230008B (zh) | 一种风险信息输出、风险信息构建方法及装置 | |
CN110147925A (zh) | 一种风险决策方法、装置、设备及系统 | |
EP4105872A2 (en) | Data processing method and apparatus | |
CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
CN112085087A (zh) | 业务规则生成的方法、装置、计算机设备及存储介质 | |
CN111325355A (zh) | 企业实际控制人的确定方法、装置、计算机设备及介质 | |
WO2024040817A1 (zh) | 基于大数据的债券风险信息处理方法及相关设备 | |
CN111369344A (zh) | 一种动态生成预警规则的方法和装置 | |
CN112417060A (zh) | 识别企业关系的方法、装置、设备和计算机可读介质 | |
CN107992601A (zh) | 趋势预测分析方法、设备及存储介质 | |
CN111177653B (zh) | 一种信用评估方法和装置 | |
JP2020013229A (ja) | 債務不履行確率を算出する装置、方法及びそのためのプログラム | |
US20150170067A1 (en) | Determining analysis recommendations based on data analysis context | |
CN112990946B (zh) | 一种企业违约预测方法、装置、介质及电子设备 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
Aling et al. | NO‐ARBITRAGE ONE‐FACTOR MODELS OF THE SOUTH AFRICAN TERM STRUCTURE OF INTEREST RATES | |
CN113129127A (zh) | 预警方法和装置 | |
CN113934894A (zh) | 基于指标树的数据显示方法、终端设备 | |
CN113537631A (zh) | 药品需求量的预测方法、装置、电子设备及存储介质 | |
CN108460077B (zh) | 一种指标分析方法、系统以及计算机可读存储介质 | |
CN112581256A (zh) | 授信额度数据处理的方法、装置、设备和计算机可读介质 | |
CN110210959A (zh) | 财务数据的分析方法、装置及存储介质 | |
Özer et al. | Forecasting the Impact Of The News On Cryptocurrency via Machine Learning Algorithms | |
CN113553407B (zh) | 事件追溯方法、装置、电子设备及存储介质 | |
JP2003122917A (ja) | 債権評価方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220914 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |