CN112016850A - 业务评估方法以及装置 - Google Patents
业务评估方法以及装置 Download PDFInfo
- Publication number
- CN112016850A CN112016850A CN202010961652.7A CN202010961652A CN112016850A CN 112016850 A CN112016850 A CN 112016850A CN 202010961652 A CN202010961652 A CN 202010961652A CN 112016850 A CN112016850 A CN 112016850A
- Authority
- CN
- China
- Prior art keywords
- service
- information
- evaluation
- penalty
- business
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供业务评估方法以及装置,其中所述业务评估方法包括:获取业务评估指令,根据业务评估指令中包含的待评估的目标业务主体的标识信息,在预先构建的关系网络图中查询与目标业务主体存在关联关系的至少一个参考业务主体,查询至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取合规检测数据中包含的处罚公示信息,根据处罚公示信息对目标业务主体的至少一个业务维度进行业务评估并输出评估结果;根据已完成合规检测的参考业务主体的处罚公示信息,对与参考业务主体存在关联关系的目标业务主体进行业务评估,有利于保证针对目标业务主体进行风险评估的及时性、有效性。
Description
技术领域
本说明书实施例涉及计算机技术领域,特别涉及一种业务评估方法。本说明书一个或者多个实施例同时涉及一种业务评估装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
随着互联网的不断发展和金融体系的不断完善,企业风险评估已逐渐成为经济活动中不可或缺的一部分。所谓企业风险评估,是指对所收集的风险管理初始信息和企业各项业务管理及其重要业务流程进行的风险评估,对企业进行风险评估,有利于更好的了解风险、把握风险,以及对风险做出防范措施。
在互联网领域,尤其是金融业务领域,在进行业务事件处理时,比如资金转账、交易支付、保险理赔等,为了防止发生恶意诈骗等风险,业务提供方(例如,银行、保险公司等)通常需要使用客户的业务数据来针对业务事件进行风险识别和防控。然而,由于业务提供方处所具有的客户业务数据的数据量较小,而且会存在信息获取滞后、信息真实性不易核验等效率低下等问题,这对风险评估的及时性、有效性造成了很大障碍,从而使得风险识别和防控的效果不佳,因此亟需一种有效的方法以解决此类问题。
发明内容
有鉴于此,本说明书实施例提供了一种业务评估方法。本说明书一个或者多个实施例同时涉及一种业务评估装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种业务评估方法,包括:
获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
可选地,所述提取所述合规检测数据中包含的处罚公示信息之后,还包括:
对所述处罚公示信息进行预处理,获得所述处罚公示信息中包含的实体信息;
根据所述实体信息确定所述处罚公示信息对应的业务评估领域;
根据预设的不同业务评估领域与处罚公示信息的权重之间的对应关系,确定所述处罚公示信息对应的权重。
可选地,所述对所述处罚公示信息进行预处理,获得所述处罚公示信息中包含的实体信息,包括:
对所述处罚公示信息进行分词处理,获得所述实体信息;或,
通过命名实体识别模型和/或预定的关键词提取规则,对所述处罚公示信息中包含的实体信息进行识别和提取。
可选地,所述根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果,包括:
将所述处罚公示信息输入业务评估模型以对所述至少一个目标业务主体的至少一个业务维度进行评估,获得与所述至少一个目标业务主体的至少一个业务维度对应的评估结果并输出。
可选地,所述在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体,包括:
在所述关系网络图中抽取出与所述目标业务主体相关联的子网络图,并基于所述子网络图中的节点构建节点集合,其中,所述关系网络图基于股权结构构造;
相应的,所述根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果,包括:
将所述节点集合中各节点的特征属性值、各节点的表征向量、各节点与所述目标业务主体的相关度以及各节点的处罚公示信息,输入预先训练的业务评估模型,获得所述目标业务主体的至少一个业务维度的评估结果;
其中,所述业务评估模型基于所述关系网络图中节点的特征属性、表征向量以及处罚标签训练得到。
可选地,所述输出评估结果之后,还包括:
建立所述评估结果与所述关系网络图中至少一个目标业务主体的至少一个业务维度的关联关系并存储。
可选地,所述确定所述处罚公示信息对应的权重之后,还包括:
对所述处罚公示信息以及所述处罚公示信息对应的权重进行加权求和,将获得的加权求和值确定为所述至少一个目标业务主体的至少一个业务维度的评估结果并输出。
可选地,所述关系网络图通过以下方式构建:
根据预先获取的业务主体的标识信息查询所述业务主体的交易数据;
对所述交易数据进行实体抽取、关系抽取和属性抽取,获得所述交易数据中的候选实体、关系和候选实体的属性信息;
对所述候选实体、关系和候选实体的属性信息进行知识融合,获得结构化数据;
对所述结构化数据进行知识推理,获得所述关系网络图。
可选地,所述对所述候选实体、关系和候选实体的属性信息进行知识融合,获得结构化数据,包括:
对所述候选实体进行实体消歧、实体归一和指代消解,确定目标实体;
根据所述目标实体确定对应的目标关系和目标实体的属性信息。
可选地,所述关系网络图为股权关系网络图,所述股权关系网络图通过以下方式构建:
根据预先获取的业务主体的标识信息确定所述业务主体的股权结构信息;
根据所述股权结构信息中股东信息的标识信息获取与所述股东信息的标识信息关联的候选业务主体的标识信息;
