CN112070402A - 基于图谱的数据处理方法、装置、设备及存储介质 - Google Patents
基于图谱的数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112070402A CN112070402A CN202010945204.8A CN202010945204A CN112070402A CN 112070402 A CN112070402 A CN 112070402A CN 202010945204 A CN202010945204 A CN 202010945204A CN 112070402 A CN112070402 A CN 112070402A
- Authority
- CN
- China
- Prior art keywords
- node
- target knowledge
- graph
- data processing
- map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 162
- 238000005065 mining Methods 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001960 triggered 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/244—Grouping and aggregation
-
- 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
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- 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
- G06F16/288—Entity relationship models
-
- 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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Animal Behavior & Ethology (AREA)
- Technology Law (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于图谱的数据处理方法、装置、设备和存储介质,该方法包括:在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;基于所述挖掘结果,得到所述监测主体的数据评分。本申请旨在解决现有技术中难以准确确定企业数据评分的技术问题。
Description
技术领域
本申请涉及金融科技(Fintech)的人工智能技术领域,尤其涉及一种基于图谱的数据处理方法、装置、设备及存储介质。
背景技术
随着金融科技,尤其是互联网科技金融的不断发展,越来越多的技术应用在金融领域,但金融业也对技术提出了更高的要求,如金融业对基于图谱的数据处理也有更高的要求。
目前,不少投资人采用新兴投资方式如ESG投资方式进行投资、ESG即环境(Environmental)、社会责任(Social)、公司治理(Governance)的缩写,ESG投资具有关注企业环境、社会、治理绩效的投资理念,通过ESG绩效,能评估企业在促进经济可持续发展、履行社会责任方面的贡献。
在现有技术中,往往是专家通过企业内部披露的信息(主要是社会责任报告CSR)以及从环保部门、人社部等处获取的企业数据,构建E、S、G三个方面的多个指标,并整合得到每个企业的ESG评分,以形成对企业的数据评分,而目前,存在信息披露的机制不完善,造成企业信息披露不完整,且企业数据的数据存在量少的问题,致使难以准确确定企业的数据评分。
发明内容
本申请的主要目的在于提供一种基于图谱的数据处理方法、装置、设备和存储介质,旨在解决现有技术中难以准确确定企业数据评分的技术问题。
为实现上述目的,本申请提供一种基于图谱的数据处理方法,所述基于图谱的数据处理方法包括:
在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;
对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
基于所述挖掘结果,得到所述监测主体的数据评分。
可选地,所述对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤之前,所述方法包括:
基于大数据搜集监测主体的关联数据;
对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱的步骤,包括:
从所述监测主体的关联数据中提取股权信息,供应链信息,产业链信息以及所述监测主体的监测责任人信息;
对所述股权信息,供应链信息,产业链信息以及所述监测责任人信息进行预设链路关系的整理,得到包括所述监测主体的股权关系,供应链关系,产业链关系以及监测责任人关系的预处理数据;
对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱的步骤,包括:
确定所述预处理数据中的实体表集;
确定所述预处理数据中的关系表集,基于所述实体表集以及关系表集,确定所述监测主体与实体表集中其他不同实体节点之间的第一关系有向边,并确定实体表集中其他不同实体节点之间的第二关系有向边;
确定所述第一关系有向边的第一有向边权重,以及所述第二关系有向边的第二有向边权重;
基于所述第一有向边权重,第二有向边权重,第一有向边以及第二有向边,进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤,包括:
将所述目标知识图谱输入至预设分布式图计算模型中;
基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果。
可选地,所述基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果的步骤,包括:
基于所述预设分布式图计算模型,初始化处理所述目标知识图谱中实体节点的节点属性以及节点信息;
将每个实体节点设置为活跃状态,控制每个实体节点向对应邻居实体节点发送对应预设消息,并控制每个实体节点对接收到邻居节点发送的邻居消息进行聚合处理;
判断每个实体节点处理聚合处理邻居消息后,对应节点属性是否发生变更;
