CN111798151A - 企业欺诈风险评估方法、装置、设备及可读存储介质 - Google Patents
企业欺诈风险评估方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111798151A CN111798151A CN202010664913.9A CN202010664913A CN111798151A CN 111798151 A CN111798151 A CN 111798151A CN 202010664913 A CN202010664913 A CN 202010664913A CN 111798151 A CN111798151 A CN 111798151A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- data
- evaluated
- risk assessment
- fraud risk
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013507 mapping Methods 0.000 claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000013481 data capture Methods 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000007115 recruitment Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种企业欺诈风险评估方法、装置、设备及可读存储介质,所述方法包括:获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;从所述另类数据中提取预设的特征指标对应的特征数据;将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。本发明通过采用企业的另类数据作为企业欺诈风险的评估依据,具备更高的可靠性,也即得到的风险欺诈结果准确度更高。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种企业欺诈风险评估方法、装置、设备及可读存储介质。
背景技术
现实生活中,会存在诈骗公司或空壳公司出于非法目的伪造企业信息行骗,例如欺骗投资者或求职者等。历年来都有很多诈骗公司的招聘案例出现,特别是当出现特殊情况时,只能通过远程的方式进行应聘,更容易行骗成功。目前了解企业信息一般是通过网站上公布的信息,例如,有一些招聘网站会通过官方公布的企业注册信息、以及收集过往用户反馈的信息,来作为评定标准,这种方案对于成立时间较长的中大型企业比较有效,但对于小微企业,信息来源较少,出现欺诈风险的几率也较大。
发明内容
本发明的主要目的在于提供一种企业欺诈风险评估方法、装置、设备及可读存储介质,旨在解决现有通过官方公布的企业注册信息、收集的过往用户反馈信息作为评定诈骗企业的标准,对小微企业作用不大的问题。
为实现上述目的,本发明提供一种企业欺诈风险评估方法,所述方法包括以下步骤:
获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;
从所述另类数据中提取预设的特征指标对应的特征数据;
将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。
进一步地,所述获取待评估企业的另类数据的步骤之前,还包括:
当检测到风险评估请求时,提取所述风险评估请求中待评估企业的基本信息;
所述获取待评估企业的另类数据的步骤包括:
基于所述基本信息获取所述待评估企业的另类数据;
所述将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果的步骤之后,还包括:
输出所述待评估企业的欺诈风险评估结果。
进一步地,所述获取待评估企业的另类数据的步骤包括:
检测预设另类数据抓取系统中是否存储有所述待评估企业的另类数据;
若存储有所述待评估企业的另类数据,则从所述另类数据抓取系统中获取所述待评估企业的另类数据;
若未存储所述待评估企业的另类数据,则从预设外部数据源获取所述待评估企业对应的外部数据,并对所述外部数据进行数据分析得到所述另类数据。
进一步地,所述时空数据包括所述待评估企业所处地点的基于位置的服务LBS数据,所述特征指标包括LBS数量,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述LBS数据中提取得到所述待评估企业所处地点的LBS数量在预设时间段内的平均LBS数量。
进一步地,所述时空数据包括所述待评估企业所处地点的信息点POI数据,所述特征指标包括POI数量,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述POI数据中提取得到所述待评估企业所处地点对应的预设空间范围内的POI数量。
进一步地,所述时空数据包括所述待评估企业对应的遥感图像数据,所述特征指标至少包括建筑物情况、车辆情况和道路情况,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述遥感图像数据中提取得到所述待评估企业所处地点对应预设空间范围内的建筑物情况、车辆情况和道路情况。
进一步地,所述另类数据还包括所述待评估企业对应的ESG数据,所述特征指标包括ESG排名,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述ESG数据中提取得到所述待评估企业在所处行业的ESG排名。
为实现上述目的,本发明提供一种企业欺诈风险评估装置,所述装置包括:
获取模块,用于获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;
提取模块,用于从所述另类数据中提取预设的特征指标对应的特征数据;
比对模块,用于将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。
为实现上述目的,本发明还提供一种企业欺诈风险评估设备,所述企业欺诈风险评估设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的企业欺诈风险评估程序,所述企业欺诈风险评估程序被所述处理器执行时实现如上所述的企业欺诈风险评估方法的步骤。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有企业欺诈风险评估程序,所述企业欺诈风险评估程序被处理器执行时实现如上所述的企业欺诈风险评估方法的步骤。
本发明中,通过获取待评估企业的另类数据,其中,另类数据至少包括待评估企业的时空数据;从另类数据中提取预设的特征指标对应的特征数据,并将特征数据与对应特征指标的风险等级映射表进行比对,得到待评估企业的欺诈风险评估结果。相比于企业注册信息等传统数据,另类数据不易伪造,且本发明中,获取到的另类数据中至少包括待评估企业的时空数据,时空数据这一类另类数据反映了待评估企业在时间和空间上的真实度,故采用这类数据作为企业欺诈风险的评估依据,无论是针对成立时间较长的中大型企业还是小微企业,都具备更高的可靠性,也即得到的风险欺诈结果准确度更高。并且,通过从另类数据中提取各个特征指标对应的特征数据,实现了将另类数据按照风险指标进行量化,通过采用量化的特征数据与风险等级映射表进行比对,得到企业的欺诈风险评估结果,使得评估结果具备可解释性,也即增加了评估结果的可靠性。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构示意图;
图2为本发明企业欺诈风险评估方法第一实施例的流程示意图;
图3为本发明实施例涉及的一种企业欺诈风险评估流程示意图;
图4为本发明企业欺诈风险评估装置较佳实施例的功能示意图模块图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
需要说明的是,本发明实施例企业欺诈风险评估设备可以是智能手机、个人计算机和服务器等设备,在此不做具体限制。
如图1所示,该企业欺诈风险评估设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对企业欺诈风险评估设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及企业欺诈风险评估程序。其中,操作系统是管理和控制设备硬件和软件资源的程序,支持企业欺诈风险评估程序以及其它软件或程序的运行。在图1所示的设备中,用户接口1003主要用于与客户端进行数据通信;网络接口1004主要用于服务器建立通信连接;处理器1001可以用于调用存储器1005中存储的企业欺诈风险评估程序,并执行以下操作:
获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;
从所述另类数据中提取预设的特征指标对应的特征数据;
将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。
进一步地,所述获取待评估企业的另类数据的步骤之前,处理器1001还可以用于调用存储器1005中存储的企业欺诈风险评估程序,执行以下操作:
当检测到风险评估请求时,提取所述风险评估请求中待评估企业的基本信息;
所述获取待评估企业的另类数据的步骤包括:
基于所述基本信息获取所述待评估企业的另类数据;
所述将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果的步骤之后,处理器1001还可以用于调用存储器1005中存储的企业欺诈风险评估程序,执行以下操作:
输出所述待评估企业的欺诈风险评估结果。
进一步地,所述获取待评估企业的另类数据的步骤包括:
检测预设另类数据抓取系统中是否存储有所述待评估企业的另类数据;
若存储有所述待评估企业的另类数据,则从所述另类数据抓取系统中获取所述待评估企业的另类数据;
若未存储所述待评估企业的另类数据,则从预设外部数据源获取所述待评估企业对应的外部数据,并对所述外部数据进行数据分析得到所述另类数据。
进一步地,所述时空数据包括所述待评估企业所处地点的基于位置的服务LBS数据,所述特征指标包括LBS数量,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述LBS数据中提取得到所述待评估企业所处地点的LBS数量在预设时间段内的平均LBS数量。
进一步地,所述时空数据包括所述待评估企业所处地点的信息点POI数据,所述特征指标包括POI数量,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述POI数据中提取得到所述待评估企业所处地点对应的预设空间范围内的POI数量。
进一步地,所述时空数据包括所述待评估企业对应的遥感图像数据,所述特征指标至少包括建筑物情况、车辆情况和道路情况,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述遥感图像数据中提取得到所述待评估企业所处地点对应预设空间范围内的建筑物情况、车辆情况和道路情况。
进一步地,所述另类数据还包括所述待评估企业对应的ESG数据,所述特征指标包括ESG排名,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述ESG数据中提取得到所述待评估企业在所处行业的ESG排名。
基于上述的结构,提出企业欺诈风险评估方法的各实施例。
参照图2,图2为本发明企业欺诈风险评估方法第一实施例的流程示意图。需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。本发明企业欺诈风险评估方法各个实施例的执行主体可以是智能手机、个人计算机和服务器等设备,为便于描述,以下各实施例中省略执行主体进行阐述。在本实施例中,企业欺诈风险评估方法包括:
步骤S10,获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;
在本实施例中,可对各种企业进行欺诈风险评估,将需要评估的企业作为待评估企业,获取待评估企业的另类数据。另类数据是指不同于传统的交易所披露、公司公告披露的新数据,在本实施例中,另类数据至少包括待评估企业的时空数据,还可以包括其他种类的另类数据。时空数据是待评估企业对应的具备时间属性和/或空间属性的数据,例如,待评估企业所处位置的图像数据、LBS(Location Based Service,基于位置的服务)数据和POI(Point of Interest,信息点)数据等等。时空数据这一类另类数据反映了待评估企业在时间和空间上的真实度,相比于企业注册信息等传统数据,另类数据不易伪造,从而采用这类数据作为企业欺诈风险的评估依据,具备更高的可靠性。
需要说明的是,另类数据的获取方式可以是按照待评估企业的名称,实时从网络上抓取待评估企业的各项另类数据,例如,待评估企业所处位置的POI数据可以从网页地图中抓取。还可以是从数据直接提供方或数据收集中介的数据平台获取待评估企业的另类数据。其中,数据直接提供方是指拥有某些另类数据并直接提供这些另类数据的数据方,数据收集中介是指旨在收集各个数据提供方的另类数据、并向数据需求方提供数据的数据方。
步骤S20,从所述另类数据中提取预设的特征指标对应的特征数据;
预先可设置与各种另类数据分别对应的多个特征指标,这些特征指标也可称为用于评估待评估企业的风险指标。特征指标可以根据具体的应用场景和专家经验进行设置。例如,对于待评估企业的LBS数据,可设置特征指标:待评估企业最近更新的LBS数量;又如,对于待评估企业的POI数据,可设置特征指标:待评估企业是否存在企业POI。
在获取到待评估企业的另类数据后,可从另类数据中提取各个特征指标对应的特征数据。例如,当特征指标包括待评估企业是否存在企业POI这一项指标时,可从另类数据的POI数据中查找是否存在待评估企业对应的POI,查找结果即该指标对应的特征数据,也即查找到待评估企业对应的POI时,特征数据为存在企业POI,未查找到待评估企业对应的POI时,特征数据为不存在企业POI。
步骤S30,将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。
对每个特征指标预先设置了一个风险等级映射表。该风险等级映射表包括不同的数据取值范围与不同的风险等级之间的映射关系。将该各个特征数据与对应特征指标的风险等级映射表进行比对,得到待评估企业的欺诈风险评估结果。也即,对每个特征数据,将该特征数据与其对应的特征指标的风险等级映射表进行比对,判断该特征数据落入该风险等级映射表中哪个数据取值范围,即确定该特征数据对应的风险等级。
比对得到每个特征数据对应的风险等级后,可直接将各个风险等级作为待评估企业的欺诈风险评估结果。
进一步地,也可以根据各个风险等级确定最终的风险级别,具体可以是设置一个包括风险等级的数量与风险级别之间映射关系的映射表,统计各种风险等级的数量,再根据该映射表确定最终的风险级别,将风险级别作为待评估企业的欺诈风险评估结果。例如,可设置正常、提示、警告和严重这四个风险等级,并设置如下表1所示的映射表,在确定每个特征数据对应的风险等级后,统计各个等级的数量,根据映射表进行等级的换算,得到最终的风险级别。
风险等级 | 映射风险 |
严重 | 严重 |
警告*2 | 严重 |
提示*2 | 警告 |
正常 | 正常 |
表1
表1所示的映射表中,2个提示等级可换算为一个警告等级,2个警告等级可换算为一个严重等级;换算后,若存在严重等级,则待评估企业的欺诈风险评估结果为严重级别,也即欺诈风险极高;若没有严重等级但存在警告等级,则待评估企业的欺诈风险评估结果为警告级别,也即欺诈风险较高;若没有严重和警告等级但存在提示等级,则待评估企业的欺诈风险评估结果为提示级别,也即有一定的欺诈风险;若只有正常等级,则待评估企业的欺诈风险评估结果为正常级别,也即没有欺诈风险。
在本实施例中,通过获取待评估企业的另类数据,其中,另类数据至少包括待评估企业的时空数据;从另类数据中提取预设的特征指标对应的特征数据,并将特征数据与对应特征指标的风险等级映射表进行比对,得到待评估企业的欺诈风险评估结果。相比于企业注册信息等传统数据,另类数据不易伪造,且本实施例中,获取到的另类数据中至少包括待评估企业的时空数据,时空数据这一类另类数据反映了待评估企业在时间和空间上的真实度,故采用这类数据作为企业欺诈风险的评估依据,具备更高的可靠性,也即得到的风险欺诈结果准确度更高。并且,通过从另类数据中提取各个特征指标对应的特征数据,实现了将另类数据按照风险指标进行量化,通过采用量化的特征数据与风险等级映射表进行比对,得到企业的欺诈风险评估结果,使得评估结果具备可解释性,也即增加了评估结果的可靠性。并且,本实施例方案实现了无需用户实地调研,可以远程快速通过另类数据获取企业信息的真伪,把控企业欺诈风险。
进一步地,基于上述第一实施例,提出本发明企业欺诈风险评估方法第二实施例,在本实施例中,所述步骤S10之前,还包括:
步骤S40,当检测到风险评估请求时,提取所述风险评估请求中待评估企业的基本信息;
当检测到风险评估请求时,提取该风险评估请求中携带的企业基本信息,将该企业基本信息对应的企业作为待评估企业。其中,企业的基本信息可以是包括但不限于企业名称、地理位置信息和法人信息中的一项或多项。
在实际应用场景中,可在客户端设置供用户查询企业欺诈风险评估的入口,例如,为应聘者提供的查询招聘企业是否为欺诈公司的查询通道。风险评估请求可以是从用户的客户端发出的请求,客户端基于用户输入的企业基本信息生成风险评估请求,该风险评估请求中至少携带有用户输入的企业基本信息,并向后台风险评估系统发送该风险评估请求。
所述步骤S10包括:
步骤S101,基于所述基本信息获取所述待评估企业的另类数据;
获取到待评估企业的基本信息后,根据该基本信息获取待评估企业的另类数据。具体地,另类数据的获取方式可以是按照企业的基本信息,从网络上抓取待评估企业的各项另类数据,例如,待评估企业所处位置的POI数据可以从网页地图中抓取。
所述步骤S30之后,还包括:
步骤S50,输出所述待评估企业的欺诈风险评估结果。
在评估得到待评估企业的欺诈风险评估结果后,可将该欺诈风险评估结果输出。例如,可输出至提交风险评估请求的客户端,以供客户端将该评估结果反馈给用户,使得用户及时了解待评估企业的情况,避免被诈骗企业欺骗而造成不良影响。
进一步地,所述步骤S10包括:
步骤S102,检测预设另类数据抓取系统中是否存储有所述待评估企业的另类数据;
在一实施方式中,可预先设置一个另类数据抓取系统,通过该系统预先抓取各个企业的另类数据并保存在该系统中,并可设置另类数据抓取系统定期更新系统中的企业以及企业对应的另类数据,使得系统中的另类数据具备实时性,以支持实时的企业欺诈风险评估。
另类数据抓取系统抓取另类数据的方式可以是按照企业的名称等信息,从网络上抓取各项另类数据,或者从数据直接提供方或数据收集中介的数据平台获取待评估企业的另类数据。其中,数据直接提供方是指拥有某些另类数据并直接提供这些另类数据的数据方,数据收集中介是指旨在收集各个数据提供方的另类数据、并向数据需求方提供数据的数据方。
对于待评估企业,可检测该另类数据抓取系统中是否存储有该待评估企业的另类数据。具体地,可以按照该待评估企业的企业名称在另类数据抓取数据库中进行匹配,若匹配到,则确定存储有该待评估企业的另类数据,若未匹配到,则确定未存储有该待评估企业的另类数据。例如,可基于从风险评估请求中提取到的企业基本信息从另类数据抓取系统中进行匹配。
步骤S103,若存储有所述待评估企业的另类数据,则从所述另类数据抓取系统中获取所述待评估企业的另类数据;
若检测到另类数据抓取系统中存储有待评估企业的另类数据,则直接从该另类数据抓取系统中获取待评估企业的另类数据。由于企业另类数据种类多样,且往往来自于不同的数据源,抓取各种另类数据需要耗费较长的时间,本实施例中,通过另类数据抓取系统提前获取到了该待评估企业的另类数据,使得当有对该待评估企业进行风险评估的需求时,能够快速地获取到该企业的另类数据,极大地提升了风险评估的效率,在实际应用中,节省了网络资源,提高了用户体验。
步骤S104,若未存储所述待评估企业的另类数据,则从预设外部数据源获取所述待评估企业对应的外部数据,并对所述外部数据进行数据分析得到所述另类数据。
若检测到另类数据抓取系统中未存储待评估企业的另类数据,则从预设外部数据源获取该待评估企业对应的外部数据。其中,外部数据源可以是数据直接提供方或数据收集中介。由于另类数据抓取系统外部数据源获取到的数据(以下称为外部数据)可能是非结构化的数据,例如一些包含另类数据信息的文本形式的数据,计算机无法直接依据这些数据进行风险评估,故可对获取到的外部数据进行数据分析,将外部数据转化为结构化的数据,将结构化的数据作为另类数据。数据分析的方法可采用现有将非结构化数据处理为结构化数据的方法,例如,对于文本形式的数据,可采用自然语言识别技术,从文本形式数据中提取结构化的信息。
在获取到另类数据抓取系统中未存储的另类数据后,可将该另类数据添加至另类数据抓取系统中,以便于再次对该待评估企业进行风险评估时,可直接从另类数据抓取系统中获取该待评估企业的另类数据,以提高风险评估效率。
进一步地,基于上述第一和/或二实施例,提出本发明企业欺诈风险评估方法第三实施例。在本实施例中,所述时空数据包括所述待评估企业所处地点的基于位置的服务LBS数据,所述特征指标包括LBS数量,所述步骤S20包括:
步骤S201,从所述LBS数据中提取得到所述待评估企业所处地点的LBS数量在预设时间段内的平均LBS数量。
待评估企业的时空数据可包括该待评估企业所处地点的LBS数据,具体地,LBS数据可以包括历史一段时间内该待评估企业所处地点范围内移动终端用户的位置信息。
在本实施例中,与该LBS数据对应的特征指标可以是该待评估企业所处地点的LBS数量在预设时间段内的平均LBS数量。其中,预设时间段可以是预先设置的,例如最近三个月内。那么,在获取到待评估企业的LBS数据后,可从中提取预设时间段内每个时间点该待评估企业所处地点的LBS数量,其中,基于移动终端用户的位置信息,可得到处于该待评估企业所处地点的移动终端用户数量,该数量即LBS数量;将各个时间点对应的LBS数量进行平均,即可得到待评估企业所处地点的LBS数量在预设时间段内的平均数量。
进一步地,与该特征指标对应的风险等级映射表可以是包括根据LBS数量设置的不同取值范围与风险等级的映射关系;或者可以是包括根据LBS数量与企业人数的比值设置的不同取值范围与风险等级的映射关系。
如下表2所示,为一种风险等级映射表的示例,表中设置了LBS数量与企业人数的比值对应的风险等级。当获取待评估企业对应的LBS数量后,获取待评估企业的企业人数,计算LBS数量与该企业人数的比值,再将该比值与风险等级映射表中各个取值范围进行比对,确定待评估企业在该特征指标下的风险等级。在实际应用中,可根据具体情况采取与表2不同的阈值。
LBS数量与企业人数比值 | 警告级别 |
大于 | 正常 |
小于10% | 正常 |
10%-30% | 提示 |
30%-50% | 警告 |
大于50% | 严重 |
表2
LBS数据是基于电信移动运营商的无线电通讯网络(如GSM网、CDMA网)或外部定位方式(如GPS)获取到的数据,企业无法伪造,且无论是成立已久的大型企业,还是新成立的小微企业,都能获取到其对应的LBS数据,因此,在本实施例中,采用待评估企业的LBS数据为依据来评估待评估企业的欺诈风险,相对于传统数据,更加具备可靠性,评估得到的欺诈风险评估结果更具准确性。
需要说明的是,与LBS数据对应的特征指标也可以是其他指标,具体可根据实际应用情况进行设置。
进一步地,在一实施方式中,所述时空数据包括所述待评估企业所处地点的信息点POI数据,所述特征指标包括POI数量,所述步骤S20包括:
步骤S202,从所述POI数据中提取得到所述待评估企业所处地点对应的预设空间范围内的POI数量。
待评估企业的时空数据可包括该待评估企业所处地点的POI数据,具体地,POI数据可以包括历史一段时间内该待评估企业所处地点范围内的各种POI数据。
在本实施例中,与该POI数据对应的特征指标可以是该待评估企业所处地点对应的预设空间范围内的POI数量。其中,预设空间范围可以是预先设置的,例如,设置为企业周围五公里范围。那么,在获取到待评估企业的LBS数据后,可从中提取该预设空间范围内的POI数量,也即,统计POI数据中处于该预设空间范围内的POI信息点的数量。
进一步地,与该特征指标对应的风险等级映射表可以是包括根据POI数量设置的不同取值范围与风险等级之间的映射关系。当POI数据对应的特征指标还包括待评估企业是否存在企业POI这一项时,可根据获取到的待评估企业对应的POI数据,确定待评估企业是否存在企业POI,并根据确定结果和提取到的POI数量,在风险等级映射表中进行比对,确定待评估企业在该特征指标下的风险等级。如表3所示,为一种风险等级映射表的示例,在实际应用中,可根据具体情况采取与表3不同的阈值。
POI信息 | 警告级别 |
企业POI存在且周边五公里范围内数量大于等于5 | 正常 |
企业POI存在且周边五公里范围内数量小于5 | 警告 |
企业POI不存在 | 严重 |
表3
POI数据一般是官方设置的信息点数据,企业无法对其进行伪造,即使企业可以伪造自身的企业POI,也无法伪造其周边范围的POI信息点,且无论是成立已久的大型企业,还是新成立的小微企业,都能获取到其对应的POI数据,因此,在本实施例中,采用待评估企业的POI数据为依据来评估待评估企业的欺诈风险,相对于传统数据,更加具备可靠性,评估得到的欺诈风险评估结果更具准确性。
进一步地,在一实施方式中,所述时空数据包括所述待评估企业对应的遥感图像数据,所述特征指标至少包括建筑物情况、车辆情况和道路情况,所述步骤S20包括:
步骤S203,从所述遥感图像数据中提取得到所述待评估企业所处地点对应预设空间范围内的建筑物情况、车辆情况和道路情况。
待评估企业的时空数据可包括待评估企业对应的遥感图像数据,具体地,遥感图像数据可以包括遥感卫星在历史一段时间内采集到的该待评估企业所处位置的遥感图像。
在本实施例中,与该遥感图像数据对应的特征指标可以是该待评估企业所处地点对应的预设空间范围内的建筑物情况、车辆情况和道路情况。其中,预设空间范围可以是预先设置的,例如,设置为企业周围一公里范围。建筑物情况可以是有无建筑物的情况,车辆情况可以是车辆的数量,例如多个工作日的平均车辆,道路情况可以是道路的数量。那么,在获取到待评估企业的遥感图像数据后,可从图像数据中识别建筑物、车辆和道路,并分别统计识别到的建筑物、车辆和道路的数量,进而得到建筑物情况、车辆情况和道路情况。需要说明的是,从图像数据中识别建筑物、车辆和道路的方式可采用常用的图像识别方法,在此不进行详细赘述。
进一步地,可分别设置建筑物情况、车辆情况和道路情况三者对应的风险等级映射表。如表4所示,为建筑物情况对应的一种风险等级映射表示例,表5所示为车辆情况对应的一种风险等级映射表示例,表6所示为道路情况对应的一种风险等级映射表示例。在实际应用中,可根据具体情况采用与表4、5和6不同的阈值。
建筑物情况 | 警告级别 |
存在 | 正常 |
不存在 | 严重 |
表4
车辆情况 | 警告级别 |
存在车辆且1公里范围内车辆数量大于等于10辆 | 正常 |
存在车辆且1公里范围内车辆数量小于10辆 | 提示 |
不存在车辆 | 警告 |
表5
道路情况 | 警告级别 |
存在交通道路且道路大于等于3条 | 正常 |
存在交通道路且道路小于3条 | 提示 |
不存在道路 | 严重 |
表6
遥感图像数据是基于遥感卫星实际拍摄的图像数据,企业无法对其所处位置的周边建筑物、车辆和道路进行造假,且无论是成立已久的大型企业,还是新成立的小微企业,都能获取到其对应的遥感图像数据,因此,在本实施例中,采用待评估企业的遥感图像数据为依据来评估待评估企业的欺诈风险,相对于传统数据,更加具备可靠性,评估得到的欺诈风险评估结果更具准确性。
进一步地,在一实施方式中,时空数据可包括LBS数据、POI数据和遥感图像数据中的任意多项。当时空数据中包括较多种类的数据时,使得企业欺诈风险评估的依据更加充足,获得的评估结果更具可信度和准确度。
进一步地,在一实施方式中,所述另类数据还包括所述待评估企业对应的ESG数据,所述特征指标包括ESG排名,所述步骤S20包括:
步骤S204,从所述ESG数据中提取得到所述待评估企业在所处行业的ESG排名。
待评估企业的另类数据还可包括待评估企业对应的ESG数据,具体地,ESG数据可包括待评估企业在历史一段时间内的ESG评级数据。ESG(Environment、SocialResponsibility、Corporate Governance),即环境、社会和公司治理,包括信息披露、评估评级和投资指引三个方面,是社会责任投资的基础,是绿色金融体系的重要组成部分。
在本实施例中,与ESG数据对应的特征指标可以是待评估企业在所处行业的ESG排名,可以是当前排名,也可以是历史时间段内的平均排名。那么,在获取到待评估企业的ESG数据后,可从ESG数据中提取出待评估企业在其所处行业的ESG排名。
进一步地,与该特征指标对应的风险等级映射表可以包括根据ESG排名设置的不同取值范围与风险等级的映射关系。如下表7所示,为一种ESG排名对应的风险等级映射表示例。当获取到待评估企业的ESG排名后,将该ESG排名与表中的各个取值范围进行比对,确定待评估企业在该特征指标下的风险等级。在实际应用中,可根据具体情况采取与表7中不同的阈值。
ESG排名 | 警告级别 |
所属行业排行前75% | 正常 |
所属行业排行后25% | 提示 |
表7
在本实施例中,另类数据还包括企业ESG数据,ESG评级结果结合了企业的舆情、公告和处罚信息,极大关联了企业的社会评价,且企业难以伪造,故本实施例中,采用ESG数据作为企业欺诈风险评估的依据,相比于相对于传统数据,更加具备可靠性,评估得到的欺诈风险评估结果更具准确性。
进一步地,在一实施方式中,可按照如图3所示的流程图进行企业欺诈风险评估。用户输入企业的基本信息,根据基本信息在另类数据抓取系统中获取企业的ESG数据、LBS数据、POI数据和遥感图像数据等等另类数据;从另类数据中抽取各个特征指标对应的特征数据,并根据特征数据评估得到企业的招聘欺诈风险;另类数据抓取系统定期更新各个企业的另类数据,相应地,也定期依据更新的数据评估企业的招聘欺诈风险;监测告警机制将欺诈风险评估结果反馈给用户,并实时监测欺诈风险评估结果是否有变动,以实时将最新的欺诈风险评估结果反馈用户。
此外本发明实施例还提出一种企业欺诈风险评估装置,参照图4,所述装置包括:
获取模块10,用于获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;
提取模块20,用于从所述另类数据中提取预设的特征指标对应的特征数据;
比对模块30,用于将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。
进一步地,所述提取模块20还用于当检测到风险评估请求时,提取所述风险评估请求中待评估企业的基本信息;
所述获取模块10还用于基于所述基本信息获取所述待评估企业的另类数据;
所述装置还包括:
输出模块,用于输出所述待评估企业的欺诈风险评估结果。
进一步地,所述获取模块10包括:
检测单元,用于检测预设另类数据抓取系统中是否存储有所述待评估企业的另类数据;
第一获取单元,用于若存储有所述待评估企业的另类数据,则从所述另类数据抓取系统中获取所述待评估企业的另类数据;
第二获取单元,用于若未存储所述待评估企业的另类数据,则从预设外部数据源获取所述待评估企业对应的外部数据,并对所述外部数据进行数据分析得到所述另类数据。
进一步地,所述时空数据包括所述待评估企业所处地点的基于位置的服务LBS数据,所述特征指标包括LBS数量,
所述提取模块20还用于从所述LBS数据中提取得到所述待评估企业所处地点的LBS数量在预设时间段内的平均LBS数量。
进一步地,所述时空数据包括所述待评估企业所处地点的信息点POI数据,所述特征指标包括POI数量,
所述提取模块20还用于从所述POI数据中提取得到所述待评估企业所处地点对应的预设空间范围内的POI数量。
进一步地,所述时空数据包括所述待评估企业对应的遥感图像数据,所述特征指标至少包括建筑物情况、车辆情况和道路情况,
所述提取模块20还用于从所述遥感图像数据中提取得到所述待评估企业所处地点对应预设空间范围内的建筑物情况、车辆情况和道路情况。
进一步地,所述另类数据还包括所述待评估企业对应的ESG数据,所述特征指标包括ESG排名,
所述提取模块20还用于从所述ESG数据中提取得到所述待评估企业在所处行业的ESG排名。
本发明企业欺诈风险评估装置的具体实施方式的拓展内容与上述企业欺诈风险评估方法各实施例基本相同,在此不做赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述存储介质上存储有企业欺诈风险评估程序,所述企业欺诈风险评估程序被处理器执行时实现如下所述的企业欺诈风险评估方法的步骤。
本发明企业欺诈风险评估设备和计算机可读存储介质的各实施例,均可参照本发明企业欺诈风险评估方法各实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种企业欺诈风险评估方法,其特征在于,所述方法包括以下步骤:
获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;
从所述另类数据中提取预设的特征指标对应的特征数据;
将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。
2.如权利要求1所述的企业欺诈风险评估方法,其特征在于,所述获取待评估企业的另类数据的步骤之前,还包括:
当检测到风险评估请求时,提取所述风险评估请求中待评估企业的基本信息;
所述获取待评估企业的另类数据的步骤包括:
基于所述基本信息获取所述待评估企业的另类数据;
所述将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果的步骤之后,还包括:
输出所述待评估企业的欺诈风险评估结果。
3.如权利要求1所述的企业欺诈风险评估方法,其特征在于,所述获取待评估企业的另类数据的步骤包括:
检测预设另类数据抓取系统中是否存储有所述待评估企业的另类数据;
若存储有所述待评估企业的另类数据,则从所述另类数据抓取系统中获取所述待评估企业的另类数据;
若未存储所述待评估企业的另类数据,则从预设外部数据源获取所述待评估企业对应的外部数据,并对所述外部数据进行数据分析得到所述另类数据。
4.如权利要求1所述的企业欺诈风险评估方法,其特征在于,所述时空数据包括所述待评估企业所处地点的基于位置的服务LBS数据,所述特征指标包括LBS数量,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述LBS数据中提取得到所述待评估企业所处地点的LBS数量在预设时间段内的平均LBS数量。
5.如权利要求1所述的企业欺诈风险评估方法,其特征在于,所述时空数据包括所述待评估企业所处地点的信息点POI数据,所述特征指标包括POI数量,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述POI数据中提取得到所述待评估企业所处地点对应的预设空间范围内的POI数量。
6.如权利要求1所述的企业欺诈风险评估方法,其特征在于,所述时空数据包括所述待评估企业对应的遥感图像数据,所述特征指标至少包括建筑物情况、车辆情况和道路情况,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述遥感图像数据中提取得到所述待评估企业所处地点对应预设空间范围内的建筑物情况、车辆情况和道路情况。
7.如权利要求1至6任一项所述的企业欺诈风险评估方法,其特征在于,所述另类数据还包括所述待评估企业对应的ESG数据,所述特征指标包括ESG排名,
所述从所述另类数据中提取预设的特征指标对应的特征数据的步骤包括:
从所述ESG数据中提取得到所述待评估企业在所处行业的ESG排名。
8.一种企业欺诈风险评估装置,其特征在于,所述装置包括:
获取模块,用于获取待评估企业的另类数据,其中,所述另类数据至少包括所述待评估企业的时空数据;
提取模块,用于从所述另类数据中提取预设的特征指标对应的特征数据;
比对模块,用于将所述特征数据与对应特征指标的风险等级映射表进行比对,得到所述待评估企业的欺诈风险评估结果。
9.一种企业欺诈风险评估设备,其特征在于,所述企业欺诈风险评估设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的企业欺诈风险评估程序,所述企业欺诈风险评估程序被所述处理器执行时实现如权利要求1至7中任一项所述的企业欺诈风险评估方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有企业欺诈风险评估程序,所述企业欺诈风险评估程序被处理器执行时实现如权利要求1至7中任一项所述的企业欺诈风险评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664913.9A CN111798151B (zh) | 2020-07-10 | 2020-07-10 | 企业欺诈风险评估方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664913.9A CN111798151B (zh) | 2020-07-10 | 2020-07-10 | 企业欺诈风险评估方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111798151A true CN111798151A (zh) | 2020-10-20 |
