CN112598519A - 基于nlp技术的应收账款质押转让登记财产的系统及方法 - Google Patents
基于nlp技术的应收账款质押转让登记财产的系统及方法 Download PDFInfo
- Publication number
- CN112598519A CN112598519A CN202011577696.6A CN202011577696A CN112598519A CN 112598519 A CN112598519 A CN 112598519A CN 202011577696 A CN202011577696 A CN 202011577696A CN 112598519 A CN112598519 A CN 112598519A
- Authority
- CN
- China
- Prior art keywords
- nlp
- information
- log
- inspection
- accounts receivable
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims description 13
- 230000014509 gene expression Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000010586 diagram Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic 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
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公布了基于NLP技术的应收账款质押转让登记财产的系统及方法，包括前置检验引擎、中登网以及业务平台，前置查验引擎查验风险，并对中登网多维度批量查验，获取中登网返回的登记证明及附件文件，业务系统对中登网返回的信息进行解析，提取关键信息并保存后，分别进行NLP识别、人工定义识别、NLP识别率监控，最后再进行NLP模型训练改善识别率，通过前置风险查验、NLP识别、人工定义、模型持续改善这样一个良性循环，能在有效降低人工成本、查验效率的同时，还能随着业务的持续扩展，不断的改善识别率，并且提升整体的债权质押登记效率和准确性，推动该细分业务领域内的规范性和专业性。
Description
技术领域
本发明涉及金融服务领域，具体来说，涉及基于NLP技术的应收账款质押转让登记财产的系统及方法。
背景技术
供应链金融业务中，应收账款质押转让需通过中登登记来保障债权转让的合法权利得到法律保护，债权受让方在接受转让前应当在中登网查验标的债权是否被质押给其他三方机构，避免“双卖”带来的财务损失。
目前，人工进行中登登记查验的大概的流程为：首先，债权受让方自行从中登网根据债权债务人等信息进行查询，查询结果包含中登登记证明PDF文件及其附件PDF文件。其次，受让人需要从PDF文件中读取转让登记时由登记人填写的财产描述等信息。最后，人工对财产描述信息进行判断和定义，去判断标的债权的质押登记情况。
但人工方式存在诸多缺陷：财产描述信息没有任何的规则和格式的限制，很多时候，登记的财产描述信息是非常难以理解的。而供应链金融业务中，需要对每一笔应收账款债权对应的合同、发票等信息进行明确的定义识别，这对中登解析人员的专业度和准确性要求很高。同时，供应链金融业务中，应收账款债权的数量很大，而且基于业务因素，应收账款债权可能存在多次质押登记的需要，由此也需要多次对债权进行质押登记查验，这极大的增加了人工和时间成本，大量的人工查验识别中也不可避免带来了失误风险的增加。
发明内容
为了克服现有技术的不足，本发明的基于NLP技术的应收账款质押转让登记财产的系统及方法，能够有效降低人工成本，不断的改善识别率。
本发明解决其技术问题所采用的技术方案是：基于NLP技术的应收账款质押转让登记财产的系统，其改进之处在于，包括前置检验引擎、中登网以及业务平台，前置查验引擎查验风险，并对中登网多维度批量查验，获取中登网返回的登记证明及附件文件，业务系统对中登网返回的信息进行解析，提取关键信息并保存后，分别进行NLP识别、人工定义识别、NLP识别率监控，最后再进行NLP模型训练改善识别率。
作为上述技术方案的改进，业务平台包括PDF解析单元，PDF解析单元对中登网返回的登记证明及附件文件进行解析，提取信息。
作为上述技术方案的进一步改进，业务平台包括财产描述格式化解析单元，财产描述格式化解析单元通过正则表达式技术对财产描述信息进行格式化解析和预判断，提取债权债务人信息。
作为上述技术方案的进一步改进，业务平台包括NLP语义解析单元，将PDF解析单元解析后的格式化信息及格式化后的财产描述信息提交NLP引擎进行智能语音识别，按照预设规则提取应收账款债权的业务要素。
作为上述技术方案的进一步改进，业务平台包括NLP识别单元，NLP识别单元通过自定义的模型改进，结合PDF解析单元的解析、财产描述格式化解析单元解析后提取的债权债务人信息、企业名清单、发票号规则，对财产描述中的错误信息进行自动化清洗和修复，经过清洗修复后的债权债务业务要素进行格式化暂存。
作为上述技术方案的进一步改进，业务平台包括NLP监控单元，NLP监控单元对NLP识别结果和人工定义结果的对比和差异信息进行统计和分析。
作为上述技术方案的进一步改进，业务平台包括NLP模型训练单元，NLP模型训练单元进行识别率验证，达到识别率预期后，发布新版本模型到NLP识别单元中。
基于NLP技术的应收账款质押转让登记财产的方法，其特征在于，包括下列步骤：
步骤1：风险查验；
步骤2：解析信息，提取要素；
步骤3：人工识别定义；
步骤4：NLP识别率监控
步骤5：NLP模型训练；
前置查验引擎查验风险，并对中登网多维度批量查验，获取中登网返回的登记证明及附件文件，业务系统对中登网返回的信息进行解析，提取关键信息并保存后，分别进行NLP识别、人工定义识别、NLP识别率监控，最后再进行NLP模型训练改善识别率。
作为上述技术方案的进一步改进，风险查验包括下列步骤：
步骤11：前置查验，前置查验引擎能对之前查验过的存在风险的应收账款债权进行自动识别，当存在风险，且是通过自身系统登记，则直接将查验结果返回查验方，提示存在风险；
步骤12：批量查验，当前置查验引擎查验无风险时，则需要对债权债务人及其债务信息到中登网进行多维度批量查验，获取中登网返回的登记证明及附件文件；
步骤13：风险查验，当前置查验引擎查验存在风险但不是自身系统登记时，则向中登网发起针对风险的债权信息进行的查验，获取中登网返回的登记证明及附件文件。
作为上述技术方案的进一步改进，解析信息，提取要素包括下列步骤：
步骤21：PDF解析，通过PDF解析引擎，对中登网返回的登记证明及附件文件进行解析，提取信息，实现格式化存储；
步骤22：财产描述格式化解析，通过正则表达式技术对财产描述信息进行格式化解析和预判断，提取债权债务人信息；
步骤23：NLP语义解析，将PDF解析后的格式化信息及格式化后的财产描述信息提交NLP引擎进行智能语音识别，按照预设规则提取应收账款债权的业务要素。
本发明的有益效果是：通过前置风险查验、NLP识别、人工定义、模型持续改善这样一个良性循环，能在有效降低人工成本、查验效率的同时，还能随着业务的持续扩展，不断的改善识别率，并且可作为独立的中登查询登记服务对所有机构提供高效专业的查询登记服务，提升整体的债权质押登记效率和准确性，推动该细分业务领域内的规范性和专业性。
附图说明
图1为本发明的结构框架图；
图2为本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
参考图1，本发明揭示了基于NLP技术的应收账款质押转让登记财产的系统，包括前置检验引擎、中登网以及业务平台，前置查验引擎查验风险，并对中登网多维度批量查验，获取中登网返回的登记证明及附件文件，业务系统对中登网返回的信息进行解析，提取关键信息并保存后，分别进行NLP识别、人工定义识别、NLP识别率监控，最后再进行NLP模型训练改善识别率。本发明使得应收账款质押转让登记财产描述工作随着业务量的不断扩展，进入一个准确性和效率的持续改善的良性循环。同时，该发明的系统可作为独立的中登登记解析服务对所有机构提供高效专业的解析服务，提升整体的债权质押登记效率和准确性，推动该细分业务领域内的规范性和专业性。
业务平台包括PDF解析单元，PDF解析单元对中登网返回的登记证明及附件文件进行解析，提取信息，关键要素包括核心企业，项目公司，项目，合同，发票，转让金额，转让人。
业务平台包括财产描述格式化解析单元，财产描述格式化解析单元通过正则表达式技术对财产描述信息进行格式化解析和预判断，提取债权债务人信息。
业务平台包括NLP语义解析单元，将PDF解析单元解析后的格式化信息及格式化后的财产描述信息提交NLP引擎进行智能语音识别，按照预设规则提取应收账款债权的业务要素。
业务平台包括NLP识别单元，NLP识别单元通过自定义的模型改进，结合PDF解析单元的解析、财产描述格式化解析单元解析后提取的债权债务人信息、企业名清单、发票号规则，对财产描述中的错误信息进行自动化清洗和修复，经过清洗修复后的债权债务业务要素进行格式化暂存。
业务平台包括NLP监控单元，NLP监控单元对NLP识别结果和人工定义结果的对比和差异信息进行统计和分析。
业务平台包括NLP模型训练单元，NLP模型训练单元进行识别率验证，达到识别率预期后，发布新版本模型到NLP识别单元中。
参考图2，基于NLP技术的应收账款质押转让登记财产的方法，包括下列步骤：
步骤1：风险查验；
步骤2：解析信息，提取要素；
步骤3：人工识别定义；
步骤4：NLP识别率监控
步骤5：NLP模型训练；
前置查验引擎查验风险，并对中登网多维度批量查验，获取中登网返回的登记证明及附件文件，业务系统对中登网返回的信息进行解析，提取关键信息并保存后，分别进行NLP识别、人工定义识别、NLP识别率监控，最后再进行NLP模型训练改善识别率。通过本发明的办法，能将部分查验的准确性提升到100％，常规识别准确率能达到60％～80％；平均查验时间从之前的1天左右降低到30分钟之内；并且随着该办法应用范围的推广和业务量的提升，识别正确率还能持续提升，查验时间也可能继续优化降低。
其中，风险查验包括下列步骤：
步骤11：前置查验，前置查验引擎能对之前查验过的存在风险的应收账款债权进行自动识别，当存在风险，且是通过自身系统登记，则直接将查验结果返回查验方，提示存在风险；
步骤12：批量查验，当前置查验引擎查验无风险时，则需要对债权债务人及其债务信息到中登网进行多维度批量查验，获取中登网返回的登记证明及附件文件；
步骤13：风险查验，当前置查验引擎查验存在风险但不是自身系统登记时，则向中登网发起针对风险的债权信息进行的查验，获取中登网返回的登记证明及附件文件。
在上述实施例中，前置查验是所有的查验都先通过前置查验引擎进行前置查验，前置查验引擎能对之前查验过的存在风险(已经质押转让给三方)的应收账款债权进行自动识别。当存在风险，且是通过自身系统登记，则直接将查验结果返回查验方，提示存在风险；批量查验是当前置查验引擎查验无风险时，则需要对债权债务人及其债务信息到中登网进行多维度批量查验，获取中登网返回的登记证明及附件文件；风险查验是当前置查验引擎查验存在风险但不是自身系统登记时，则向中登网发起针对风险的债权信息进行的查验，获取中登网返回的登记证明及附件文件。
其中，解析信息，提取要素包括下列步骤：
步骤21：PDF解析，通过PDF解析引擎，对中登网返回的登记证明及附件文件进行解析，提取信息，实现格式化存储；
步骤22：财产描述格式化解析，通过正则表达式技术对财产描述信息进行格式化解析和预判断，提取债权债务人信息；
步骤23：NLP语义解析，将PDF解析后的格式化信息及格式化后的财产描述信息提交NLP引擎进行智能语音识别，按照预设规则提取应收账款债权的业务要素。
在上述实施例中，PDF解析是通过自研的PDF解析引擎，对中登网返回的登记证明及附件文件进行解析，提取信息，实现格式化存储；财产描述格式化解析是通过正则表达式等技术对财产描述信息进行格式化解析和预判断，提取关键核心要素(债权债务人等)；NLP语义解析是将PDF解析后的格式化信息及格式化后的财产描述信息提交NLP引擎进行智能语音识别，按照预设规则提取应收账款债权的业务要素，业务业务要素包括，合同名称、合同编号、项目公司名称、项目名称、发票号码、核心企业名称、转让/质押开始日期、转让/质押结束日期、除外的合同名称、除外的合同编号、除外的项目公司、除外的项目名称、除外的发票号码、除外的核心企业名称。NLP识别时，通过自定义的模型改进，结合PDF解析及财产描述格式化解析后提取的债权债务人信息并结合企业名清单、发票号规则等规则，对财产描述中的“笔误”类错误信息进行自动化清洗和修复。经过清洗修复后的债权债务业务要素进行格式化暂存。
本发明的有益效果是：通过前置风险查验、NLP识别、人工定义、模型持续改善这样一个良性循环，能在有效降低人工成本、查验效率的同时，还能随着业务的持续扩展，不断的改善识别率，并且可作为独立的中登查询登记服务对所有机构提供高效专业的查询登记服务，提升整体的债权质押登记效率和准确性，推动该细分业务领域内的规范性和专业性。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围。
Claims (10)
1.基于NLP技术的应收账款质押转让登记财产的系统，其特征在于，包括前置检验引擎、中登网以及业务平台，前置查验引擎查验风险，并对中登网多维度批量查验，获取中登网返回的登记证明及附件文件，业务系统对中登网返回的信息进行解析，提取关键信息并保存后，分别进行NLP识别、人工定义识别、NLP识别率监控，最后再进行NLP模型训练改善识别率。
2.根据权利要求1所述的基于NLP技术的应收账款质押转让登记财产的系统，其特征在于，业务平台包括PDF解析单元，PDF解析单元对中登网返回的登记证明及附件文件进行解析，提取信息。
3.根据权利要求2所述的基于NLP技术的应收账款质押转让登记财产的系统，其特征在于，业务平台包括财产描述格式化解析单元，财产描述格式化解析单元通过正则表达式技术对财产描述信息进行格式化解析和预判断，提取债权债务人信息。
4.根据权利要求3所述的基于NLP技术的应收账款质押转让登记财产的系统，其特征在于，业务平台包括NLP语义解析单元，将PDF解析单元解析后的格式化信息及格式化后的财产描述信息提交NLP引擎进行智能语音识别，按照预设规则提取应收账款债权的业务要素。
5.根据权利要求4所述的基于NLP技术的应收账款质押转让登记财产的系统，其特征在于，业务平台包括NLP识别单元，NLP识别单元通过自定义的模型改进，结合PDF解析单元的解析、财产描述格式化解析单元解析后提取的债权债务人信息、企业名清单、发票号规则，对财产描述中的错误信息进行自动化清洗和修复，经过清洗修复后的债权债务业务要素进行格式化暂存。
6.根据权利要求5所述的基于NLP技术的应收账款质押转让登记财产的系统，其特征在于，业务平台包括NLP监控单元，NLP监控单元对NLP识别结果和人工定义结果的对比和差异信息进行统计和分析。
7.根据权利要求6所述的基于NLP技术的应收账款质押转让登记财产的系统，其特征在于，业务平台包括NLP模型训练单元，NLP模型训练单元进行识别率验证，达到识别率预期后，发布新版本模型到NLP识别单元中。
8.基于NLP技术的应收账款质押转让登记财产的方法，其特征在于，包括下列步骤：
步骤1：风险查验；
步骤2：解析信息，提取要素；
步骤3：人工识别定义；
步骤4：NLP识别率监控
步骤5：NLP模型训练；
前置查验引擎查验风险，并对中登网多维度批量查验，获取中登网返回的登记证明及附件文件，业务系统对中登网返回的信息进行解析，提取关键信息并保存后，分别进行NLP识别、人工定义识别、NLP识别率监控，最后再进行NLP模型训练改善识别率。
9.根据权利要求8所述的基于NLP技术的应收账款质押转让登记财产的方法，其特征在于，风险查验包括下列步骤：
步骤11：前置查验，前置查验引擎能对之前查验过的存在风险的应收账款债权进行自动识别，当存在风险，且是通过自身系统登记，则直接将查验结果返回查验方，提示存在风险；
步骤12：批量查验，当前置查验引擎查验无风险时，则需要对债权债务人及其债务信息到中登网进行多维度批量查验，获取中登网返回的登记证明及附件文件；
步骤13：风险查验，当前置查验引擎查验存在风险但不是自身系统登记时，则向中登网发起针对风险的债权信息进行的查验，获取中登网返回的登记证明及附件文件。
10.根据权利要求9所述的基于NLP技术的应收账款质押转让登记财产的方法，其特征在于，解析信息，提取要素包括下列步骤：
步骤21：PDF解析，通过PDF解析引擎，对中登网返回的登记证明及附件文件进行解析，提取信息，实现格式化存储；
步骤22：财产描述格式化解析，通过正则表达式技术对财产描述信息进行格式化解析和预判断，提取债权债务人信息；
步骤23：NLP语义解析，将PDF解析后的格式化信息及格式化后的财产描述信息提交NLP引擎进行智能语音识别，按照预设规则提取应收账款债权的业务要素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011577696.6A CN112598519A (zh) | 2020-12-28 | 2020-12-28 | 基于nlp技术的应收账款质押转让登记财产的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011577696.6A CN112598519A (zh) | 2020-12-28 | 2020-12-28 | 基于nlp技术的应收账款质押转让登记财产的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112598519A true CN112598519A (zh) | 2021-04-02 |
Family
ID=75202817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011577696.6A Pending CN112598519A (zh) | 2020-12-28 | 2020-12-28 | 基于nlp技术的应收账款质押转让登记财产的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112598519A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656428A (zh) * | 2021-10-20 | 2021-11-16 | 江苏金融租赁股份有限公司 | 一种动产融资统一登记公示的全流程自动报送方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1926569A (zh) * | 2004-02-23 | 2007-03-07 | 自动金融系统股份有限公司 | 风险管理系统和方法 |
| CN102147792A (zh) * | 2010-02-09 | 2011-08-10 | 中国科学院计算技术研究所 | 一种客户化知识智能系统 |
| CN104820908A (zh) * | 2015-05-22 | 2015-08-05 | 中国石油化工股份有限公司 | 一种炼油企业基于风险的设备完整性管理系统 |
| CN108038781A (zh) * | 2017-12-05 | 2018-05-15 | 安徽海汇金融投资集团有限公司 | 一种应收账款债权凭证（合同）流转系统 |
| CN111080425A (zh) * | 2019-12-11 | 2020-04-28 | 深圳盈佳信联科技有限公司 | 应收账款资产权益核查系统及方法 |
| CN111709718A (zh) * | 2020-06-22 | 2020-09-25 | 平安不动产有限公司 | 基于人工智能的智能保理资产服务平台、方法和存储介质 |
| CN112069808A (zh) * | 2020-09-28 | 2020-12-11 | 深圳壹账通智能科技有限公司 | 融资风控方法、装置、计算机设备及存储介质 |
| CN112116184A (zh) * | 2019-06-21 | 2020-12-22 | 因斯派克托里奥股份有限公司 | 使用历史检验数据的工厂风险估计 |
-
2020
- 2020-12-28 CN CN202011577696.6A patent/CN112598519A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1926569A (zh) * | 2004-02-23 | 2007-03-07 | 自动金融系统股份有限公司 | 风险管理系统和方法 |
| CN102147792A (zh) * | 2010-02-09 | 2011-08-10 | 中国科学院计算技术研究所 | 一种客户化知识智能系统 |
| CN104820908A (zh) * | 2015-05-22 | 2015-08-05 | 中国石油化工股份有限公司 | 一种炼油企业基于风险的设备完整性管理系统 |
| CN108038781A (zh) * | 2017-12-05 | 2018-05-15 | 安徽海汇金融投资集团有限公司 | 一种应收账款债权凭证（合同）流转系统 |
| CN112116184A (zh) * | 2019-06-21 | 2020-12-22 | 因斯派克托里奥股份有限公司 | 使用历史检验数据的工厂风险估计 |
| CN111080425A (zh) * | 2019-12-11 | 2020-04-28 | 深圳盈佳信联科技有限公司 | 应收账款资产权益核查系统及方法 |
| CN111709718A (zh) * | 2020-06-22 | 2020-09-25 | 平安不动产有限公司 | 基于人工智能的智能保理资产服务平台、方法和存储介质 |
| CN112069808A (zh) * | 2020-09-28 | 2020-12-11 | 深圳壹账通智能科技有限公司 | 融资风控方法、装置、计算机设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656428A (zh) * | 2021-10-20 | 2021-11-16 | 江苏金融租赁股份有限公司 | 一种动产融资统一登记公示的全流程自动报送方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Glover et al. | Enhancing auditor professional skepticism: The professional skepticism continuum | |
| English | Performance audit of Australian public private partnerships: legitimising government policies or providing independent oversight? | |
| Beatty et al. | Nonrecurring items in debt contracts | |
| CN113011959A (zh) | 一种“七项费用”智慧审计系统及其使用方法 | |
| Anh et al. | Determinants of transfer pricing aggressiveness: A case of Vietnam | |
| CN103236005A (zh) | 一种电子商务风险支付的检测评估阻止方法 | |
| CN112541818A (zh) | 一种基于区块链的风控模型构建方法 | |
| US20160086177A1 (en) | Smart Gross Management of Repairs and Exceptions for Payment Processing | |
| CN110728570B (zh) | 反诈资金分析方法 | |
| CN111709830A (zh) | 一种授信额度确定方法、装置、设备和介质 | |
| KR100974342B1 (ko) | 전문단체의 추천을 이용한 기업신용평가 시스템 및 그 방법 | |
| CN115292352A (zh) | 问题查询方法、装置、设备、介质和程序产品 | |
| CN112396437A (zh) | 一种基于知识图谱的贸易合同验证方法及装置 | |
| CN111582916A (zh) | 工程项目造价、招标、咨询的综合管理系统 | |
| CN112598519A (zh) | 基于nlp技术的应收账款质押转让登记财产的系统及方法 | |
| Milani et al. | Decomposition driven consolidation of process models | |
| CN114240333A (zh) | 电子会计档案全息应用中心系统 | |
| CN116151840B (zh) | 一种基于大数据的用户服务数据智能管理系统及方法 | |
| Leng et al. | The Audit Committees, Internal Audit and External Audit Quality Effects on Earnings Management: An Analysis of Malaysian Government-Linked Companies. | |
| CN115600972A (zh) | 一种不良资产的核销方法、装置、设备及存储介质 | |
| CN114998014A (zh) | 一种基于区块链的信息处理分析方法 | |
| Diane Janvrin PhD | Textual analysis for accountants | |
| Popovici | Reflections on risks in fixed assets audit | |
| CN113435840A (zh) | 财务数据采集录入方法 | |
| Henuk et al. | Risk preference: Tax understanding, tax services, tax audits and tax sanctions on taxable entrepreneur compliance |
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 |
Application publication date: 20210402 |