若存在节点属性发生变更时,获取节点属性发生变更的节点的变更信息,并将节点属性发生变更的节点设置为活跃节点,控制所述活跃节点向其他邻居节点发送对应变更信息,直至所有节点均未发生属性变更,或者节点通信信息传导至所述监控主体,则确定节点信息传导完成;
在节点信息传导完成后,基于所述变更信息确定各个实体节点的风险传导关系,得到挖掘结果。
可选地,所述基于所述挖掘结果,得到所述监测主体的数据评分的步骤,包括:
基于所述挖掘结果,确定其他实体节点对所述监测主体的影响评分;
基于所述影响评分以及预设基础评分,得到所述监测主体的数据评分。
本申请还提供一种基于图谱的数据处理装置,所述基于图谱的数据处理装置包括:
第一获取模块,用于在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;
第二获取模块,用于对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
第三获取模块,用于基于所述挖掘结果,得到所述监测主体的数据评分。
可选地,所述基于图谱的数据处理装置还包括:
搜集模块,用于基于大数据搜集监测主体的关联数据;
构建模块,用于对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述构建模块包括:
提取单元,用于从所述监测主体的关联数据中提取股权信息,供应链信息,产业链信息以及所述监测主体的监测责任人信息;
预处理单元,用于对所述股权信息,供应链信息,产业链信息以及所述监测责任人信息进行预设链路关系的整理,得到包括所述监测主体的股权关系,供应链关系,产业链关系以及监测责任人关系的预处理数据;
构建单元,用于对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述构建单元包括:
第一确定子单元,用于确定所述预处理数据中的实体表集;
第二确定子单元,用于确定所述预处理数据中的关系表集,基于所述实体表集以及关系表集,确定所述监测主体与实体表集中其他不同实体节点之间的第一关系有向边,并确定实体表集中其他不同实体节点之间的第二关系有向边;
第三确定子单元,用于确定所述第一关系有向边的第一有向边权重,以及所述第二关系有向边的第二有向边权重;
第一获取子单元,用于基于所述第一有向边权重,第二有向边权重,第一有向边以及第二有向边,进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述第二获取模块包括:
输入单元,用于将所述目标知识图谱输入至预设分布式图计算模型中;
挖掘单元,用于基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果。
可选地,所述挖掘单元包括:
初始化子单元,用于基于所述预设分布式图计算模型,初始化处理所述目标知识图谱中实体节点的节点属性以及节点信息;
设置子单元,用于将每个实体节点设置为活跃状态,控制每个实体节点向对应邻居实体节点发送对应预设消息,并控制每个实体节点对接收到邻居节点发送的邻居消息进行聚合处理;
判断子单元,用于判断每个实体节点处理聚合处理邻居消息后,对应节点属性是否发生变更;
第二获取子单元,用于若存在节点属性发生变更时,获取节点属性发生变更的节点的变更信息,并将节点属性发生变更的节点设置为活跃节点,控制所述活跃节点向其他邻居节点发送对应变更信息,直至所有节点均未发生属性变更,或者节点通信信息传导至所述监控主体,则确定节点信息传导完成;
第四确定子单元,用于在节点信息传导完成后,基于所述变更信息确定各个实体节点的风险传导关系,得到挖掘结果。
可选地,所述第三获取模块包括:
确定单元,用于基于所述挖掘结果,确定其他实体节点对所述监测主体的影响评分;
获取单元,用于基于所述影响评分以及预设基础评分,得到所述监测主体的数据评分。
本申请还提供一种基于图谱的数据处理设备,所述基于图谱的数据处理设备为实体节点设备,所述基于图谱的数据处理设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于图谱的数据处理方法的程序,所述基于图谱的数据处理方法的程序被处理器执行时可实现如上述的基于图谱的数据处理方法的步骤。
本申请还提供一种存储介质,所述存储介质上存储有实现上述基于图谱的数据处理方法的程序,所述基于图谱的数据处理方法的程序被处理器执行时实现如上述的基于图谱的数据处理方法的步骤。
本申请提供一种基于图谱的数据处理方法、装置、设备及介质,与现有技术中通过专家基于企业内部披露的信息,以及从环保部门、人社部等处获取的企业数据,进行企业数据评分相比,本申请通过在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;基于所述挖掘结果,得到所述监测主体的数据评分。在本申请中,在检测到监测主体的评分获取指令时,利用大数据的方式全面搜集关联数据,得到目标知识图谱,并对目标知识图谱进行图谱挖掘,进而得到挖掘出多层级风险传导关系的挖掘结果,以准确确定监测主体的数据评分,避免因企业信息披露不完整,且数据量少,致使难以准确确定企业数据评分的问题。
发明内容
本申请的主要目的在于提供一种基于图谱的数据处理方法、装置、设备和存储介质,旨在解决现有技术中难以准确确定企业数据评分的技术问题。
发明内容
本申请的主要目的在于提供一种基于图谱的数据处理方法、装置、设备和存储介质,旨在解决现有技术中难以形成实时高效的投资判断的技术问题
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请基于图谱的数据处理方法第一实施例的流程示意图;
图2为本申请基于图谱的数据处理方法中对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤之前的细化步骤流程示意图;
图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请目的实现、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申请,并不用于限定本申请。
本申请实施例提供一种基于图谱的数据处理方法,在本申请基于图谱的数据处理方法的第一实施例中,参照图1,所述基于图谱的数据处理方法包括:
步骤S10,在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;
步骤S20,对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