将所述业务主体的标识信息作为所述股权关系网络图的根节点,将所述股东信息的标识信息以及所述候选业务主体的标识信息作为所述股权关系网络图的子节点,将所述根节点与所述子节点、所述子节点与所述子节点进行连接,得到所述股权关系网络图。
根据本说明书实施例的第二方面,提供了一种业务评估装置,包括:
获取模块,被配置为获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
查询模块,被配置为根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
提取模块,被配置为查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
评估模块,被配置为根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
根据本说明书实施例的第三方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
根据本说明书实施例的第四方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现所述业务评估方法的步骤。
本说明书一个实施例通过获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息,根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体,查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息,根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果;
实现了根据已完成合规检测的参考业务主体的处罚公示信息,对与参考业务主体存在关联关系的目标业务主体进行业务评估,从而有利于保证针对目标业务主体进行风险评估的及时性、有效性,并有利于保证风险评估结果的准确性。
附图说明
图1是本说明书一个实施例提供的一种业务评估方法的处理流程图;
图2是本说明书一个实施例提供的一种业务评估方法应用于风险管控领域的处理过程流程图;
图3是本说明书一个实施例提供的一种业务评估装置的示意图;
图4是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本说明书中,提供了一种业务评估方法,本说明书同时涉及一种业务评估装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
企业风险评估已逐渐成为经济活动中不可或缺的一部分。所谓企业风险评估,是指对所收集的风险管理初始信息和企业各项业务管理及其重要业务流程进行的风险评估,对企业进行风险评估,有利于更好的了解风险、把握风险,以及对风险做出防范措施,但由于对企业进行风险评估的过程中,需要用到企业的经营数据,这些经营数据可由企业主动提供或由风险评估方自行获取,而由于企业提供的或自行获取的经营数据可能会存在信息获取滞后、信息真实性不易核验等问题,这对风险评估的及时性、有效性造成了很大障碍,从而使得风险识别和防控的效果不佳。
基于此,本说明书实施例通过获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息,根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体,查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息,根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果;
实现了根据已完成合规检测的参考业务主体的处罚公示信息,对与参考业务主体存在关联关系的目标业务主体进行业务评估,从而有利于保证针对目标业务主体进行风险评估的及时性、有效性,并有利于保证风险评估结果的准确性。
图1示出了根据本说明书一个实施例提供的一种业务评估方法的处理流程图,包括步骤102至步骤108。
步骤102,获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息。
具体的,所述目标业务主体即需要进行业务评估的业务主体,业务主体包括但不限于企业、商家或者店铺,业务包括但不限于资金交易业务、数据资源交易业务、计算资源交易业务以及虚拟资源交易业务等。
本说明书实施例中,通过将与所述目标业务主体关联的、已完成合规检测的业务主体作为参考业务主体,并根据所述参考业务主体的处罚公示信息,对所述目标业务主体进行业务评估,因此,在获取针对目标业务主体的评估指令后,可查询与所述目标业务主体存在关联关系的至少一个参考业务主体。
步骤104,根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体。
具体实施时,所述关系网络图可以为股权关系网络图,所述股权关系网络图通过以下方式构建:
根据预先获取的业务主体的标识信息确定所述业务主体的股权结构信息;
根据所述股权结构信息中股东信息的标识信息获取与所述股东信息的标识信息关联的候选业务主体的标识信息;
将所述业务主体的标识信息作为所述股权关系网络图的根节点,将所述股东信息的标识信息以及所述候选业务主体的标识信息作为所述股权关系网络图的子节点,将所述根节点与所述子节点、所述子节点与所述子节点进行连接,得到所述股权关系网络图。
具体的,可以基于企业的股权关系构造一个股权关系网络图,股权关系网络图上的节点包括各类实体,可以是企业,也可以是股东,其中股东可以是企业或自然人,股权关系网络图可以是一个有向图,由企业指向股东,有向图中的边表示企业与股东之间相关度。在某些实施例中,相关度可以用股权占比表示,当然也可以用股东在所述企业的股权资产表示,本申请不作限制。
另外,股权关系网络图中的部分节点可关联风险标签,风险标签可以用于表征企业存在风险或者不存在风险,也可以用于表征企业的风险等级,比如高风险、中风险、中低风险、低风险、无风险等,各等级对应一个风险系数范围。在股权关系网络图中,对某个企业的风险存在影响的节点通常是跟与该企业存在一定的关联的节点,因此,本说明书实施例可基于股权关系网络图中各节点的关系抽取出与参考节点相关联的子网络图。