CN111798151B CN111798151B (zh) | 2024-06-11 |
Family
ID=72807057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010664913.9A Active CN111798151B (zh) | 2020-07-10 | 2020-07-10 | 企业欺诈风险评估方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111798151B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541698A (zh) * | 2020-12-22 | 2021-03-23 | 北京中数智汇科技股份有限公司 | 基于企业外部特征识别企业风险的方法和系统 |
CN117634997A (zh) * | 2023-12-04 | 2024-03-01 | 北京一点五度科技有限公司 | 一种企业组织价值链资产定位与制图的深度神经网络方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120254243A1 (en) * | 2005-04-21 | 2012-10-04 | Torsten Zeppenfeld | Systems, methods, and media for generating hierarchical fused risk scores |
CN107491537A (zh) * | 2017-08-23 | 2017-12-19 | 北京百度网讯科技有限公司 | Poi数据挖掘、信息检索方法、装置、设备及介质 |
CN107766417A (zh) * | 2017-09-08 | 2018-03-06 | 百度在线网络技术(北京)有限公司 | 一种用于提交poi数据的方法与设备 |
CN109063985A (zh) * | 2018-07-18 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种业务的风险决策方法及装置 |
CN109118247A (zh) * | 2018-08-01 | 2019-01-01 | 安徽好车到家信息科技有限公司 | 基于lbs数据库和客户画像的汽车消费信用反欺诈系统及分析方法 |
CN109657978A (zh) * | 2018-12-19 | 2019-04-19 | 重庆誉存大数据科技有限公司 | 一种风险识别方法和系统 |
CN109919781A (zh) * | 2019-01-24 | 2019-06-21 | 平安科技(深圳)有限公司 | 团伙欺诈案件识别方法、电子装置及计算机可读存储介质 |
CN109934467A (zh) * | 2019-02-22 | 2019-06-25 | 赛飞特工程技术集团有限公司 | 企业风险云图系统 |
CN110166943A (zh) * | 2018-02-02 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 终端位置信息的处理方法 |
CN110334929A (zh) * | 2019-06-25 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 基于另类数据的互联网企业估值方法和系统 |
CN110458697A (zh) * | 2019-08-19 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于评估风险的方法和装置 |
CN110458662A (zh) * | 2019-08-06 | 2019-11-15 | 西安纸贵互联网科技有限公司 | 反欺诈风控方法及装置 |
CN110472884A (zh) * | 2019-08-20 | 2019-11-19 | 深圳前海微众银行股份有限公司 | Esg指标监控方法、装置、终端设备及存储介质 |
CN111178614A (zh) * | 2019-12-24 | 2020-05-19 | 成都数联铭品科技有限公司 | 一种企业风险的预测方法及系统 |
CN111222790A (zh) * | 2020-01-06 | 2020-06-02 | 深圳前海微众银行股份有限公司 | 风险事件发生概率的预测方法、装置、设备及存储介质 |
CN111275338A (zh) * | 2020-01-20 | 2020-06-12 | 深圳微众税银信息服务有限公司 | 一种企业欺诈行为的判定方法、装置、设备及存储介质 |
-
2020
- 2020-07-10 CN CN202010664913.9A patent/CN111798151B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120254243A1 (en) * | 2005-04-21 | 2012-10-04 | Torsten Zeppenfeld | Systems, methods, and media for generating hierarchical fused risk scores |
CN107491537A (zh) * | 2017-08-23 | 2017-12-19 | 北京百度网讯科技有限公司 | Poi数据挖掘、信息检索方法、装置、设备及介质 |
CN107766417A (zh) * | 2017-09-08 | 2018-03-06 | 百度在线网络技术(北京)有限公司 | 一种用于提交poi数据的方法与设备 |
CN110166943A (zh) * | 2018-02-02 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 终端位置信息的处理方法 |
CN109063985A (zh) * | 2018-07-18 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种业务的风险决策方法及装置 |