步骤S30基于所述挖掘结果,得到所述监测主体的数据评分。
具体步骤如下:
步骤S10,在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;
在本实施例中,需要说明的是,基于图谱的数据处理方法可以应用于基于图谱的数据处理系统,该基于图谱的数据处理系统从属于基于图谱的数据处理设备。对于基于图谱的数据处理系统而言,对接有多个企业或者内嵌有多个企业,在该基于图谱的数据处理系统上,可以对该对接的多个企业进行数据评分的获取,特别地,对该对接的多个企业进行投资评分的获取,进而,确定是否可以投资该企业,或者更进一步地,投资多少金额给该企业。
本实施例中提出了一种基于图谱的数据处理方法,相比于现有的方法,本实施例利用大数据,特别地,利用大数据和不同平台结合的方式,构建具有丰富数据的监测主体的关系网络图,并从异构的关系网络图中挖掘出隐藏的链路关系,这样不仅只关注监测主体自身的事件,同时也关注着与监测主体存在股权、投资、产业链、供应链等密切关联的实体节点的事件,找到潜在的企业关联关系及风险关系网络之间的传播,以更为全面实时有效的分析监测主体在ESG方面的表现,得到监测主体的数据评分。
具体地,在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,在该基于图谱的数据处理系统上,可以在评分获取界面人为点击或者触摸触发监测主体的评分获取指令,需要说明的是,该监测主体可以是企业,也可以是机构,也可以是团体,在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,具体地,在本实施例中,确定在过去预设时间段内是否更新有所述监测主体的目标知识图谱,若确定在过去预设时间段内更新有所述监测主体的目标知识图谱,则不再生成所述监测主体的目标知识图谱,直接调用在过去预设时间段内更新的所述监测主体的目标知识图谱,以对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;基于所述挖掘结果,得到所述监测主体的数据评分。若确定在过去预设时间段内未更新有所述监测主体的目标知识图谱,则生成所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的。
具体地,可以基于大数据的技术手段,通过关键词搜集,主题搜集,股权搜集,监测责任人搜集,供应链搜集以及产业链搜集等各种手段搜集得到监测主体的关联数据,该关联数据中包括企业名称、持股比例,企业名称、监测责任人名称、薪酬,供应商、客户、关联采购、产品上下游等数据,在得到关联数据后,基于关联数据构建目标知识图谱,具体地,基于关联数据之间的关联权重,构建目标知识图谱。
步骤S20,对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
在得到目标知识图谱后,对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果,其中,多层级风险传导关系可以包括不同层级深度的风险传导关系,即将具有间接关系的风险传导关系纳入其中,例如,a影响b,b影响c,c影响d,则多层级风险传导关系包括a对d的影响,以及b对d的影响,其中,a对d的影响为三层级风险传导关系,b对d的影响为两层级风险传导关系,具体地,如通过目标知识图谱可以挖掘出与a集团存在多层间接持股的企业(例如,a集团通过3层间接持股s集团,间接持股的比例为:0.11%(权重)),这样s集团出现的风险有可能会波及到a集团,从而影响a集团的ESG表现,需要说明的是,不同层级深度的风险传导关系可以包括股权链路风险传导关系,供应链链路风险传导关系,产业链链路风险传导关系等。
其中,如图2所示,所述对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤之前,所述方法包括:
步骤S01,基于大数据搜集监测主体的关联数据;
步骤S02,对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
在本实施例中,在对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤之前,基于大数据技术搜集监测主体的关联数据。对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱,预设多层级链路关系网络图谱包括股权关系链路关系,监测责任人链路关系,供应链链路关系以及产业链链路关系等。
所述对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱的步骤,包括:
步骤S021,从所述监测主体的关联数据中提取股权信息,供应链信息,产业链信息以及所述监测主体的监测责任人信息;
在本实施例中,首先从所述监测主体的关联数据中提取股权信息,供应链信息,产业链信息以及所述监测主体的监测责任人信息,其中,提取的方式包括关键词匹配的方式,或者按照预设正则表达式匹配的方式提取。
该关联数据的股权信息包括企业名称、股东名称、持股比例,监测责任人信息包括企业名称、监测责任人(高管)名称、职位、监测责任人年龄、性别、薪酬,供应链信息包括供应商、客户、关联采购、关联销售,产业链信息包括产品上下游、公司主营行业、在营产品等数据。
步骤S022,对所述股权信息,供应链信息,产业链信息以及所述监测责任人信息进行预设链路关系的整理,得到包括所述监测主体的股权关系,供应链关系,产业链关系以及监测责任人关系的预处理数据;
具体地,对所述股权信息进行预设股权链路关系的整理,得到包括所述监测主体的股权关系的预处理数据;
对所述供应链信息进行预设供应链链路关系的整理,得到包括所述监测主体的供应链关系的预处理数据;
对所述产业链信息进行预设产业链链路关系的整理,得到包括所述监测主体的产业链关系的预处理数据;
对所述监测责任人信息分别进行预设监测责任人链路关系的整理,得到包括所述监测主体的监测责任人关系的预处理数据。
步骤S023,对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
对所述预处理数据进行预设多层级股权链路关系网络图谱的构建,得到目标股权知识图谱,对所述预处理数据进行预设多层级供应链链路关系网络图谱的构建,得到目标供应链知识图谱,对所述预处理数据进行预设多层级产业链链路关系网络图谱的构建,得到目标产业链知识图谱,对所述预处理数据进行预设多层级预设监测责任人链路关系网络图谱的构建,得到目标监测责任人知识图谱。