本说明书实施例中,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体,具体可通过以下方式实现:
在所述关系网络图中抽取出与所述目标业务主体相关联的子网络图,并基于所述子网络图中的节点构建节点集合,其中,所述关系网络图基于股权结构构造;
相应的,所述根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果,包括:
将所述节点集合中各节点的特征属性值、各节点的表征向量、各节点与所述目标业务主体的相关度以及各节点的处罚公示信息,输入预先训练的业务评估模型,获得所述目标业务主体的至少一个业务维度的评估结果;
其中,所述业务评估模型基于所述关系网络图中节点的特征属性、表征向量以及处罚标签训练得到。
具体的,在股权关系网络图中抽取出与所述目标业务主体相关联的子网络图后,可将子网络图中的节点抽取出来构成节点集合,以根据节点集合中各节点的特征属性值、各节点的表征向量、各节点与所述目标业务主体的相关度以及所述处罚公示信息获得所述各节点的评估结果。实际应用中,子网络图可以由参考节点的一级相邻节点构成,参考节点的一级相邻节点为该企业的各个股东,因此,所述子网络图可体现股东与企业的一阶关联度;或者,子网络图可以由参考节点的一级相邻节点以及二级相邻节点构成,参考节点的一级相邻节点为该企业的各个股东,二级相邻节点为所述各个股东的其他控股企业或与所述各个股东存在关联关系的个人,因此,所述子网络图可体现股东与企业的二阶关联度,实际应用中,子网络图中包含的参考节点的相邻节点的级数可根据实际需求确定,在此不做任何限制。
除此之外,所述关系网络图可通过以下方式构建:
根据预先获取的业务主体的标识信息查询所述业务主体的交易数据;
对所述交易数据进行实体抽取、关系抽取和属性抽取,获得所述交易数据中的候选实体、关系和候选实体的属性信息;
对所述候选实体、关系和候选实体的属性信息进行知识融合,获得结构化数据;
对所述结构化数据进行知识推理,获得所述关系网络图。
进一步的,对所述候选实体、关系和候选实体的属性信息进行知识融合,获得结构化数据,具体可通过以下方式实现:
对所述候选实体进行实体消歧、实体归一和指代消解,确定目标实体;
根据所述目标实体确定对应的目标关系和目标实体的属性信息。
具体的,实体抽取,也成为命名实体识别(named entity recognition,NER),是指从文本数据集中自动识别出命名实体,如对于一段文本“C集团与B集团于xx年xx月xx日签订合作协议”,通过实体抽取,可以获得实体“C集团”、“B集团”、“xx年xx月xx日”、“合作协议”。
目标信息经过实体抽取后,得到的是一系列离散的命名实体,为了得到语义信息,还需要从相关语料中提取与实体之间的关联关系,通过关联关系将实体联系起来,才能形成网状的知识结构,这个过程可以通过关系抽取来实现,继续以上述文本为例“C集团与B集团于xx年xx月xx日签订合作协议”,从中抽取的关系为“C集团”与“B集团”合作。
属性抽取的目的是从不同的信息源中采集特定实体的属性信息,如某个公众人物、知名企业等可以从网络公开信息中得到其昵称、生日、国籍、教育背景等信息,继续沿用上例,如对于“C集团”,通过网络公开的信息中可以查到“C集团”位于D市,成立于xx年。
候选数据即为对目标信息进行知识处理后获得的实体、关系和实体的属性信息。
在实际应用中,同一个词在不同的上下文中表达不同的含义,会有不同的意思,因此需要进行实体消歧(Disambiguation),实体消歧的目的是将同一个词根据不同的上下文对应不同的实体,如对于张三,出现在篮球的上下文语境中,则其可以为球星,出现在电影相关的上下文语境中,则其可以为演员等。
同样的,在实际应用中,还有可能会出现两个词对应同一个实体的情况,如“计算机”和“电脑”,两个词虽然在字面上是两个不同的实体,但是实际指代的是相同的实体,还需要对多个候选实体进行实体归一(Entity Resolution)操作。
指代消解(Co-reference Resolution)也是知识融合中的重要一步,在待评估信息中,通常会有很多指代词如“他”、“它”、“她们”等等,知识融合还需要确定每个指代词对应的实体,如对于一句话“C集团与B集团于xx年xx月xx日签订合作协议,它们将于xx月xx日召开发布会”,其中的“它们”经过指代消解后,可以确定指代的具体是指“C集团与B集团”。
经过对候选实体的实体消歧、实体归一和指代消解等操作,可以确定目标实体,基于目标实体则可以确定与目标实体对应的关系和目标实体的属性信息。
经过上述操作,得到了一系列基本的事实表达,然后事实本身并不等同于知识,想要最终获得关系网络图,还需要对数据进行知识推理,获取实体之间的关联信息、事件的前后因果关系等。
同样的,对数据进行知识推理,根据实体之间的关联信息、事件的前后因果关系获得的关系网络图子网络图可体现企业与企业的一阶关联度;或者,股东与企业的二阶关联度。
本说明书实施例中,所述参考业务主体即已完成合规检测的业务主体,业务主体包括但不限于企业、商家或者店铺,业务包括但不限于资金交易业务、数据资源交易业务、计算资源交易业务以及虚拟资源交易业务等,业务评估领域包括但不限于监管领域、风险管控领域以及合规领域等。
实际应用中,可通过外部监管信息以及内部监管规则对业务主体进行合规检测或评估,所述外部监管信息包括但不限于预设合规检测规则和/或业务环境数据,所述预设合规检测规则即监管规则,包括但不限于监管条文、政策法规等,所述业务环境数据包括但不限于外部经营环境数据、外部监管环境数据以及外部业务反馈数据等。
本说明书实施例中,通过将已完成合规检测的业务主体作为参考业务主体,根据所述参考业务主体的处罚公示信息,对与参考业务主体存在关联关系的其他业务主体进行业务评估之前,需先查询所述参考业务主体的合规检测数据。
步骤106,查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息。
具体的,对业务主体进行业务评估的评估领域包括但不限于监管领域、风险管控领域以及合规领域等,因此,所述业务维度包括但不限于产品维度、客户维度、信用维度、行为维度、设备信息维度等,其中产品维度包括各类产品的属性,例如产品种类、期限、期数、类型、额度、等相关产品属性,以信贷业务为例,最主要的六要素即:借款人、贷款金额、利率和费率、期限、用途、类型;客户维度即申请人的基本信息,包含身份特征、自然人、法人或者其他类型身份,性别、年龄、区域、学历、收入、行业等;信用维度即申请人的信用信息,包含信用积分、信用等级等;行为维度可以包括交易类型、缴款记录、循环额度使用率等;设备信息维度可以包括用户所使用设备的设备属性信息、设备位置信息、设备中存储的用户的社会关系信息等。