CN109118247A (zh) * | 2018-08-01 | 2019-01-01 | 安徽好车到家信息科技有限公司 | 基于lbs数据库和客户画像的汽车消费信用反欺诈系统及分析方法 |
CN109657978A (zh) * | 2018-12-19 | 2019-04-19 | 重庆誉存大数据科技有限公司 | 一种风险识别方法和系统 |
CN109919781A (zh) * | 2019-01-24 | 2019-06-21 | 平安科技(深圳)有限公司 | 团伙欺诈案件识别方法、电子装置及计算机可读存储介质 |
CN109934467A (zh) * | 2019-02-22 | 2019-06-25 | 赛飞特工程技术集团有限公司 | 企业风险云图系统 |
CN110334929A (zh) * | 2019-06-25 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 基于另类数据的互联网企业估值方法和系统 |
CN110458662A (zh) * | 2019-08-06 | 2019-11-15 | 西安纸贵互联网科技有限公司 | 反欺诈风控方法及装置 |
CN110458697A (zh) * | 2019-08-19 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于评估风险的方法和装置 |
CN110472884A (zh) * | 2019-08-20 | 2019-11-19 | 深圳前海微众银行股份有限公司 | Esg指标监控方法、装置、终端设备及存储介质 |
CN111178614A (zh) * | 2019-12-24 | 2020-05-19 | 成都数联铭品科技有限公司 | 一种企业风险的预测方法及系统 |
CN111222790A (zh) * | 2020-01-06 | 2020-06-02 | 深圳前海微众银行股份有限公司 | 风险事件发生概率的预测方法、装置、设备及存储介质 |
CN111275338A (zh) * | 2020-01-20 | 2020-06-12 | 深圳微众税银信息服务有限公司 | 一种企业欺诈行为的判定方法、装置、设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541698A (zh) * | 2020-12-22 | 2021-03-23 | 北京中数智汇科技股份有限公司 | 基于企业外部特征识别企业风险的方法和系统 |
CN117634997A (zh) * | 2023-12-04 | 2024-03-01 | 北京一点五度科技有限公司 | 一种企业组织价值链资产定位与制图的深度神经网络方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111798151B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9313616B2 (en) | System and method for automated identification of location types for geofences | |
US7840340B2 (en) | Systems, methods, and computer program products for generating reference geocodes for point addresses | |
WO2018201977A1 (zh) | 查勘任务分配方法、系统、服务器和存储介质 | |
US20140254879A1 (en) | Location Classification Based on License Plate Recognition Information | |
US20150081212A1 (en) | System and method for automated correction of geofences | |
CN112684133B (zh) | 基于大数据平台的水质监测预警方法、系统及存储介质 | |
JP2019512764A (ja) | ユーザ地理的ロケーションのタイプを識別するための方法および装置 | |
CN111798151B (zh) | 企业欺诈风险评估方法、装置、设备及可读存储介质 | |
CN112862593B (zh) | 信用评分卡模型训练方法、装置、系统及计算机存储介质 | |
CN111307194B (zh) | 基于北斗的环境设备检测方法、装置、设备及存储介质 | |
CN111738558B (zh) | 行为风险识别的可视化方法、装置、设备及存储介质 | |
CN111435357A (zh) | 加油站客户流失预测方法、装置、电子设备及存储介质 | |
CN107784591B (zh) | 名单数据处理方法及装置 | |
CN111382944A (zh) | 作业行为风险识别方法、装置、计算机设备和存储介质 | |
CN113205130B (zh) | 一种数据审核方法、装置、电子设备及存储介质 | |
CN114201640A (zh) | 一种基于视频采集的园区管理方法、系统及相关设备 | |
CN109218062B (zh) | 基于置信区间的互联网业务报警方法和装置 | |
CN112581337B (zh) | 一种判断实有人口是否漏登的方法及终端 | |
CN108075918B (zh) | 互联网业务变更检测方法及系统 | |
CN110598567A (zh) | 基于社区的垃圾管理方法及系统、计算机可读存储介质 | |
CN115329994A (zh) | 智能水利巡检方法 | |
CN111475657B (zh) | 一种显示设备、显示系统及实体对齐方法 | |
CN113850923B (zh) | 考勤统计方法、装置、设备及计算机可读存储介质 | |
CN112434877A (zh) | 一种基于云计算的智慧城市数据处理方法及装置 | |
CN107346329B (zh) | 一种数据处理方法和装置 |
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 |