在本实施例中,需要说明的是,预设多层级是可以进行设定的,由于不同层级实体之间的关系会不断被稀释(链路权重不断减少),因而,为了平衡工作量和准确度,该预设多层级可以设定为5层级。
所述对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱的步骤,包括:
步骤A1,确定所述预处理数据中的实体表集;
在本实施例中,是如何构建目标知识图谱的具体过程,首先提取预处理数据中的实体表集,具体地,根据属性提取预处理数据中的实体表集,其中,实体表集指的是涉及的各个企业,机构,团体或者个人等。
步骤A2,确定所述预处理数据中的关系表集,基于所述实体表集以及关系表集,确定所述监测主体与实体表集中其他不同实体节点之间的第一关系有向边,并确定实体表集中其他不同实体节点之间的第二关系有向边;
确定所述预处理数据中的关系表集,即是股权关系表集,产业链链路表集,责任人链路关系表集或者供应链链路关系表集,系表中每条数据中出现的实体节点均可链接到实体表查询其实体节点详情信息,基于所述实体表集以及关系表集,确定所述监测主体与实体表集中其他不同实体节点之间的第一关系有向边,具体地,以监测主体为中心点,确定所述监测主体与实体表集中其他不同实体节点之间的第一关系有向边,即第一关系有向边与监测主体之间直接关联,确定实体表集中其他不同实体节点之间的第二关系有向边(即第二关系有向边与监测主体之间间接关联),具体地,以第一关系有向边关联的其他不同实体节点为中心点,确定实体表集中其他不同实体节点之间的第二关系有向边,直至实体表集中中的每个实体以及关系表集中的没条关系通过关系有向边得到体现。
步骤A3,确定所述第一关系有向边的第一有向边权重,以及所述第二关系有向边的第二有向边权重;
在本实施例中,需要说明的是,每条有向边具有对应的权重,第一关系有向边对应第一有向边权重,第二关系有向边对应第二有向边权重,具体地,不同第一有向边权重,第一有向边权重可以不同,不同第二有向边权重,第二有向边权重可以不同。
步骤A4,基于所述第一有向边权重,第二有向边权重,第一有向边以及第二有向边,进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
需要说明的是,确定所述第一关系有向边的第一有向边权重,以及所述第二关系有向边的第二有向边权重后,基于所述第一有向边权重,第二有向边权重,第一有向边以及第二有向边,进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。需要说明的是,目标知识图谱中确定各个实体节点之间的控股比重,产业链比重,供应链比重等。
具体地,以预设多层级链路关系网络图谱为预设多层级股权链路关系网络图谱为例进行具体说明,若以监测主体为中心点,存在最多预设三层级链路关系网络,则最远实体节点对应两条第二有向边的控股比例分别为0.5,0.33,而一条第一有向边的控股比例0.5,则监测主体与最远实体节点存在0.5*0.33*0.5的控股比重链路关系,以预设多层级链路关系网络图谱为预设多层级供应链链路关系网络图谱为例进行具体说明,若以监测主体为中心点,存在最多预设三层级链路关系网络,则最远实体节点对应两条第二有向边的供应链占比比例分别为0.4,0.33,而一条第一有向边的供应链占比比例0.6,则监测主体与最远实体节点存在0.4*0.33*0.6的供应链比重链路关系。
步骤S20,对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
在本实施例中,对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果,具体地,获取各个实体节点在各个链路上对监测主体的影响占比,该影响占比包括控股占比,供应链占比,产业链占比等。
所述对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤,包括:
步骤S21,将所述目标知识图谱输入至预设分布式图计算模型中;
在本实施例中,设置有预设分布式图计算模型,将所述目标知识图谱输入至预设分布式图计算模型中,以供预设分布式图计算模型对目标知识图谱进行处理。具体地,预设分布式图计算模型可以是Pregel模型,利用大规模分布式图模型Pregel来处理目标知识图谱,统计并监控与监控主体如上市公司存在多层股权关联的所有非上市公司。
步骤S22,基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果。
基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,具体地,超步处理指的是基于获取的初始化信息确定完成各个实体节点活跃与否的状态的过程,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果,即对所述目标知识图谱进行影响比重传导关系的图谱挖掘,得到挖掘结果。
步骤S30,基于所述挖掘结果,得到所述监测主体的数据评分。
基于所述挖掘结果,得到所述监测主体的数据评分,具体地,基于所述挖掘结果以及当前获取的各个实体的事件信息,得到所述监测主体的数据评分。
本申请提供一种基于图谱的数据处理方法、装置、设备及介质,与现有技术中通过专家基于企业内部披露的信息,以及从环保部门、人社部等处获取的企业数据,进行企业数据评分相比,本申请通过在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;基于所述挖掘结果,得到所述监测主体的数据评分。在本申请中,在检测到监测主体的评分获取指令时,利用大数据的方式全面搜集关联数据,得到目标知识图谱,并对目标知识图谱进行图谱挖掘,进而得到挖掘出多层级风险传导关系的挖掘结果,以准确确定监测主体的数据评分,避免因企业信息披露不完整,且数据量少,致使难以准确确定企业数据评分的问题。
进一步地,基于本申请中第一实施例,提供本申请的另一实施例,在该实施例中,所述基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果的步骤,包括:
步骤B1,基于所述预设分布式图计算模型,初始化处理所述目标知识图谱中实体节点的节点属性以及节点信息;
在本实施例中,基于所述预设分布式图计算模型,初始化处理所述目标知识图谱中实体节点的节点属性以及节点信息,其中,初始化节点信息可以指的是获取当前的实体节点的股权信息,供应链信息,责任人信息以及产业链信息等,实体节点的节点属性包括层级属性或者是类别属性等。