获取已完成合规检测的参考业务主体的标识信息后,可根据所述标识信息查询所述参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息。
具体实施时,提取所述合规检测数据中包含的处罚公示信息之后,还可确定处罚公示信息对应的权重,具体可通过以下方式实现:
对所述处罚公示信息进行预处理,获得所述处罚公示信息中包含的实体信息;
根据所述实体信息确定所述处罚公示信息对应的业务评估领域;
根据预设的不同业务评估领域与处罚公示信息的权重之间的对应关系,确定所述处罚公示信息对应的权重。
进一步的,对所述处罚公示信息进行预处理,获得所述处罚公示信息中包含的实体信息,具体可通过以下方式实现:
对所述处罚公示信息进行分词处理,获得所述实体信息;或,
通过命名实体识别模型和/或预定的关键词提取规则,对所述处罚公示信息中包含的实体信息进行识别和提取。
具体的,采用分词技术对处罚公示信息进行分词处理,以得到实体信息;所述实体信息包括但不限于用于表征特定属性的实体信息,例如,用于表征地域的实体信息、用于表征受众的实体信息以及用于表征适用场景的实体信息等。
对所述处罚公示信息进行分词处理,获得一个或多个新的词,例如,处罚公示信息为“企业A在xx年存在1条违约记录”,对其进行分词处理,得到的分词结果为:“企业A”、“在”、“xx年”、“存在”、“1条”、“违约记录”,根据分词处理结果可获得实体信息为“企业A”、“xx年”、“违约记录”。
另外,命名实体识别(Named Entity Recognition,简称NER),又称作“专名识别”,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等,是信息提取、问答系统、句法分析、机器翻译等应用领域的基础工具,在自然语言处理技术走向实用化的过程中占有重要地位,通常,命名实体识别可以识别出待处理文本中三大类(实体类、时间类和数字类)、七小类(人名、机构名、地名、时间、日期、货币和百分比)命名实体。
通过命名实体识别模型对所述处罚公示信息中包含的实体信息进行提取和识别,即将所述处罚公示信息输入所述命名实体识别模型进行实体信息识别,并获取模型输出的实体信息识别结果。
实际应用中,可以预先对NER对应的模型进行训练,训练得到的模型可以较准确的获取处罚公示信息中包含的实体属性或概念等,例如基于上述示例,NER对应的模型可以识别包括三大类和七小类的命名实体。可以将处罚公示信息中每一个信息分别输入到上述NER对应的模型中,对处罚公示信息中包含的实体属性进行提取和识别,得到处罚公示信息中每一个信息中包含的实体属性或概念的相关信息。
此外,关键词提取规则可以包括多种,例如自然语言处理技术、用于文本的基于图的排序算法(TextRank算法)、TF-IDF(Term Frequency-Inverse DocumentFrequency,词频-逆文档频率)等,关键词提取规则可以是其中的一种或多种的组合,具体可以根据实际情况设定,本说明书实施例对此不做限定。
通过对所述处罚公示信息进行分词处理,或通过命名实体识别模型和/或预定的关键词提取规则,对所述处罚公示信息进行分词处理进行提取和识别,有利于提高所获得的提取和识别结果的准确性。
另外,在获得实体信息后,还可根据所述实体信息确定处罚公示信息对应的业务评估领域,并根据预设的不同业务评估领域与处罚公示信息的权重之间的对应关系,确定所述处罚公示信息对应的权重,以对所述处罚公示信息以及所述处罚公示信息对应的权重进行加权求和,将获得的加权求和值确定为所述至少一个目标业务主体的至少一个业务维度的评估结果并输出。
例如,处罚公示信息为“企业A在xx年存在1条违约记录”,处罚公示信息中包含实体信息为“企业A”、“xx年”、“违约记录”,由所述实体信息可确定所述处罚公示信息对应的业务评估领域为信用业务评估领域,由于不同业务评估领域与所述处罚公示信息的权重之间的对应关系不同,因此,可确定所述处罚公示信息在不同业务评估领域所占的权重,并根据多个处罚公示信息分别在同一业务评估领域的权重进行加权求和,以确定目标业务主体在该业务评估领域的业务评估结果。
步骤108,根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
具体实施时,可通过业务评估模型获得所述至少一个目标业务主体的至少一个业务维度的评估结果,即将所述处罚公示信息输入业务评估模型以对所述至少一个目标业务主体的至少一个业务维度进行评估,获得与所述至少一个目标业务主体的至少一个业务维度对应的评估结果并输出。
例如,若对企业A的处罚公示信息为“企业A在xx年存在1条违约记录”,并且确定企业A的股东M有另外一家企业D,则可根据所述处罚公示信息对企业D进行评估,以评估企业D在预设时长内存在违约的概率。
或者,如前所述,在获得实体信息后,还可根据所述实体信息确定处罚公示信息对应的业务评估领域,并根据预设的不同业务评估领域与处罚公示信息的权重之间的对应关系,确定所述处罚公示信息对应的权重,以对所述处罚公示信息以及所述处罚公示信息对应的权重进行加权求和,将获得的加权求和值确定为所述至少一个目标业务主体的至少一个业务维度的评估结果并输出。
例如,处罚公示信息为“企业A在xx年存在1条违约记录”,处罚公示信息中包含实体信息为“企业A”、“xx年”、“违约记录”,由所述实体信息可确定所述处罚公示信息对应的业务评估领域为信用业务评估领域,由于不同业务评估领域与所述处罚公示信息的权重之间的对应关系不同,因此,可确定所述处罚公示信息在不同业务评估领域所占的权重,并根据多个处罚公示信息分别在同一业务评估领域的权重进行加权求和,以确定目标业务主体在该业务评估领域的业务评估结果。
另外,输出评估结果之后,可建立所述评估结果与所述关系网络图中至少一个目标业务主体的至少一个业务维度的关联关系并存储。
通过业务评估模型获得至少一个目标业务主体的至少一个业务维度对应的业务评估结果,有利于提高所获得的评估结果的准确性。
