CN111581222A - 业务数据的关联分析方法、装置、计算机设备及计算机存储介质 - Google Patents
业务数据的关联分析方法、装置、计算机设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111581222A CN111581222A CN202010234644.2A CN202010234644A CN111581222A CN 111581222 A CN111581222 A CN 111581222A CN 202010234644 A CN202010234644 A CN 202010234644A CN 111581222 A CN111581222 A CN 111581222A
- Authority
- CN
- China
- Prior art keywords
- business
- data
- service
- association
- entities
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000010219 correlation analysis Methods 0.000 title abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims abstract description 41
- 238000012502 risk assessment Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000010586 diagram Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 31
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000012098 association analyses Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012097 association analysis method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G06F16/23—Updating
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种业务数据的关联分析方法、装置及计算机存储介质,涉及数据分析技术领域,可以准确排查出风险数据,降低业务运营过程中存在的未知风险,提高业务效率。所述方法包括:获取业务系统中存在预设字段变更的业务数据;根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系;基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度;当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
Description
技术领域
本发明涉及数据分析技术领域,尤其是涉及到业务数据的关联分析方法、装置、计算机设备及计算机存储介质。
背景技术
随着大数据的发展,数据量的爆发式增长和大数据分析技术的成熟使企业可以捕捉的业务数据越来越多,很多企业都开始重视并着手业务数据的分析,并将数据的分析结果进行可视化展示。
企业如果想要用好业务数据的分析,就需要对业务数据有很好地了解,这样才能够把握好业务数据的关键点。在常规的运维工作中,由于业务系统的拓扑结构非常复杂,业务系统在业务数据的采集过程中实时对指标进行各个维度的标定并建立关联关系,通过关联关系对各个技术栈进行全局分析,能够帮助企业快速分析出问题并进行修复。
然而,利用业务数据的关联关系进行分析的过程中,对于存在竞争关系的企业数据,由于各个业务系统的依赖性与调用关系非常复杂,往往无法准确排查出风险数据,使得业务运营过程中存在未知风险,降低业务效率。
发明内容
有鉴于此,本发明提供了一种业务数据的关联分析方法、装置、计算机设备及计算机存储介质,主要目的在于解决目前无法准确排查出风险数据,使得业务运营过程中存在未知风险,降低业务效率的问题。
依据本发明一个方面,提供了一种业务数据的关联分析方法,该方法包括:
获取业务系统中存在预设字段变更的业务数据;
根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系;
基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度;
当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
进一步地,所述获取业务系统中存在预设字段变更的业务数据,具体包括:
通过监控业务系统中发生字段变更的业务数据,提取字段变更的业务数据;
根据业务数据对应的变更类型,对字段变更的业务数据进行分类;
从分类后的字段变更的业务数据中获取预设字段变更的业务数据。
进一步地,所述根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系,具体包括:
根据所述业务数据对应数据源的公开方式,确定所述业务数据从数据源处的获取途径;
若所述业务数据从数据源处的获取途径为直接获取,则选取显式关联关系作为业务数据进行处理分析的关联关系;
若所述业务数据从数据源处的获取途径为间接获取,则选取隐式关联关系作为业务数据进行处理分析的关联关系。
进一步地,若选取显式关系作为业务数据进行处理分析的关联关系,所述基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度,具体包括:
从业务数据中提取业务实体;
利用预先设置的实体关联因子对业务实体进行关联处理,构建业务实体之间的关系矩阵图,所述关系矩阵图中记录有业务实体的关系链;
根据所述业务实体的关系链形成业务实体之间的关系网络,基于所述关系网络确定业务实体之间的关联强度。
进一步地,所述利用预先设置的实体关联因子对业务实体进行关联处理,构建业务实体之间的关系矩阵图,具体包括:
利用预先设置的实体关联因子,解析业务数据中业务实体的描述信息;
根据所述业务实体的描述信息,判断业务实体的描述信息是否存在关联节点;
若存在,则对存在关联节点的业务实体进行关联处理,构建业务实体之间的关系矩阵图。
进一步地,所述将所述业务实体的关系链形成业务实体之间的关系网络,基于所述关系网络确定业务实体之间的关联强度,具体包括:
以相同关系链中的业务实体作为交叉点,将所述业务实体的关系链进行拼接,形成业务实体之间的关系网络;
基于所述业务实体的关系网络对业务实体进行串联,确定业务实体之间的关联强度。
进一步地,若选取隐式关系作为业务数据进行处理分析的关联关系,所述基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度,具体包括:
通过分析具有相同目标标识的业务数据,挖掘业务实体之间的关联线索;
利用所述业务实体之间的关联线索对业务实体进行关联标记,确定业务实体之间的关联强度。
依据本发明另一个方面,提供了一种业务数据的关联分析装置,所述装置包括:
获取单元,用于获取业务系统中存在预设字段变更的业务数据;
选取单元,用于根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系;
确定单元,用于基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度;
检测单元,用于当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
进一步地,所述获取单元包括:
监控模块,用于通过监控业务系统中发生字段变更的业务数据,提取字段变更的业务数据;
分类模块,用于根据业务数据对应的变更类型,对字段变更的业务数据进行分类;
获取模块,用于从分类后的字段变更的业务数据中获取预设字段变更的业务数据。
进一步地,所述选取单元包括:
第一确定模块,用于根据所述业务数据对应数据源的公开方式,确定所述业务数据从数据源处的获取途径;
第一选取模块,用于若所述业务数据从数据源处的获取途径为直接获取,则选取显式关联关系作为业务数据进行处理分析的关联关系;
第二选取模块,用于若所述业务数据从数据源处的获取途径为间接获取,则选取隐式关联关系作为业务数据进行处理分析的关联关系。
进一步地,若选取显式关系作为业务数据进行处理分析的关联关系,所述确定单元包括:
提取模块,用于从业务数据中提取业务实体;
构建模块,用于利用预先设置的实体关联因子对业务实体进行关联处理,构建业务实体之间的关系矩阵图,所述关系矩阵图中记录有业务实体的关系链;
第二确定模块,用于根据所述业务实体的关系链形成业务实体之间的关系网络,基于所述关系网络确定业务实体之间的关联强度。
进一步地,所述构建模块,具体用于利用预先设置的实体关联因子,解析业务数据中业务实体的描述信息;
所述构建模块,具体还用于根据所述业务实体的描述信息,判断业务实体的描述信息是否存在关联节点;
所述构建模块,具体还用于若业务实体的描述信息存在关联节点,则对存在关联节点的业务实体进行关联处理,构建业务实体之间的关系矩阵图。
进一步地,所述第二确定模块,具体用于以相同关系链中的业务实体作为交叉点,将所述业务实体的关系链进行拼接,形成业务实体之间的关系网络;
所述第二确定模块,具体还用于基于所述业务实体的关系网络对业务实体进行串联,确定业务实体之间的关联强度。
进一步地,若选取隐式关系作为业务数据进行处理分析的关联关系,所述确定单元包括:
分析模块,用于通过分析具有相同目标标识的业务数据,挖掘业务实体之间的关联线索;
标记模块,用于利用所述业务实体之间的关联线索对业务实体进行关联标记,确定业务实体之间的关联强度。
依据本发明又一个方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现业务数据的关联分析方法的步骤。
依据本发明再一个方面,提供了一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现业务数据的关联分析方法的步骤。
借由上述技术方案,本发明提供一种业务数据的关联分析方法及装置,通过获取业务系统中存在预设字段变更的业务数据,并根据业务数据从数据源处的获取途径,选取业务数据进行处理分析的关联关系,进而基于关联关系对业务数据进行处理分析,确定业务实体之间的关联强度,依据业务实体之间的关联强度,对业务实体进行风险检测。与现有技术中直接利用业务数据的关联性对业务数据进行关联分析方式相比,本发明实施例针对不同获取途径的业务数据,采用不同的关联关系进行处理分析,进而将业务实体之间的关联关系在一对多的关系网基础上按相同逻辑组成多对多的关系网,可以准确排查出风险数据,降低业务运营过程中存在的未知风险,提高业务效率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种业务数据的关联分析方法的流程示意图;
图2示出了本发明实施例提供的另一种业务数据的关联分析方法的流程示意图;
图3示出了本发明实施例提供的另一种业务数据的关联分析方法的流程示意图;
图4示出了本发明实施例提供的一种业务数据的关联分析装置的结构示意图;
图5示出了本发明实施例提供的另一种业务数据的关联分析装置的结构示意图;
图6示出了本发明实施例提供的另一种业务数据的关联分析装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种业务数据的关联分析方法,可以排除网页文本中蕴含的干扰信息,提高用户兴趣画像构造的准确性,如图1所示,该方法包括:
101、获取业务系统中存在预设字段变更的业务数据。
其中,业务系统为企业实现业务往来所开发的适用于企业进行数据处理与分析的系统,例如,企业信息公示系统、业务流程系统等。通常情况下,各个企业在进行业务往来过程中,都会将业务往来所产生的业务数据存储至业务系统中,以便于后续从业务系统中提取需要处理的业务数据。
需要说明的是,业务系统中存在大量的业务数据,并且业务数据之间的关联信息不同,也不适用于相同的数据分析方式。为了节省系统资源利用,可以通过设置用户关注的预设字段,并从业务系统中提取存在预设字段变更的业务数据,进而对用户关注的业务数据进行处理。
例如,需要对企业名称变更、企业控股变更、自然人控股变更等业务数据进行处理,可以设置预设字段为企业名称、企业控股、自然人控股,进而通过监控业务系统中企业工商变更信息内的相应预设字段,进而获取业务系统中存在预设字段变更的业务数据。
102、根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系。
在实际业务场景中,业务数据可能是从公开信息中直接获取的,也可能是无法从公开信息中直接获取的,不同业务数据从数据源的获取途径不同业务数据存在的关联关系不同,所需要的处理分析方式也有所不同。
103、基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度。
对于本发明实施例,业务数据中往往包含众多的业务实体,对于不同的形式的关联关系,业务实体的关联关系可能并非很容易挖掘,对于明显可以从业务数据中挖掘的显示关联关系,可以采用显式关联关系对业务数据进行处理分析,对于无法直接从业务数据中挖掘的隐式关联关系,可以采用隐式关联关系对业务数据进行处理分析。
针对采用显示关联关系对业务数据进行处理分析的过程,具体可以利用业务数据中业务实体作为不同的节点,为不同节点设置不同的序号,按照序号将各个节点设置成矩阵的行和列,从而形成方形矩阵图,方形矩阵图可以使用“0”和“1”来标识某行某个节点与某列某个节点之间是否存在关系,通过方形矩阵图可以迅速检索到某节点与其他节点有无关系,进而获取业务实体不同层级之间关联的关联数据,并根据预先为业务实体设置的关联级别分析业务实体不同层级之间关联的关联数据,对业务实体进行关联处理,确定业务实体之间的关联强度。
例如,节点1、节点2和节点3,按照节点的序号将节点1、节点2和节点3依次排列为一行,再按照节点的序号将节点1、节点2和节点3依次排列为一列。节点之间是否存在关系,可以通过业务实体的传输信息来判断。具体如下表1所示,将三个企业作为业务实体形成3个节点,分别设置3个序号,并将其按行、列排列,表1中数值为1时,则表示业务实体之间存在关系,其中,节点1和节点1在表1中的交集数值为0,即表示方形矩阵图排除了业务实体与自身存在关系的情况。
表1
节点1 | 节点2 | 节点3 | |
节点1 | 0 | 1 | 1 |
节点2 | 1 | 0 | 0 |
节点3 | 1 | 0 | 0 |
可以理解的是,上述方形矩阵图可以清晰表达出业务实体之间的一层关系,对于第二层关系进行计算时则需要基于业务实体之间的第一层关系,从存储中读取一层关联的关系数据,然后计算第二层关联的关系数据,完成后在写入存储。在对第三层关系进行计算时需要基于业务实体之间的第二层关系,从存储中读取第二层关联的关系数据,然后计算第三层关联的关系数据,以此类推,逐层计算关联的关系数据。
上述预先为业务实体设置的关联级别可以作为业务实体之间关联强弱的判定依据,不同的关联强度对应业务实体所包含管理人员角色不同、不同橘色的管理人员数量不同,以及关联业务实体之间的控股比例也不同,例如,关联强度1级对应有:业务实体的管理人员1人,或者董事10-50人,或者企业高管20-50人,或者关联业务实体的控股比例为50%-100%,关联强度2级对应有:董事5-9人,或者企业的高管1-3人,或者关联业务实体的控股比例为25%-49%。关联强度3级对应有:董事1-4人,或者企业的高管0-2人,或者关联业务实体的控股比例为10%-24%。应说明的是,关联强度等级越高,说明企业之间的关联强度越低。
针对采用隐式关联关系对业务数据进行处理分析,具体可以通过挖掘分析业务数据中目标业务实体的标志数据,并将标志数据中的相同元素作为目标关联线索,利用目标关联线索中相同元素的特征信息建立业务实体之间的关联关系,并对业务实体进行关联处理,确定业务实体之间的关联强度。
对于本发明实施例,可以基于相同元素在标志数据中的重要程度来决定关联强度的大小,例如,针对涉诉场景的业务数据,业务实体A与业务实体B在标志数据中都具有“共同被告”的元素,确定业务实体A与业务实体B的关联强度为1级。还可以基于标志数据中相同元素的数量以及相同元素在标志数据中的出现次数来决定关联强度的大小,例如,业务实体A与业务实体B在标志数据中存在至少5个相同元素,并且每个相同元素的出现次数大于3次,那么确定业务实体A与业务实体B的关联强度为1级。
104、当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
其中,业务实体的风险分析请求为请求分析业务实体存在的风险情况,该风险请求中至少包括两个待风险分析的业务实体,对于待风险分析的业务实体,通常与不同业务实体之间可能存在错综复杂的关联关系,依据业务实体之间的关联强度,可以查询出围绕待风险分析的业务实体之间的所有关系网络,进一步通过判断关系网络中是否存在预先设置的风险点,对业务实体进行风险预测。
本发明实施例提供一种业务数据的关联分析方法,通过获取业务系统中存在预设字段变更的业务数据,并根据业务数据从数据源处的获取途径,选取业务数据进行处理分析的关联关系,进而基于关联关系对业务数据进行处理分析,确定业务实体之间的关联强度,依据业务实体之间的关联强度,对业务实体进行风险检测。与现有技术中直接利用业务数据的关联性对业务数据进行关联分析方式相比,本发明实施例针对不同获取途径的业务数据,采用不同的关联关系进行处理分析,进而将业务实体之间的关联关系在一对多的关系网基础上按相同逻辑组成多对多的关系网,可以准确排查出风险数据,降低业务运营过程中存在的未知风险,提高业务效率。
本发明实施例提供了另一种业务数据的关联分析方法,排除网页文本中蕴含的干扰信息,提高用户兴趣画像构造的准确性,如图2所示,所述方法包括:
201、通过监控业务系统中发生字段变更的业务数据,提取字段变更的业务数据。
可以理解的是,由于业务数据的格式以及存在过量冗余数据,这里可以在对业务数据进行分析之前,对业务数据进行清洗、转换和整理,从而为后续关联关系分析做好准备。
对于本发明实施例,这里的业务数据的变更可以是针对企业和企业自然股东的相关数据变更,例如,企业名称变更、企业控股变更、自然人控股变更等,具体可以监控企业信用信息公开系统,通过分析企业的工商变更信息获得。
202、根据业务数据对应的变更类型,对字段变更的业务数据进行分类。
由于业务数据存在多种变更类型,例如,企业名称变更可以作为工商变更的其中一个分类,企业控股变更和自然人控股变更属于企业的股权变更,需要在对比变更的前后文本来确认变更类型。
对于本发明实施例,在监控到企业数据的变更数据后,可以通过文本中字段比对,比较变更前后文本中字段的差异,并根据文本中字段的差异内容进行分类,例如,变更前后文本中字段的差异内容是企业名称,则判断为企业名称变更,变更前后文本中字段的差异内容是企业的控股比例变化,则判断为企业控股比例变化,具体还可以按照字段长度、名称规则等判断是企业股东变更还是自然人股东变更。
203、从分类后的字段变更的业务数据中获取预设字段变更的业务数据。
可以理解的是,对于企业名称更新,在数据库中,企业名称与统一社会信用代码、业务系统定义的id对应,在更新时,需要与数据库中现有的名称进行比对,如果不相同,则将变更后的名称替换为原有名称,并将名称上打上“历史名称”等标签,以便于用户输入原名称时,仍能匹配上更新后的企业名称。
可以理解的是,对于企业控股比例更新,在数据库中,对被控股的企业做控股关系数据更新,即根据股权变更数据变更企业股东、自然人股东,包括原有股东的控股比例变更、新增股东、去除不再持股的股东。
204、根据所述业务数据对应数据源的公开方式,确定所述业务数据从数据源处的获取途径。
由于不同业务数据对应数据源的公开方式不同,所以业务数据从数据源处的获取途径不同,有些业务数据可以从公开信息直接获取的情况,可以采用显式关联关系作为业务数据进行处理分析的关联关系,有些业务数据无法从公共信息中直接获取的情况,可以采用隐式关联关系作为业务数据进行处理分析的关联关系。
对于本发明实施例,若选取显式关系作为业务数据进行处理分析的关联关系,则执行下述步骤205-步骤207,可以利用业务数据中不同企业的关联元素进行关联分析,例如,企业间控股、企业相同的管理人。
205、选取显式关联关系作为业务数据进行处理分析的关联关系,从业务数据中提取业务实体。
由于业务数据中记录有业务实体之间执行业务的往来数据,其中会涉及多个业务实体,这里可以利用字段匹配的形式从业务数据中提取业务实体,例如,利用“公司”、“企业”、“集团”等字段去匹配业务数据,进而提取业务实体。
206、利用预先设置的实体关联因子对业务实体进行关联处理,构建业务实体之间的关系矩阵图。
其中,关系矩阵图中记录有业务实体的关系链,这里的实体关联因子可以是业务实体中至少一个管理人员的身份证号码、护照号码等身份信息,管理人员可以是不同角色的管理人员,如法人、董事、监事以及高管等能够在业务实体中行使管理职能、指挥或协调他人完成具体任务的人员。
对于本发明实施例,具体可以利用预先设置的实体关联因子,解析业务数据中业务实体的描述信息,该业务实体的描述信息为围绕实体关联因子的相关信息,例如,业务实体中管理人员的信息,进一步根据业务实体的描述信息,判断业务实体的描述信息是否存在关联节点,该关联节点可以为能够表明业务实体存在关联关系的依据,可以为业务实体具有相同身份信息的管理人员,若存在,则说明业务实体之间存在关联关系,对存在关联节点的业务实体进行关联处理,形成业务实体的关系链,构建业务实体之间的关系矩阵图。
可以理解的是,基于业务实体之间管理人员的身份信息建立业务实体之间的关系链表示可以为“企业1-企业管理人员1-企业2”,将企业管理人员作为两个业务实体的实体关联因子来判断是否存在关联节点,并根据关联节点对业务实体进行关联。对于任意两个业务实体,执行上述的判定过程,可以形成业务实体之间的关系矩阵图。
具体在对存在关联节点的业务实体进行关联处理,形成业务实体的关系链的过程中,业务实体可以为被控股业务实体,还可以为控股业务实体。
当业务实体为被控股业务实体时,需要考虑被控股业务实体相应的控股企业实体,即向上排查业务实体,基于业务实体之间的关系矩阵获取与被控股业务实体有关联的业务实体,进而查询与被控股业务实体有关联的业务实体中是否存在控股标识,如果存在,可以将第一控股标识作为目标对象,继续基于业务实体之间的关系矩阵,确定该第一目标对象进行控股的业务实体的控股标识,直至确定出对业务实体进行控股的业务实体为自然股东和/或最末端的法人股东,即为国由企业,确定出自然股东和/或最后一个国有企业即为业务实体标识对应的最终节点标识。由此,向上构造以业务实体为最末端的关系链。同理可以构造出以业务实体为最末端的关系链2和3等。例如,业务实体A有两个企业股东B和C,业务实体B有一个企业股东D,业务实体C有企业股东E,根据上述过程,则存在两条关系链,分别为:D→B→A,E→C→A。
当业务实体为控股业务实体时,需要考虑控股业务实体进行控股的业务实体,即向下排查业务实体,同理,可可构造以业务实体为最末端的关系链。比如,业务实体A控股两个公司F、G,业务实体F控股一个企业H,企业G控股一个企业I。根据上述过程,则存在两条关系链,分别为:A→F→H,A→G→I。
207、根据所述业务实体的关系链形成业务实体之间的关系网络,基于所述关系网络确定业务实体之间的关联强度。
其中,业务实体的关系链可以展示企业之间的关联关系,通常情况下,每个业务实体的关系链中都会出现多个与其存在关联的业务实体,通过以多条关系链中相同的相同业务实体作为交叉点,将业务实体的关系链进行拼接,可以形成业务实体之间的关联网络。
对于本发明实施例,具体可以以相同关系链中的业务实体作为交叉点,将业务实体的关系链进行拼接,形成业务实体之间的关系网络;基于业务实体的关系网络对业务实体进行串联,确定业务实体之间的关联强度。
在实际应用过程中,具体在将业务实体的关系链进行拼接,形成业务实体之间的关系网络的过程中,以业务系统中的业务实体唯一识别id进行匹配,匹配两个业务实体的多条关系链中重合的业务实体,如果有重合业务实体则将两条关系链中重合的业务实体合并成关系链的子链。该子链的起点和终点分别为两个业务实体。例如,对于业务实体A,有关系链:D→B→A,对于业务实体K,有关系链:K→B→H。这两条关系链的重合节点为企业B,构成关系链的子链1为:K→B→A。从而可将关系链中的子链串联成业务实体的关系网络。基于业务实体的关系网络,可计算各子链上业务实体之间的加权控股比例,再将控股比例求和,得出业务实体之间的实际控股比例,进而根据业务实体之间的实际控股比例,可以确定业务实体之间的关联强度。
具体在计算各子链上业务实体之间的加权控股比例的过程中,在业务实体作为被控股业务实体时,可以通过确定业务实体与最终控股业务实体之间的至少一条关系链,来确定最终控股业务实体对应的实体的控股比例。在控股关系中,控股业务实体可通过直接控股的方式或者多条路径间接控股的方式对被控股业务实体进行控制。
其中,在计算控股比例的过程中,在业务实体交叉控股的复杂关系链中,计算控股业务实体通过多条路径、涉及个业务实体对被控股业务实体的“间接控股比例”和“全部控股比例”。可以采用以下计算方式:
设有n个具有独立法人资格的业务实体A1,A2,……,An,相互之间存在交叉控股关系(但并不要求Aj业务实体一定要直接持有Aj业务实体的股份(i≠j))。Aj业务实体对Aj业务实体的直接控股比例(Aj业务实体直接持有Ai业务实体的股份与Aj业务实体的总股本之比)记为aij(0≤aij≤1)。于是我们可以得到一个全面反映这n个业务实体直接控股关系的“直接控股比例矩阵”D。
D矩阵所有对角线上的元素aii(i=1,2,....,n)均为零。即任何业务实体不能直接持有本业务实体股票或股份。但是下面我们将会看到任何业务实体只要它愿意,均可以“间接地”持有本业务实体股票或股份。
现设Aj业务实体对Ai业务实体的全部控股比例(Aj业务实体对Aj业务实体直接控股比例与Aj企业对Ai业务实体全部间接控股比例之和)为cij
(0≤cij≤1;i,j=1,2,…,n)。根据上述定义,Aj业务实体对Ak业务实体的直接控股比例为akj,而Ak业务实体对Ai业务实体的“全部控股比例”为cik,所以Aj业务实体(第一步)通过Ak业务实体对Ai业务实体的“全部间接控股比例”应当等于cik*akj。由此可以得到Ai业务实体对Aj业务实体的“全部间接控股比例”为:
∑cik*akj
故Aj业务实体对Ai业务实体的全部控股比例为:
cij=aij+∑cik*akj(i,j=1,2,…,n)
将上面的等式写成矩阵形式即为:
C=D+CD
经过简单的矩阵计算,可以得到“全部控股比例矩阵”C
C=(I-D)D (1)
或
C=(I-D)-I (2)
同时可以得到“全部间接控股比例矩阵”
N=C-D (3)
这里,I为n×n的单位矩阵,(I-D)为列昂惕夫逆阵。可以看出,N矩阵及C矩阵对角线上的元素均可以不为零。即任何业务实体只要它愿意或条件满足,均可以“间接地”持有本业务实体股票或股份。
只要知道了各业务实体之间“直接的”相互控股关系,通过上面的公式(1)或(2)以及(3),就可以很轻松地计算得到各业务实体之间所有的“全部间接控股比例”和“全部控股比例”。同时大家知道,在实际中我们是可以比较容易而经济地统计得到各业务实体之间“直接的”相互控股比例关系的。
具体在计算各子链上业务实体之间的加权控股比例的过程中,在业务实体作为被控股业务实体时,在业务实体作为控股业务实体时,同样可以通过确定业务实体与最终控股业务实体之间的关系链,来确定业务实体对最终控股业务实体所对应的实体的控股比例。
相应的,若选取隐式关系作为业务数据进行处理分析的关联关系,则执行下述步骤208-步骤209,可以通过大数据分析业务数据中的隐性关联元素,利用业务数据中的隐性关联元素进行关联分析。
可以理解的是,在将业务实体之间的控股比例、相同管理人员以及相同管理人员数量作为判断依据,可以确定业务实体之间存在的至少一种关联关系,并根据具有关联业务实体之间的所有关联信息,确定业务实体之间的关联强度。
208、选取隐式关联关系作为业务数据进行处理分析的关联关系,通过分析具有相同目标标识的业务数据,挖掘业务实体之间的关联线索。
对于本发明实施例,针对不同业务领域的业务数据,业务数据中所包含的角色可能有所不同,针对涉诉领域的业务数据,具有相同角色的业务数据可以为具有相同的目标标识,如“开庭公告”、“立案信息”、“裁判文书”等司法数据,通过分析具有相同角色的业务数据,可以从涉诉数据中提取出与目标标识具有相同角色作为业务实体之间的关联线索,例如,“共同被告”、“共同原告”等,从而挖掘出业务实体之间的关联线索。
209、利用所述业务实体之间的关联线索对业务实体进行关联标记,确定业务实体之间的关联强度。
对于本发明实施例,通过业务实体之间的关联线索仅可以判定业务实体具有关联关系,这里可以利用业务实体之间的关联线索对业务实体进行关联标记,进一步可以根据关联线索的特征确定具有关联关系的业务实体之间的关联强度。
例如,业务实体C和业务实体D在涉诉数据中的角色均为“共同被告”可以确定业务实体C与业务实体D之间具有关联关系,并进行关联标记。
针对涉诉领域,需要说明的是,由于在开庭公告、判决文书中,关于“共同被告”、“共同原告”等的描述并不标准,需要对文本进行分析,筛选出有“被告”、“原告”的特征词,当两个业务实体的角色同时属于“被告”或者“原告”分类,则可判定为两个业务实体为“共同被告”或者“共同原告”。
具体应用过程中,可以通过裁判文书、开庭公告文本信息数据构建分类器,并利用分类器提取出裁判文书、开庭公告等文本的“原告”、“被告”语义特征,存储到股权变更语义特征词库,通过文本中的角色名称与特征词库进行匹配,如果匹配成功,则判断为对应的角色类型。如果没有匹配成功,则使用分类器进行分类。同理,可训练出“被告”角色的特征词分类器。
上述构建分类器的过程,以构建“原告”角色的特征词分类器为例,包括:利用训练数据集训练分类器和利用测试数据集调整分类器的过程。训练数据集训练分类器具体方式,从训练数据集(标记有“原告”特征词的样本和标记有“原告”以外的特征词的样本)中抽提出样本的特征,通过下述计算公式,计算样本的特征向量权值,基于特征向量权值,训练分类器。
其中,ci表示样本中的第i个特征词,dj表示第j个文档,fij表示第i个特征词在第j个文档中出现的频度,ni表示语料集中包含特征词ci的文档数,M表示语料集中的文档总数。
针对舆情领域,可以通过分析新闻媒体、微博、微信等平台的舆情新闻数据,匹配目标业务实体的简称、俗称、品牌名称、产品名称等目标标识,判断舆情新闻中是否与该目标业务实体相关,如果相关,记录同一则舆情新闻中出现的业务实体,并对业务实体进行关联标记,当关联标记的业务实体之间共同出现在舆情新闻中的次数大于预设数值时,可以判定业务实体之间具有关联关系,其关联强度可以基于出现次数来确定。
针对工商领域,可以通过分析“股权转让”、“股权出质”、“动产抵押”等工商数据,确定与目标业务实体有业务往来的业务实体,例如,业务实体G与业务实体H往来业务类型为“股权转让”,可以判定业务实体之间具有关联关系,其关联强度可以基于往来类型来确定。
210、当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
可以理解的是,若待风险查询的业务实体之间存在关联强度的数量大于1时,则将级别最高的关联强度作为待风险查询的业务实体之间的关联强度,获取并将围绕待风险查询的业务实体之间所有的关联信息形成关系网络的形式。
进一步地,作为图1所述方法的具体实现,本发明实施例提供了一种业务数据的关联分析装置,如图4所示,所述装置包括:获取单元31、选取单元32、确定单元33、检测单元34。
获取单元31,可以用于获取业务系统中存在预设字段变更的业务数据;
选取单元32,可以用于根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系;
确定单元33,可以用于基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度;
检测单元34,可以用于当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
本发明提供的一种业务数据的关联分析装置,通过获取业务系统中存在预设字段变更的业务数据,并根据业务数据从数据源处的获取途径,选取业务数据进行处理分析的关联关系,进而基于关联关系对业务数据进行处理分析,确定业务实体之间的关联强度,依据业务实体之间的关联强度,对业务实体进行风险检测。与现有技术中直接利用业务数据的关联性对业务数据进行关联分析方式相比,本发明实施例针对不同获取途径的业务数据,采用不同的关联关系进行处理分析,进而将业务实体之间的关联关系在一对多的关系网基础上按相同逻辑组成多对多的关系网,可以准确排查出风险数据,降低业务运营过程中存在的未知风险,提高业务效率。
作为图4中所示业务数据的关联分析装置的进一步说明,图5是根据本发明实施例另一种业务数据的关联分析装置的结构示意图,如图5所示,所述获取单元31包括:
监控模块311,可以用于通过监控业务系统中发生字段变更的业务数据,提取字段变更的业务数据;
分类模块312,可以用于根据业务数据对应的变更类型,对字段变更的业务数据进行分类;
获取模块313,可以用于从分类后的字段变更的业务数据中获取预设字段变更的业务数据。
进一步地,所述选取单元32包括:
第一确定模块321,可以用于根据所述业务数据对应数据源的公开方式,确定所述业务数据从数据源处的获取途径;
第一选取模块322,可以用于若所述业务数据从数据源处的获取途径为直接获取,则选取显式关联关系作为业务数据进行处理分析的关联关系。
进一步地,若选取显式关系作为业务数据进行处理分析的关联关系,所述确定单元33包括:
提取模块331,可以用于从业务数据中提取业务实体;
构建模块332,可以用于利用预先设置的实体关联因子对业务实体进行关联处理,构建业务实体之间的关系矩阵图,所述关系矩阵图中记录有业务实体的关系链;
第二确定模块333,可以用于根据所述业务实体的关系链形成业务实体之间的关系网络,基于所述关系网络确定业务实体之间的关联强度。
进一步地,所述构建模块332,具体可以用于利用预先设置的实体关联因子,解析业务数据中业务实体的描述信息;
所述构建模块332,具体还可以用于根据所述业务实体的描述信息,判断业务实体的描述信息是否存在关联节点;
所述构建模块332,具体还可以用于若业务实体的描述信息存在关联节点,则对存在关联节点的业务实体进行关联处理,构建业务实体之间的关系矩阵图。
进一步地,所述第二确定模块333,具体可以用于以相同关系链中的业务实体作为交叉点,将所述业务实体的关系链进行拼接,形成业务实体之间的关系网络;
所述第二确定模块333,具体还可以用于基于所述业务实体的关系网络对业务实体进行串联,确定业务实体之间的关联强度。
作为图4中所示业务数据的关联分析装置的进一步说明,图6是根据本发明实施例另一种业务数据的关联分析装置的结构示意图,如图6所示,所述选取单元32包括:
第一确定模块321,可以用于根据所述业务数据对应数据源的公开方式,确定所述业务数据从数据源处的获取途径;
第二选取模块323,可以用于若所述业务数据从数据源处的获取途径为间接获取,则选取隐式关联关系作为业务数据进行处理分析的关联关系
进一步地,若选取隐式关系作为业务数据进行处理分析的关联关系,所述确定单元33包括:
分析模块334,可以用于通过分析具有相同目标标识的业务数据,挖掘业务实体之间的关联线索;
标记模块335,可以用于利用所述业务实体之间的关联线索对业务实体进行关联标记,确定业务实体之间的关联强度。
需要说明的是,本实施例提供的一种业务数据的关联分析装置所涉及各功能单元的其他相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
基于上述如图1-图3所示方法,相应的,本实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1-图3所示的业务数据的关联分析方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,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)执行本申请各个实施场景所述的方法。
基于上述如图1-图3所示的方法,以及图4-图6所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种计算机设备,具体可以为个人计算机、服务器、网络设备等,该实体设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1-图3所示的业务数据的关联分析方法。
可选地,该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的业务数据的关联分析装置的实体设备结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本申请的技术方案,与目前现有技术相比,本发明实施例针对不同获取途径的业务数据,采用不同的关联关系进行处理分析,进而将业务实体之间的关联关系在一对多的关系网基础上按相同逻辑组成多对多的关系网,可以准确排查出风险数据,降低业务运营过程中存在的未知风险,提高业务效率。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种业务数据的关联分析方法,其特征在于,所述方法包括:
获取业务系统中存在预设字段变更的业务数据;
根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系;
基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度;
当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
2.根据权利要求1所述的方法,其特征在于,所述获取业务系统中存在预设字段变更的业务数据,具体包括:
通过监控业务系统中发生字段变更的业务数据,提取字段变更的业务数据;
根据业务数据对应的变更类型,对字段变更的业务数据进行分类;
从分类后的字段变更的业务数据中获取预设字段变更的业务数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系,具体包括:
根据所述业务数据对应数据源的公开方式,确定所述业务数据从数据源处的获取途径;
若所述业务数据从数据源处的获取途径为直接获取,则选取显式关联关系作为业务数据进行处理分析的关联关系;
若所述业务数据从数据源处的获取途径为间接获取,则选取隐式关联关系作为业务数据进行处理分析的关联关系。
4.根据权利要求3所述的方法,其特征在于,若选取显式关系作为业务数据进行处理分析的关联关系,所述基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度,具体包括:
从业务数据中提取业务实体;
利用预先设置的实体关联因子对业务实体进行关联处理,构建业务实体之间的关系矩阵图,所述关系矩阵图中记录有业务实体的关系链;
根据所述业务实体的关系链形成业务实体之间的关系网络,基于所述关系网络确定业务实体之间的关联强度。
5.根据权利要求4所述的方法,其特征在于,所述利用预先设置的实体关联因子对业务实体进行关联处理,构建业务实体之间的关系矩阵图,具体包括:
利用预先设置的实体关联因子,解析业务数据中业务实体的描述信息;
根据所述业务实体的描述信息,判断业务实体的描述信息是否存在关联节点;
若存在,则对存在关联节点的业务实体进行关联处理,构建业务实体之间的关系矩阵图。
6.根据权利要求4所述的方法,其特征在于,所述将所述业务实体的关系链形成业务实体之间的关系网络,基于所述关系网络确定业务实体之间的关联强度,具体包括:
以相同关系链中的业务实体作为交叉点,将所述业务实体的关系链进行拼接,形成业务实体之间的关系网络;
基于所述业务实体的关系网络对业务实体进行串联,确定业务实体之间的关联强度。
7.根据权利3所述的方法,其特征在于,若选取隐式关系作为业务数据进行处理分析的关联关系,所述基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度,具体包括:
通过分析具有相同目标标识的业务数据,挖掘业务实体之间的关联线索;
利用所述业务实体之间的关联线索对业务实体进行关联标记,确定业务实体之间的关联强度。
8.一种业务数据的关联分析装置,其特征在于,所述装置包括:
获取单元,用于获取业务系统中存在预设字段变更的业务数据;
选取单元,用于根据所述业务数据从数据源处的获取途径,选取所述业务数据进行处理分析的关联关系;
确定单元,用于基于所述关联关系对所述业务数据进行处理分析,确定业务实体之间的关联强度;
检测单元,用于当接收到业务实体的风险分析请求,依据所述业务实体之间的关联强度,对业务实体进行风险预测。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010234644.2A CN111581222A (zh) | 2020-03-30 | 2020-03-30 | 业务数据的关联分析方法、装置、计算机设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010234644.2A CN111581222A (zh) | 2020-03-30 | 2020-03-30 | 业务数据的关联分析方法、装置、计算机设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111581222A true CN111581222A (zh) | 2020-08-25 |
Family
ID=72113546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010234644.2A Pending CN111581222A (zh) | 2020-03-30 | 2020-03-30 | 业务数据的关联分析方法、装置、计算机设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111581222A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464084A (zh) * | 2020-11-17 | 2021-03-09 | 崔海燕 | 基于大数据定位和人工智能的业务优化方法及云计算中心 |
CN113076353A (zh) * | 2021-03-24 | 2021-07-06 | 深圳供电局有限公司 | 一种电力核算异常分析方法及系统 |
CN113191905A (zh) * | 2021-04-23 | 2021-07-30 | 北京金堤征信服务有限公司 | 股东数据处理方法及装置、电子设备和可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363785A (zh) * | 2018-02-12 | 2018-08-03 | 平安科技(深圳)有限公司 | 数据关系展示方法、装置、计算机设备及存储介质 |
CN110390465A (zh) * | 2019-06-18 | 2019-10-29 | 深圳壹账通智能科技有限公司 | 业务数据的风控分析处理方法、装置和计算机设备 |
-
2020
- 2020-03-30 CN CN202010234644.2A patent/CN111581222A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363785A (zh) * | 2018-02-12 | 2018-08-03 | 平安科技(深圳)有限公司 | 数据关系展示方法、装置、计算机设备及存储介质 |
CN110390465A (zh) * | 2019-06-18 | 2019-10-29 | 深圳壹账通智能科技有限公司 | 业务数据的风控分析处理方法、装置和计算机设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464084A (zh) * | 2020-11-17 | 2021-03-09 | 崔海燕 | 基于大数据定位和人工智能的业务优化方法及云计算中心 |
CN112464084B (zh) * | 2020-11-17 | 2021-07-02 | 厦门立马耀网络科技有限公司 | 基于大数据定位和人工智能的业务优化方法及云计算中心 |
CN113076353A (zh) * | 2021-03-24 | 2021-07-06 | 深圳供电局有限公司 | 一种电力核算异常分析方法及系统 |
CN113191905A (zh) * | 2021-04-23 | 2021-07-30 | 北京金堤征信服务有限公司 | 股东数据处理方法及装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111581222A (zh) | 业务数据的关联分析方法、装置、计算机设备及计算机存储介质 | |
CN111125343A (zh) | 适用于人岗匹配推荐系统的文本解析方法及装置 | |
So et al. | Factors affecting citation networks in science and technology: focused on non-quality factors | |
CN109711424B (zh) | 一种基于决策树的行为规则获取方法、装置及设备 | |
CN111274301B (zh) | 一种基于数据资产智能治理方法及系统 | |
CN110688536A (zh) | 一种标签预测方法、装置、设备和存储介质 | |
CN110033284A (zh) | 房源验真方法、装置、设备及存储介质 | |
CN110930038A (zh) | 一种贷款需求识别方法、装置、终端及存储介质 | |
CN112052396A (zh) | 课程匹配方法、系统、计算机设备和存储介质 | |
CN112598294A (zh) | 在线建立评分卡模型的方法、装置、机器可读介质及设备 | |
CN110705307A (zh) | 信息变更指标监控方法、装置、计算机设备和存储介质 | |
CN110704803A (zh) | 目标对象的评估值计算方法及装置、存储介质、电子设备 | |
Keshtegar et al. | The impact of business intelligence on enablers of EFQM excellence model with mediating role of knowledge sharing | |
KR101997613B1 (ko) | 인공지능을 활용한 기업과 이벤트 상호 매칭시스템 및 매칭방법 | |
Cheung et al. | An investigation on cloud ERP adoption using Technology-Organisation-Environment (TOE) and Diffusion Of Innovation (DOI) theories: A systematic Review | |
CN105243479A (zh) | 一种风险判断方法和数据处理系统 | |
CN111460268A (zh) | 数据库查询请求的确定方法、装置和计算机设备 | |
KR102155792B1 (ko) | 크라우드 소싱 기반 프로젝트의 특성에 따른 검수자 선별 방법 | |
CN115187387B (zh) | 一种风险商家的识别方法及设备 | |
KR102573996B1 (ko) | 공항 기술 가치 평가 시스템 및 방법 | |
CN108235324A (zh) | 一种短信模板的测试方法及服务器 | |
CN108520042B (zh) | 实现经侦工作中嫌疑人涉案角色标定和角色评估的系统及方法 | |
Gadžo et al. | Predicting Auditor’s Opinion on Financial Statements of Public Enterprises Based on Indicators of the Beneish M-score Model | |
Doty | Mining Academic Publications to Predict Automation | |
Wulansari | The Influence of Digital Literacy on Intention to Use QRIS by Using TAM as the Cashless Paying Method on MSME in Samarinda Seberang District |
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 |