步骤B2,将每个实体节点设置为活跃状态,控制每个实体节点向对应邻居实体节点发送对应预设消息,并控制每个实体节点对接收到邻居节点发送的邻居消息进行聚合处理;
在本实施例中,将目标知识图谱中每个实体节点设置为活跃状态(只设置一次活跃状态,节点下次是否活跃取决于接收到的邻居节点信息),每个节点根据预设通信(sendmessage)函数向其周围邻居发送预先定义好的消息(预先定义好的消息与初始化信息关联),每个节点接收到邻居发送过来的邻居消息后,进行聚合或者融合处理,具体地,根据预先定义好的计算函数对接收到的邻居消息进行聚合或者融合处理。
步骤B3,判断每个实体节点处理聚合处理邻居消息后,对应节点属性是否发生变更;
判断每个实体节点处理聚合处理邻居消息后,对应节点属性是否发生变更,具体地,根据预先定义好的计算函数对接收到的邻居消息进行聚合或者融合处理,若邻居消息中的股权信息,供应链信息,责任人信息等发生变更,则对应节点属性发生变更,否则则确定对应节点属性未发生变更。
步骤B4,若存在节点属性发生变更时,获取节点属性发生变更的节点的变更信息,并将节点属性发生变更的节点设置为活跃节点,控制所述活跃节点向其他邻居节点发送对应变更信息,直至所有节点均未发生属性变更,或者节点通信信息传导至所述监控主体,则确定节点信息传导完成;
若存在节点属性发生变更时,并将节点属性发生变更的节点设置为活跃节点,将未存在节点属性发生变更的节点设置为不活跃节点,获取节点属性发生变更的节点的变更信息,在获取节点属性发生变更的节点的变更信息后,控制所述活跃节点向其他邻居节点发送对应变更信息,直至所有节点均未发生属性变更,或者节点通信信息传导至所述监控主体,则确定节点信息传导完成,即每个活跃节点按照预设通信函数向周围节点发送消息,并继续迭代执行活跃节点按照预设通信函数向周围邻居节点(实体节点)发送消息的步骤,直到所有节点都变成不活跃状态,整个计算过程结束。
需要说明的是,在本实施例中,变更信息中包括具体的变更内容,或者具体的变更比例。
步骤B5,在节点信息传导完成后,基于所述变更信息确定各个实体节点的风险传导关系,得到挖掘结果。
在节点信息传导完成后,基于所述变更信息确定各个实体节点的风险传导关系,得到挖掘结果,具体地,基于所述变更信息确定各个实体节点的风险传导关系,并基于所述变更信息确定各个实体节点的风险传导内容(具体的变更比例),如每条有向边的股权传导比例,得到挖掘结果,该挖掘结果即是其他实体节点对监测主体的影响占比。
在本实施例中,通过基于所述预设分布式图计算模型,初始化处理所述目标知识图谱中实体节点的节点属性以及节点信息;将每个实体节点设置为活跃状态,控制每个实体节点向对应邻居实体节点发送对应预设消息,并控制每个实体节点对接收到邻居节点发送的邻居消息进行聚合处理;判断每个实体节点处理聚合处理邻居消息后,对应节点属性是否发生变更;若存在节点属性发生变更时,获取节点属性发生变更的节点的变更信息,并将节点属性发生变更的节点设置为活跃节点,控制所述活跃节点向其他邻居节点发送对应变更信息,直至所有节点均未发生属性变更,或者节点通信信息传导至所述监控主体,则确定节点信息传导完成;在节点信息传导完成后,基于所述变更信息确定各个实体节点的风险传导关系,得到挖掘结果,在本实施例中,全面准确地得到各个实体节点对监测主体的影响占比即挖掘结果。
进一步地,基于本申请中第一实施例,提供本申请的另一实施例,在该实施例中,所述基于所述挖掘结果,得到所述监测主体的数据评分的步骤,包括:
步骤S31,基于所述挖掘结果,确定其他实体节点对所述监测主体的影响评分;
在本实施例中,基于所述挖掘结果如股权影响占比,以及该股权影响占比与对应的影响评分之间的映射关系,确定其他实体节点对所述监测主体的影响评分。
步骤S32,基于所述影响评分以及预设基础评分,得到所述监测主体的数据评分。
基于所述影响评分以及预设基础评分,得到所述监测主体的数据评分,具体地,例如,影响评分为下降5分,预设基础评分为85分,则基于所述影响评分以及预设基础评分,得到所述监测主体的数据评分为80分。
在本实施例中,通过基于所述挖掘结果,确定其他实体节点对所述监测主体的影响评分;基于所述影响评分以及预设基础评分,准确得到所述监测主体的数据评分。
参照图3,图3是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图3所示,该基于图谱的数据处理设备可以包括:处理器1001,例如CPU,存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。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的存储设备。
可选地,该基于图谱的数据处理设备还可以包括矩形用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard),可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图3中示出的基于图谱的数据处理设备结构并不构成对基于图谱的数据处理设备的限定,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3所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块以及基于图谱的数据处理程序。操作系统是管理和控制基于图谱的数据处理设备硬件和软件资源的程序,支持基于图谱的数据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器1005内部各组件之间的通信,以及与基于图谱的数据处理系统中其它硬件和软件之间通信。
在图3所示的基于图谱的数据处理设备中,处理器1001用于执行存储器1005中存储的基于图谱的数据处理程序,实现上述任一项所述的基于图谱的数据处理方法的步骤。
本申请基于图谱的数据处理设备具体实施方式与上述基于图谱的数据处理方法各实施例基本相同,在此不再赘述。
本申请还提供一种基于图谱的数据处理装置,所述基于图谱的数据处理装置包括:
第一获取模块,用于在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;
第二获取模块,用于对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
第三获取模块,用于基于所述挖掘结果,得到所述监测主体的数据评分。
可选地,所述基于图谱的数据处理装置还包括:
搜集模块,用于基于大数据搜集监测主体的关联数据;