本说明书实施例通过获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息,根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体,查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息,根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果;
由于所述处罚公示信息是公开并且可信的,因此根据已完成合规检测的参考业务主体的处罚公示信息,对与参考业务主体存在关联关系的目标业务主体进行业务评估,从而有利于保证针对目标业务主体进行风险评估的及时性、有效性,并有利于保证风险评估结果的准确性。
下述结合附图2,以本说明书提供的业务评估方法在风险管控领域的应用为例,对所述业务评估方法进行进一步说明。其中,图2示出了本说明书一个实施例提供的一种业务评估方法应用于风险管控领域的处理过程流程图,具体步骤包括步骤202至步骤220。
步骤202,获取风险评估指令,所述风险评估指令中包含待评估的企业A的标识信息。
步骤204,根据所述标识信息,在预先构建的股权关系网络图中抽取出与企业A相关联的子网络图。
步骤206,基于所述子网络图中的节点构建节点集合,其中,所述股权关系网络图基于股权结构构造。
步骤208,查询所述节点集合中至少一个参考业务主体的至少一个业务维度的风险管控数据,并提取所述风险管控数据中包含的处罚公示信息。
步骤210,将所述节点集合中各节点的特征属性值、各节点的表征向量、各节点与企业A的相关度以及所述处罚公示信息,输入预先训练的风险评估模型,获得所述各节点的评估结果。
步骤212,通过命名实体识别模型和/或预定的关键词提取规则,对所述处罚公示信息中包含的实体信息进行识别和提取。
步骤214,根据所述实体信息确定所述处罚公示信息对应的管控领域。
步骤216,根据预设的不同管控领域与处罚公示信息的权重之间的对应关系,确定所述处罚公示信息对应的权重。
步骤218,对所述处罚公示信息以及所述处罚公示信息对应的权重进行加权求和,将获得的加权求和值确定为至少一个目标企业的至少一个业务维度的评估结果并输出。
步骤220,建立所述评估结果与所述股权关系网络图中至少一个目标企业的至少一个业务维度的关联关系并存储。
其中,步骤206至步骤210的过程与步骤212至步骤218的过程可以并列执行,二者并无先后执行顺序,实际应用中,也可任意选择其中一种执行过程以获得评估结果,在此不做任何限制。
本说明书实施例利用处罚公示信息的公开可信的特性,根据已完成风险管控的参考业务主体的处罚公示信息,对与参考业务主体存在关联关系的目标业务主体进行业务评估,从而有利于保证针对目标业务主体进行风险评估的及时性、有效性,并有利于保证风险评估结果的准确性。
与上述方法实施例相对应,本说明书还提供了业务评估装置实施例,图3示出了本说明书一个实施例提供的一种业务评估装置的示意图。如图3所示,该装置包括:
获取模块302,被配置为获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
查询模块304,被配置为根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
提取模块306,被配置为查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
评估模块308,被配置为根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
可选地,所述业务评估装置,还包括:
预处理模块,被配置为对所述处罚公示信息进行预处理,获得所述处罚公示信息中包含的实体信息;
业务评估领域确定模块,被配置为根据所述实体信息确定所述处罚公示信息对应的业务评估领域;
确定模块,被配置为根据预设的不同业务评估领域与处罚公示信息的权重之间的对应关系,确定所述处罚公示信息对应的权重。
可选地,所述预处理模块,包括:
第一处理子模块,被配置为对所述处罚公示信息进行分词处理,获得所述实体信息;或,
第二处理子模块,被配置为通过命名实体识别模型和/或预定的关键词提取规则,对所述处罚公示信息中包含的实体信息进行识别和提取。
可选地,所述评估模块308,包括:
评估子模块,被配置为将所述处罚公示信息输入业务评估模型以对所述至少一个目标业务主体的至少一个业务维度进行评估,获得与所述至少一个目标业务主体的至少一个业务维度对应的评估结果并输出。
可选地,所述查询模块304,包括:
抽取子模块,被配置为在所述关系网络图中抽取出与所述目标业务主体相关联的子网络图,并基于所述子网络图中的节点构建节点集合,其中,所述关系网络图基于股权结构构造;
相应的,所述评估模块308,包括:
业务评估子模块,被配置为将所述节点集合中各节点的特征属性值、各节点的表征向量、各节点与所述目标业务主体的相关度以及各节点的处罚公示信息,输入预先训练的业务评估模型,获得所述目标业务主体的至少一个业务维度的评估结果;
其中,所述业务评估模型基于所述关系网络图中节点的特征属性、表征向量以及处罚标签训练得到。
可选地,所述业务评估装置,还包括:
存储模块,被配置为建立所述评估结果与所述关系网络图中至少一个目标业务主体的至少一个业务维度的关联关系并存储。
可选地,所述业务评估装置,还包括:
计算模块,被配置为对所述处罚公示信息以及所述处罚公示信息对应的权重进行加权求和,将获得的加权求和值确定为所述至少一个目标业务主体的至少一个业务维度的评估结果并输出。
可选地,所述业务评估装置,还包括:
交易数据查询模块,被配置为根据预先获取的业务主体的标识信息查询所述业务主体的交易数据;
信息抽取模块,被配置为对所述交易数据进行实体抽取、关系抽取和属性抽取,获得所述交易数据中的候选实体、关系和候选实体的属性信息;
融合模块,被配置为对所述候选实体、关系和候选实体的属性信息进行知识融合,获得结构化数据;
推理模块,被配置为对所述结构化数据进行知识推理,获得所述关系网络图。
可选地,所述融合模块,包括:
候选实体处理子模块,被配置为对所述候选实体进行实体消歧、实体归一和指代消解,确定目标实体;
信息确定子模块,被配置为根据所述目标实体确定对应的目标关系和目标实体的属性信息。
可选地,所述关系网络图为股权关系网络图,所述股权关系网络图通过以下方式构建:
根据预先获取的业务主体的标识信息确定所述业务主体的股权结构信息;
根据所述股权结构信息中股东信息的标识信息获取与所述股东信息的标识信息关联的候选业务主体的标识信息;
将所述业务主体的标识信息作为所述股权关系网络图的根节点,将所述股东信息的标识信息以及所述候选业务主体的标识信息作为所述股权关系网络图的子节点,将所述根节点与所述子节点、所述子节点与所述子节点进行连接,得到所述股权关系网络图。
上述为本实施例的一种业务评估装置的示意性方案。需要说明的是,该业务评估装置的技术方案与上述的业务评估方法的技术方案属于同一构思,业务评估装置的技术方案未详细描述的细节内容,均可以参见上述业务评估方法的技术方案的描述。
图4示出了根据本说明书一个实施例提供的一种计算设备400的结构框图。该计算设备400的部件包括但不限于存储器410和处理器420。处理器420与存储器410通过总线430相连接,数据库450用于保存数据。
计算设备400还包括接入设备440,接入设备440使得计算设备400能够经由一个或多个网络460通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备440可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备400的上述部件以及图4中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图4所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备400可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备400还可以是移动式或静止式的服务器。
其中,所述存储器410用于存储计算机可执行指令,处理器420用于执行计算机可执行指令:
获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的业务评估方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述业务评估方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时以用于实现所述业务评估方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的业务评估方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述业务评估方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (13)
1.一种业务评估方法,包括:
获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
2.根据权利要求1所述的业务评估方法,所述提取所述合规检测数据中包含的处罚公示信息之后,还包括:
对所述处罚公示信息进行预处理,获得所述处罚公示信息中包含的实体信息;
根据所述实体信息确定所述处罚公示信息对应的业务评估领域;
根据预设的不同业务评估领域与处罚公示信息的权重之间的对应关系,确定所述处罚公示信息对应的权重。
3.根据权利要求2所述的业务评估方法,所述对所述处罚公示信息进行预处理,获得所述处罚公示信息中包含的实体信息,包括:
对所述处罚公示信息进行分词处理,获得所述实体信息;或,
通过命名实体识别模型和/或预定的关键词提取规则,对所述处罚公示信息中包含的实体信息进行识别和提取。
4.根据权利要求1所述的业务评估方法,所述根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果,包括:
将所述处罚公示信息输入业务评估模型以对所述至少一个目标业务主体的至少一个业务维度进行评估,获得与所述至少一个目标业务主体的至少一个业务维度对应的评估结果并输出。
5.根据权利要求1所述的业务评估方法,所述在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体,包括:
在所述关系网络图中抽取出与所述目标业务主体相关联的子网络图,并基于所述子网络图中的节点构建节点集合,其中,所述关系网络图基于股权结构构造;
相应的,所述根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果,包括:
将所述节点集合中各节点的特征属性值、各节点的表征向量、各节点与所述目标业务主体的相关度以及各节点的处罚公示信息,输入预先训练的业务评估模型,获得所述目标业务主体的至少一个业务维度的评估结果;
其中,所述业务评估模型基于所述关系网络图中节点的特征属性、表征向量以及处罚标签训练得到。
6.根据权利要求1所述的业务评估方法,所述输出评估结果之后,还包括:
建立所述评估结果与所述关系网络图中至少一个目标业务主体的至少一个业务维度的关联关系并存储。
7.根据权利要求2所述的业务评估方法,所述确定所述处罚公示信息对应的权重之后,还包括:
对所述处罚公示信息以及所述处罚公示信息对应的权重进行加权求和,将获得的加权求和值确定为所述至少一个目标业务主体的至少一个业务维度的评估结果并输出。
8.根据权利要求1所述的业务评估方法,所述关系网络图通过以下方式构建:
根据预先获取的业务主体的标识信息查询所述业务主体的交易数据;
对所述交易数据进行实体抽取、关系抽取和属性抽取,获得所述交易数据中的候选实体、关系和候选实体的属性信息;
对所述候选实体、关系和候选实体的属性信息进行知识融合,获得结构化数据;
对所述结构化数据进行知识推理,获得所述关系网络图。
9.根据权利要求8所述的业务评估方法,所述对所述候选实体、关系和候选实体的属性信息进行知识融合,获得结构化数据,包括:
对所述候选实体进行实体消歧、实体归一和指代消解,确定目标实体;
根据所述目标实体确定对应的目标关系和目标实体的属性信息。
10.根据权利要求1所述的业务评估方法,所述关系网络图为股权关系网络图,所述股权关系网络图通过以下方式构建:
根据预先获取的业务主体的标识信息确定所述业务主体的股权结构信息;
根据所述股权结构信息中股东信息的标识信息获取与所述股东信息的标识信息关联的候选业务主体的标识信息;
将所述业务主体的标识信息作为所述股权关系网络图的根节点,将所述股东信息的标识信息以及所述候选业务主体的标识信息作为所述股权关系网络图的子节点,将所述根节点与所述子节点、所述子节点与所述子节点进行连接,得到所述股权关系网络图。
11.一种业务评估装置,包括:
获取模块,被配置为获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
查询模块,被配置为根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
提取模块,被配置为查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
评估模块,被配置为根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
12.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获取业务评估指令,所述业务评估指令中包含待评估的目标业务主体的标识信息;
根据所述标识信息,在预先构建的关系网络图中查询与所述目标业务主体存在关联关系的至少一个参考业务主体;
查询所述至少一个参考业务主体的至少一个业务维度的合规检测数据,并提取所述合规检测数据中包含的处罚公示信息;
根据所述处罚公示信息对所述目标业务主体的至少一个业务维度进行业务评估并输出评估结果。
13.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至10任意一项所述业务评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961652.7A CN112016850A (zh) | 2020-09-14 | 2020-09-14 | 业务评估方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961652.7A CN112016850A (zh) | 2020-09-14 | 2020-09-14 | 业务评估方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016850A true CN112016850A (zh) | 2020-12-01 |
Family
ID=73522540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010961652.7A Pending CN112016850A (zh) | 2020-09-14 | 2020-09-14 | 业务评估方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016850A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732804A (zh) * | 2020-12-23 | 2021-04-30 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
CN113656123A (zh) * | 2021-07-28 | 2021-11-16 | 上海纽盾科技股份有限公司 | 面向等保测评的信息评估方法、装置及系统 |
CN116522895A (zh) * | 2023-06-16 | 2023-08-01 | 中国传媒大学 | 一种基于写作风格的文本内容真实性评估方法及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
CN110245241A (zh) * | 2019-06-18 | 2019-09-17 | 卓尔智联(武汉)研究院有限公司 | 塑料知识图谱构建装置、方法及计算机可读存储介质 |
CN110400219A (zh) * | 2019-06-14 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 业务处理方法及系统、交易监控方法及系统 |
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 |
CN110544052A (zh) * | 2019-09-16 | 2019-12-06 | 北京明略软件系统有限公司 | 关系网络图的展示方法及装置 |
CN111241300A (zh) * | 2020-01-09 | 2020-06-05 | 中信银行股份有限公司 | 舆情预警以及风险传播分析方法、系统、设备及存储介质 |
CN111552820A (zh) * | 2020-04-30 | 2020-08-18 | 江河瑞通(北京)技术有限公司 | 水工程调度数据处理方法及装置 |
CN111639193A (zh) * | 2020-05-27 | 2020-09-08 | 上海明略人工智能(集团)有限公司 | 产品风险评估方法及装置、电子设备、存储介质 |
-
2020
- 2020-09-14 CN CN202010961652.7A patent/CN112016850A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
CN110400219A (zh) * | 2019-06-14 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 业务处理方法及系统、交易监控方法及系统 |
CN110245241A (zh) * | 2019-06-18 | 2019-09-17 | 卓尔智联(武汉)研究院有限公司 | 塑料知识图谱构建装置、方法及计算机可读存储介质 |
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 |
CN110544052A (zh) * | 2019-09-16 | 2019-12-06 | 北京明略软件系统有限公司 | 关系网络图的展示方法及装置 |
CN111241300A (zh) * | 2020-01-09 | 2020-06-05 | 中信银行股份有限公司 | 舆情预警以及风险传播分析方法、系统、设备及存储介质 |
CN111552820A (zh) * | 2020-04-30 | 2020-08-18 | 江河瑞通(北京)技术有限公司 | 水工程调度数据处理方法及装置 |