构建模块,用于对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述构建模块包括:
提取单元,用于从所述监测主体的关联数据中提取股权信息,供应链信息,产业链信息以及所述监测主体的监测责任人信息;
预处理单元,用于对所述股权信息,供应链信息,产业链信息以及所述监测责任人信息进行预设链路关系的整理,得到包括所述监测主体的股权关系,供应链关系,产业链关系以及监测责任人关系的预处理数据;
构建单元,用于对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述构建单元包括:
第一确定子单元,用于确定所述预处理数据中的实体表集;
第二确定子单元,用于确定所述预处理数据中的关系表集,基于所述实体表集以及关系表集,确定所述监测主体与实体表集中其他不同实体节点之间的第一关系有向边,并确定实体表集中其他不同实体节点之间的第二关系有向边;
第三确定子单元,用于确定所述第一关系有向边的第一有向边权重,以及所述第二关系有向边的第二有向边权重;
第一获取子单元,用于基于所述第一有向边权重,第二有向边权重,第一有向边以及第二有向边,进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
可选地,所述第二获取模块包括:
输入单元,用于将所述目标知识图谱输入至预设分布式图计算模型中;
挖掘单元,用于基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果。
可选地,所述挖掘单元包括:
初始化子单元,用于基于所述预设分布式图计算模型,初始化处理所述目标知识图谱中实体节点的节点属性以及节点信息;
设置子单元,用于将每个实体节点设置为活跃状态,控制每个实体节点向对应邻居实体节点发送对应预设消息,并控制每个实体节点对接收到邻居节点发送的邻居消息进行聚合处理;
判断子单元,用于判断每个实体节点处理聚合处理邻居消息后,对应节点属性是否发生变更;
第二获取子单元,用于若存在节点属性发生变更时,获取节点属性发生变更的节点的变更信息,并将节点属性发生变更的节点设置为活跃节点,控制所述活跃节点向其他邻居节点发送对应变更信息,直至所有节点均未发生属性变更,或者节点通信信息传导至所述监控主体,则确定节点信息传导完成;
第四确定子单元,用于在节点信息传导完成后,基于所述变更信息确定各个实体节点的风险传导关系,得到挖掘结果。
可选地,所述第三获取模块包括:
确定单元,用于基于所述挖掘结果,确定其他实体节点对所述监测主体的影响评分;
获取单元,用于基于所述影响评分以及预设基础评分,得到所述监测主体的数据评分。
本申请基于图谱的数据处理装置的具体实施方式与上述基于图谱的数据处理方法各实施例基本相同,在此不再赘述。
本申请实施例提供了一种存储介质,且所述存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于图谱的数据处理方法的步骤。
本申请存储介质具体实施方式与上述基于图谱的数据处理方法各实施例基本相同,在此不再赘述。
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)执行本发明各个实施例所述的方法。
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)
1.一种基于图谱的数据处理方法,其特征在于,所述基于图谱的数据处理方法包括:
在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;
对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
基于所述挖掘结果,得到所述监测主体的数据评分。
2.如权利要求1所述的基于图谱的数据处理方法,其特征在于,所述对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤之前,所述方法包括:
基于大数据搜集监测主体的关联数据;
对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
3.如权利要求2所述的基于图谱的数据处理方法,其特征在于,所述对所述关联数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱的步骤,包括:
从所述监测主体的关联数据中提取股权信息,供应链信息,产业链信息以及所述监测主体的监测责任人信息;
对所述股权信息,供应链信息,产业链信息以及所述监测责任人信息进行预设链路关系的整理,得到包括所述监测主体的股权关系,供应链关系,产业链关系以及监测责任人关系的预处理数据;
对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
4.如权利要求3所述的基于图谱的数据处理方法,其特征在于,所述对所述预处理数据进行预设多层级链路关系网络图谱的构建,得到目标知识图谱的步骤,包括:
确定所述预处理数据中的实体表集;
确定所述预处理数据中的关系表集,基于所述实体表集以及关系表集,确定所述监测主体与实体表集中其他不同实体节点之间的第一关系有向边,并确定实体表集中其他不同实体节点之间的第二关系有向边;
确定所述第一关系有向边的第一有向边权重,以及所述第二关系有向边的第二有向边权重;
基于所述第一有向边权重,第二有向边权重,第一有向边以及第二有向边,进行预设多层级链路关系网络图谱的构建,得到目标知识图谱。
5.如权利要求1所述的基于图谱的数据处理方法,其特征在于,所述对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果的步骤,包括:
将所述目标知识图谱输入至预设分布式图计算模型中;
基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果。
6.如权利要求5所述的基于图谱的数据处理方法,其特征在于,所述基于所述预设分布式图计算模型,对所述目标知识图谱进行迭代超步计算处理,以对所述目标知识图谱进行风险传导关系的图谱挖掘,得到挖掘结果的步骤,包括:
基于所述预设分布式图计算模型,初始化处理所述目标知识图谱中实体节点的节点属性以及节点信息;
将每个实体节点设置为活跃状态,控制每个实体节点向对应邻居实体节点发送对应预设消息,并控制每个实体节点对接收到邻居节点发送的邻居消息进行聚合处理;
判断每个实体节点处理聚合处理邻居消息后,对应节点属性是否发生变更;
若存在节点属性发生变更时,获取节点属性发生变更的节点的变更信息,并将节点属性发生变更的节点设置为活跃节点,控制所述活跃节点向其他邻居节点发送对应变更信息,直至所有节点均未发生属性变更,或者节点通信信息传导至所述监控主体,则确定节点信息传导完成;
在节点信息传导完成后,基于所述变更信息确定各个实体节点的风险传导关系,得到挖掘结果。
7.如权利要求1-6任一项所述的基于图谱的数据处理方法,其特征在于,所述基于所述挖掘结果,得到所述监测主体的数据评分的步骤,包括:
基于所述挖掘结果,确定其他实体节点对所述监测主体的影响评分;
基于所述影响评分以及预设基础评分,得到所述监测主体的数据评分。
8.一种基于图谱的数据处理装置,其特征在于,所述基于图谱的数据处理装置包括:
第一获取模块,用于在检测到监测主体的评分获取指令时,获取所述监测主体的目标知识图谱,其中,所述目标知识图谱是基于所述监测主体的,通过大数据搜集得到的关联数据得到的;
第二获取模块,用于对所述目标知识图谱进行多层级风险传导关系的图谱挖掘,得到挖掘结果;
第三获取模块,用于基于所述挖掘结果,得到所述监测主体的数据评分。
9.一种基于图谱的数据处理设备,其特征在于,所述基于图谱的数据处理设备包括:存储器、处理器以及存储在存储器上的用于实现所述基于图谱的数据处理方法的程序,
所述存储器用于存储实现基于图谱的数据处理方法的程序;
所述处理器用于执行实现所述基于图谱的数据处理方法的程序,以实现如权利要求1至7中任一项所述基于图谱的数据处理方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有实现基于图谱的数据处理方法的程序,所述实现基于图谱的数据处理方法的程序被处理器执行以实现如权利要求1至7中任一项所述基于图谱的数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945204.8A CN112070402B (zh) | 2020-09-09 | 基于图谱的数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945204.8A CN112070402B (zh) | 2020-09-09 | 基于图谱的数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070402A true CN112070402A (zh) | 2020-12-11 |
CN112070402B CN112070402B (zh) | 2024-06-07 |
Family
ID=
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613762A (zh) * | 2020-12-25 | 2021-04-06 | 北京知因智慧科技有限公司 | 基于知识图谱的集团评级方法、装置和电子设备 |
CN112632197A (zh) * | 2021-02-01 | 2021-04-09 | 上海冰鉴信息科技有限公司 | 基于知识图谱的业务关系处理方法及装置 |
CN112884496A (zh) * | 2021-05-06 | 2021-06-01 | 达而观数据(成都)有限公司 | 计算企业信用因子分数的方法、装置及计算机存储介质 |
CN112948469A (zh) * | 2021-04-16 | 2021-06-11 | 平安科技(深圳)有限公司 | 数据挖掘方法、装置、计算机设备及存储介质 |
CN113297238A (zh) * | 2021-04-07 | 2021-08-24 | 北京金堤征信服务有限公司 | 基于历史变更记录进行信息挖掘的方法和装置 |
CN114219329A (zh) * | 2021-12-20 | 2022-03-22 | 中国建设银行股份有限公司 | 一种企业层级的确定方法及装置 |
CN116737745A (zh) * | 2023-08-16 | 2023-09-12 | 杭州州力数据科技有限公司 | 一种更新供应链网络图中实体向量表示的方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20190370296A1 (en) * | 2018-05-30 | 2019-12-05 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for mining an enterprise relationship |
CN110717824A (zh) * | 2019-10-17 | 2020-01-21 | 北京明略软件系统有限公司 | 基于知识图谱的银行对公客群风险传导测算的方法及装置 |
CN110738388A (zh) * | 2019-09-02 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 关联图谱评估风险传导的方法、装置、设备和存储介质 |
CN110910243A (zh) * | 2019-09-26 | 2020-03-24 | 山东佳联电子商务有限公司 | 一种基于可重构大数据知识图谱技术的产权交易方法 |
CN111460155A (zh) * | 2020-03-31 | 2020-07-28 | 北京邮电大学 | 一种基于知识图谱的信息可信度评估方法及装置 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190370296A1 (en) * | 2018-05-30 | 2019-12-05 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for mining an enterprise relationship |
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 |
CN110738388A (zh) * | 2019-09-02 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 关联图谱评估风险传导的方法、装置、设备和存储介质 |
CN110910243A (zh) * | 2019-09-26 | 2020-03-24 | 山东佳联电子商务有限公司 | 一种基于可重构大数据知识图谱技术的产权交易方法 |
CN110717824A (zh) * | 2019-10-17 | 2020-01-21 | 北京明略软件系统有限公司 | 基于知识图谱的银行对公客群风险传导测算的方法及装置 |