CN111639193A (zh) * | 2020-05-27 | 2020-09-08 | 上海明略人工智能(集团)有限公司 | 产品风险评估方法及装置、电子设备、存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112732804A (zh) * | 2020-12-23 | 2021-04-30 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
CN112732804B (zh) * | 2020-12-23 | 2024-04-26 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
CN113656123A (zh) * | 2021-07-28 | 2021-11-16 | 上海纽盾科技股份有限公司 | 面向等保测评的信息评估方法、装置及系统 |
CN113656123B (zh) * | 2021-07-28 | 2023-05-16 | 上海纽盾科技股份有限公司 | 面向等保测评的信息评估方法、装置及系统 |
CN116522895A (zh) * | 2023-06-16 | 2023-08-01 | 中国传媒大学 | 一种基于写作风格的文本内容真实性评估方法及设备 |
CN116522895B (zh) * | 2023-06-16 | 2023-09-12 | 中国传媒大学 | 一种基于写作风格的文本内容真实性评估方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schwartz et al. | Towards a standard for identifying and managing bias in artificial intelligence | |
CN104781837B (zh) | 用于通过使用基于事件的情绪分析来形成预测的系统和方法 | |
CN111966716B (zh) | 数据处理方法以及装置 | |
US20190188326A1 (en) | Domain specific natural language understanding of customer intent in self-help | |
Deshpande et al. | Mitigating demographic Bias in AI-based resume filtering | |
CN112016850A (zh) | 业务评估方法以及装置 | |
US20230237583A1 (en) | System and method for implementing a trust discretionary distribution tool | |
Nissan | An overview of data mining for combating crime | |
CN111353554B (zh) | 预测缺失的用户业务属性的方法及装置 | |
Fu et al. | A sentiment-aware trading volume prediction model for P2P market using LSTM | |
CN111783144A (zh) | 基于区块链的数据处理方法以及装置 | |
Saitulasi et al. | Deep Belief Network and Sentimental analysis for extracting on multi-variable Features to predict Stock market Performance and accuracy | |
CN113011884A (zh) | 账户特征的提取方法、装置、设备及可读存储介质 | |
Meoli et al. | Machine-learning forecasting of successful ICOs | |
Kim et al. | How to succeed in the market? Predicting startup success using a machine learning approach | |
CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
US11556836B1 (en) | System and method for matching specialists and potential clients | |
Owda et al. | Financial discussion boards irregularities detection system (fdbs-ids) using information extraction | |
CN113378090A (zh) | 一种互联网网站相似度分析方法、装置以及可读存储介质 | |
Wu et al. | Weibo rumor recognition based on communication and stacking ensemble learning | |
Edwards et al. | Detecting cyberbullying activity across platforms | |
Ray et al. | Demonetization and its aftermath: an analysis based on twitter sentiments | |
CN111209403A (zh) | 数据处理方法、装置、介质及电子设备 | |
Rizinski et al. | Sentiment Analysis in Finance: From Transformers Back to eXplainable Lexicons (XLex) | |
US20220156304A1 (en) | Relationship discovery and quantification |
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: 20201201 |