CN111460155A (zh) * | 2020-03-31 | 2020-07-28 | 北京邮电大学 | 一种基于知识图谱的信息可信度评估方法及装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613762B (zh) * | 2020-12-25 | 2024-04-16 | 北京知因智慧科技有限公司 | 基于知识图谱的集团评级方法、装置和电子设备 |
CN112613762A (zh) * | 2020-12-25 | 2021-04-06 | 北京知因智慧科技有限公司 | 基于知识图谱的集团评级方法、装置和电子设备 |
CN112632197B (zh) * | 2021-02-01 | 2023-08-04 | 上海冰鉴信息科技有限公司 | 基于知识图谱的业务关系处理方法及装置 |
CN112632197A (zh) * | 2021-02-01 | 2021-04-09 | 上海冰鉴信息科技有限公司 | 基于知识图谱的业务关系处理方法及装置 |
CN113297238B (zh) * | 2021-04-07 | 2023-10-20 | 北京金堤征信服务有限公司 | 基于历史变更记录进行信息挖掘的方法和装置 |
CN113297238A (zh) * | 2021-04-07 | 2021-08-24 | 北京金堤征信服务有限公司 | 基于历史变更记录进行信息挖掘的方法和装置 |
CN112948469B (zh) * | 2021-04-16 | 2023-10-13 | 平安科技(深圳)有限公司 | 数据挖掘方法、装置、计算机设备及存储介质 |
CN112948469A (zh) * | 2021-04-16 | 2021-06-11 | 平安科技(深圳)有限公司 | 数据挖掘方法、装置、计算机设备及存储介质 |
CN112884496B (zh) * | 2021-05-06 | 2021-08-20 | 达而观数据(成都)有限公司 | 计算企业信用因子分数的方法、装置及计算机存储介质 |
CN112884496A (zh) * | 2021-05-06 | 2021-06-01 | 达而观数据(成都)有限公司 | 计算企业信用因子分数的方法、装置及计算机存储介质 |
CN114219329A (zh) * | 2021-12-20 | 2022-03-22 | 中国建设银行股份有限公司 | 一种企业层级的确定方法及装置 |
CN116737745A (zh) * | 2023-08-16 | 2023-09-12 | 杭州州力数据科技有限公司 | 一种更新供应链网络图中实体向量表示的方法及装置 |
CN116737745B (zh) * | 2023-08-16 | 2023-10-31 | 杭州州力数据科技有限公司 | 一种更新供应链网络图中实体向量表示的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | EDAS method for probabilistic linguistic multiple attribute group decision making and their application to green supplier selection | |
US9679074B2 (en) | Social genome | |
US8619084B2 (en) | Dynamic adaptive process discovery and compliance | |
CN110647522B (zh) | 一种数据挖掘方法、装置及其系统 | |
CN104573106A (zh) | 一种基于案例推理技术的城市建设智能审批方法 | |
CN109558395A (zh) | 数据处理系统及数据挖掘方法 | |
CN105224606A (zh) | 一种用户标识的处理方法及装置 | |
CN103942220A (zh) | 一种适用于it运维系统的工单智能关联知识库知识的方法 | |
CN110287316A (zh) | 一种告警分类方法、装置、电子设备及存储介质 | |
Masip-Bruin et al. | Unlocking the value of open data with a process-based information platform | |
CN104102670A (zh) | 绩效指标分析框架 | |
CN111274301B (zh) | 一种基于数据资产智能治理方法及系统 | |
Ma et al. | Empirical analysis of fractional differential equations model for relationship between enterprise management and financial performance | |
Tao et al. | Research on marketing management system based on independent ERP and business BI using fuzzy TOPSIS | |
Guo et al. | Big Data Application Issues in the Agricultural Modernization of China. | |
Shakhovska et al. | Online Community Information Model for Use in Marketing Activities. | |
CN114202223A (zh) | 企业信用风险评分方法、装置、设备及存储介质 | |
CN111369344A (zh) | 一种动态生成预警规则的方法和装置 | |
CN106372090B (zh) | 一种查询聚类方法及装置 | |
CN110309293A (zh) | 文本推荐方法和装置 | |
CN113722564A (zh) | 基于空间图卷积能源物资供应链的可视化方法及装置 | |
CN113220815A (zh) | 区域信息处理方法及装置 | |
CN110782340B (zh) | 决策树模型的交互式建模方法、装置、设备及存储介质 | |
CN112070402B (zh) | 基于图谱的数据处理方法、装置、设备及存储介质 | |
CN112070402A (zh) | 基于图谱的数据处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |