CN112613729A - 违约风险大数据可视化方法、装置及存储介质 - Google Patents

违约风险大数据可视化方法、装置及存储介质 Download PDF

Info

Publication number
CN112613729A
CN112613729A CN202011512244.XA CN202011512244A CN112613729A CN 112613729 A CN112613729 A CN 112613729A CN 202011512244 A CN202011512244 A CN 202011512244A CN 112613729 A CN112613729 A CN 112613729A
Authority
CN
China
Prior art keywords
data
dimension
big data
target
visual
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
Application number
CN202011512244.XA
Other languages
English (en)
Inventor
林庆治
鲍蔚
张云帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qianhai Feisuan Technology Shenzhen Co ltd
Original Assignee
Qianhai Feisuan Technology Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qianhai Feisuan Technology Shenzhen Co ltd filed Critical Qianhai Feisuan Technology Shenzhen Co ltd
Priority to CN202011512244.XA priority Critical patent/CN112613729A/zh
Publication of CN112613729A publication Critical patent/CN112613729A/zh
Pending legal-status Critical Current

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • 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
    • G06F16/26—Visual data mining; Browsing structured data
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种违约风险大数据可视化方法，包括：基于关联规则算法根据用户信息在维度集中确定至少一个维度作为目标维度信息，根据目标维度信息在相应的网络数据库中采集实时网络数据；对实时网络数据进行解析，获取数据词库；并对所述数据词库中的数据的格式进行标准化处理，得到标准大数据；调用可视化工具对标准大数据进行可视化处理，得到可视标准大数据；调用人工智能引擎对可视标准大数据进行识别得到可视数据流；在GIS地图中显示可视数据流。本申请还提供一种违约风险大数据可视化装置、计算机设备及存储介质。本申请可以利用大数据从多维度分析和挖掘用户的实时重大事件，并直观地展示相应地警示标识，有助于识别和预警用户违约风险。

Description

违约风险大数据可视化方法、装置及存储介质
技术领域
本申请涉及大数据技术领域，尤其涉及违约风险大数据可视化方法、装置、计算机设备及存储介质。
背景技术
随着网络技术的推广，网络媒体作为一种新的信息传播形式，已经广泛地为人们所接受。人们越来越多的通过互联网进行各种数据业务，而用户的信用评估也成为了一个互联网技术领域的焦点问题。现有技术中对用户的信用评估方式通常是通过收集用户填报的静态个人信息，然后通过信用评分模型或机器学习的一些预测算法，评估用户违约风险，但造成用户违约行为的偶发因素很多，例如偶然发生的交通事故、突发健康状况、遭遇股市崩盘等实时因素都可能会造成用户违约，但这是传统信用评分模型或机器学习模型难以预见的。
发明内容
本发明实施例的目的在于提出一种违约风险大数据可视化方法、装置、计算机设备及存储介质，实时掌握目标用户的个人重大事件，及时识别用户违约风险。
本发明的目的是通过以下技术方案来实现的：一种违约风险大数据可视化方法，包括：
基于关联规则算法根据用户信息在维度集中确定至少一个维度作为目标维度信息，所述维度集包括下列维度中的一种或多种：健康维度、消费维度、法律维度、投资维度、交通维度和信贷维度；
根据目标维度信息在相应的网络数据库中采集实时网络数据；
对实时网络数据进行解析，获取数据词库；
并对所述数据词库中的数据的格式进行标准化处理，得到标准大数据；
调用可视化工具对标准大数据进行可视化处理，得到可视标准大数据；
调用人工智能引擎对可视标准大数据进行识别得到可视数据流；
在GIS地图中显示可视数据流。
在一些实施例中，所述关联规则算法包括频繁项集算法。
在一些实施例中，所述根据目标维度信息在相应的网络数据库中采集实时网络数据的步骤包括：根据目标维度信息设置目标网站，利用网络爬虫在目标网站中抓取包含目标关键字的网络页面，计算网络页面与目标维度信息的匹配度，将匹配度大于阈值的网络页面作为实时网络数据。
在一些实施例中，所述调用人工智能引擎对可视标准大数据进行识别得到可视数据流的步骤包括：利用人工智能引起识别可视标准大数据中的关键字的语义，根据语义在模式集中匹配得到目标模式形成可视数据流。
在一些实施例中，在GIS地图中显示可视数据流时，根据目标模式在GIS地图上用户对应的位置处显示相应的标识。
一种违约风险大数据可视化装置，其包括：
目标维度模块，用于基于关联规则算法根据用户信息在维度集中确定至少一个维度作为目标维度信息，所述维度集包括下列维度中的一种或多种：健康维度、消费维度、法律维度、投资维度、交通维度和信贷维度；
数据采集模块，用于根据目标维度信息在相应的网络数据库中采集实时网络数据；
数据解析模块，用于对实时网络数据进行解析，获取数据词库；
标准接口模块，用于并对所述数据词库中的数据的格式进行标准化处理，得到标准大数据；
可视化引擎模块，用于调用可视化工具对标准大数据进行可视化处理，得到可视标准大数据，调用人工智能引擎对可视标准大数据进行识别得到可视数据流，并在GIS地图中显示可视数据流。
在一些实施例中，所述关联规则算法包括频繁项集算法。
在一些实施例中，所述数据采集模块包括：目标设置模块，用于根据目标维度信息设置目标网站；网络爬虫模块，用于利用网络爬虫在目标网站中抓取包含目标关键字的网络页面；匹配模块，用于计算网络页面与目标维度信息的匹配度，将匹配度大于阈值的网络页面作为实时网络数据。
在一些实施例中，所述可视化引擎模块还用于利用人工智能引起识别可视标准大数据中的关键字的语义，根据语义在模式集中匹配得到目标模式形成可视数据流。
在一些实施例中，所述可视化引擎模块在GIS地图中显示可视数据流时，根据目标模式在GIS地图上用户对应的位置处显示相应的标识。
与现有技术相比，本申请实施例主要有以下有益效果：本申请可以利用大数据从多维度采集和分析用户的实时重大事件，并直观地展示相应地警示标识，有助于用户违约风险的识别和预警。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的违约风险大数据可视化方法的一个实施例的流程图；
图3是图2中步骤S202的一种具体实施方式的流程图；
图4是根据本申请的违约风险大数据可视化装置的一个实施例的结构示意图；
图5是图4所示数据采集模块一种具体实施方式的结构示意图；
图6是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的违约风险大数据预警页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的违约风险大数据可视化方法一般由服务器执行，相应地，违约风险大数据可视化装置一般设置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的违约风险大数据可视化的方法的一个实施例的流程图。所述的违约风险大数据可视化方法，包括以下步骤：
步骤S201，基于关联规则算法根据用户信息在维度集中确定至少一个维度作为目标维度信息，所述维度集包括下列维度中的一种或多种：健康维度、消费维度、法律维度、投资维度、交通维度和信贷维度。
在本实施例中，可以预先采集多个用户的用户信息和发生的重大事件的关键字信息，根据重大事件的关键字信息将这些重大事件归纳为健康、消费、法律、投资、交通、信贷等多个维度，从而与用户信息一同构成数据集，数据集中的每条数据可以包括一个用户的用户信息和发生于这些用户的重大事件所对应的维度。用户信息可以包括关于用户的年龄、体重、身高、学历、驾驶技能、违章记录、刑事处罚、诉讼、收入、运动、饮酒习惯、抽烟习惯、消费、住房状况、股票、基金、期货、贷款、存款等多个子项。利用关联规则算法，在数据集中挖掘置信度较高用户信息与子项之间的强关联关系，根据待分析的用户的用户信息的子项依据强关联关系匹配至少一个维度作为目标维度信息，从而科学合理地定位用户的风险领域，提高信息采集和分析的效率。
在一些实施例中，所述关联规则算法包括频繁项集算法。频繁项集算法可以为Apriori算法。可以利用Apriori算法在包含其他用户的用户信息和维度的数据集中挖掘用户信息的子项和维度之间的强关联关系，根据待分析的用户信息的子项依据强关联关系产生相应的维度作为目标维度信息。
步骤S202，根据目标维度信息在相应的网络数据库中采集实时网络数据。
步骤S203，对实时网络数据进行解析，获取数据词库。
步骤S204，并对所述数据词库中的数据的格式进行标准化处理，得到标准大数据。
步骤S205，调用可视化工具对标准大数据进行可视化处理，得到可视标准大数据。
步骤S206，调用人工智能引擎对可视标准大数据进行识别得到可视数据流。
步骤S207，在GIS地图中显示可视数据流。
在本实施例中，违约风险大数据可视化方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式将违约风险大数据可视化方法产生的GIS地图页面推送至终端。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
请参考图3，在一些实施例中，步骤S202包括：
步骤S2021，根据目标维度信息设置目标网站；
步骤S2022，利用网络爬虫在目标网站中抓取包含目标关键字的网络页面；
步骤S2023，计算网络页面与目标维度信息的匹配度，将匹配度大于阈值的网络页面作为实时网络数据。
在一些实施例中，所述调用人工智能引擎对可视标准大数据进行识别得到可视数据流的步骤包括：利用人工智能引起识别可视标准大数据中的关键字的语义，根据语义在模式集中匹配得到目标模式形成可视数据流。
模式集可以包括关于各维度的模式，例如关于健康维度的模式可以包括：健康，亚健康，轻微疾病，重大疾病，病危等多模式；关于法律维度的模式可以包括：正常，被执行人，失信被执行人，原告等多种模式；关于投资维度的模式可以包括例如激进，保守等多种。
在一些实施例中，在GIS地图中显示可视数据流时，根据目标模式在GIS地图上用户对应的位置处显示相应的标识。
具体来说，可以根据用户的住址在GIS地图的相应位置显示所述标识。所述标识可以与实时网络数据中识别到的语义进行设置。例如语义为健康状况恶化，则相应地将与健康状况恶化关联的图标作为所述标识。
本申请实施例利用大数据从多维度分析用户的实时重大事件，并直观地展示相应地警示标识，有助于及时识别和预警用户违约风险。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4，作为对上述图2所示方法的实现，本申请提供了一种违约风险大数据可视化装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例所述的违约风险大数据可视化装置400包括：
目标维度模块401，用于基于关联规则算法根据用户信息在维度集中确定至少一个维度作为目标维度信息，所述维度集包括下列维度中的一种或多种：健康维度、消费维度、法律维度、投资维度、交通维度和信贷维度。
在本实施例中，可以预先采集其他用户的用户信息和发生的重大事件的关键字信息，根据重大事件的关键字信息将这些重大事件归纳为健康、消费、法律、投资、交通、信贷等多个维度，从而形成数据集。用户信息可以包括关于用户的年龄、体重、身高、学历、驾驶技能、违章记录、收入、运动、饮酒习惯、抽烟习惯、消费额、住房状况、股票、基金、期货、贷款、存款等多个方面的个人信息。利用关联规则算法，根据待分析的用户的用户信息在数据集中挖掘置信度较高的维度作为目标维度信息，从而科学合理地定位用户的风险领域，提高信息采集和分析的效率。
在一些实施例中，所述关联规则算法包括频繁项集算法。频繁项集算法可以为Apriori算法。可以利用Apriori算法在包含其他用户的用户信息和维度的数据集中挖掘用户信息的子项和维度之间的强关联关系，根据待分析的用户信息的子项依据强关联关系产生相应的维度作为目标维度信息。
数据采集模块402，用于根据目标维度信息在相应的网络数据库中采集实时网络数据；
数据解析模块403，用于对实时网络数据进行解析，获取数据词库；
标准接口模块404，用于并对所述数据词库中的数据的格式进行标准化处理，得到标准大数据；
可视化引擎模块405，用于调用可视化工具对标准大数据进行可视化处理，得到可视标准大数据，调用人工智能引擎对可视标准大数据进行识别得到可视数据流，并在GIS地图中显示可视数据流。
同时参考图5，在一些实施例中，所述数据采集模块402包括：目标设置模4021，用于根据目标维度信息设置目标网站；网络爬虫模块4022，用于利用网络爬虫在目标网站中抓取包含目标关键字的网络页面；匹配模块4023，用于计算网络页面与目标维度信息的匹配度，将匹配度大于阈值的网络页面作为实时网络数据。
在一些实施例中，所述可视化引擎模块405还用于利用人工智能引起识别可视标准大数据中的关键字的语义，根据语义在模式集中匹配得到目标模式形成可视数据流。
模式集可以包括关于各维度的模式，例如关于健康维度的模式可以包括：健康，亚健康，轻微疾病，重大疾病，病危等多模式；关于法律维度的模式可以包括：正常，被执行人，失信被执行人，原告等多种模式；关于投资维度的模式可以包括例如激进，保守等多种。
在一些实施例中，所述可视化引擎模块405在GIS地图中显示可视数据流时，根据目标模式在GIS地图上用户对应的位置处显示相应的标识。
本申请实施例利用大数据从多维度分析用户的实时重大事件，并直观地展示相应地警示标识，有助于用户违约风险的识别和预警。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图6，图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是，图中仅示出了具有组件61-63的计算机设备6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器61可以是所述计算机设备6的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，所述存储器61也可以是所述计算机设备6的外部存储设备，例如该计算机设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中，所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件，例如违约风险大数据可视化方法的程序代码等。此外，所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中，所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据，例如运行所述违约风险大数据可视化方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口，该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有违约风险大数据可视化程序，所述违约风险大数据可视化程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的违约风险大数据可视化方法的步骤。
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，本申请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)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种违约风险大数据可视化方法，其特征在于，包括下述步骤：
基于关联规则算法根据用户信息在维度集中确定至少一个维度作为目标维度信息，所述维度集包括下列维度中的一种或多种：健康维度、消费维度、法律维度、投资维度、交通维度和信贷维度；
根据目标维度信息在相应的网络数据库中采集实时网络数据；
对实时网络数据进行解析，获取数据词库；
并对所述数据词库中的数据的格式进行标准化处理，得到标准大数据；
调用可视化工具对标准大数据进行可视化处理，得到可视标准大数据；
调用人工智能引擎对可视标准大数据进行识别得到可视数据流；
在GIS地图中显示可视数据流。
2.根据权利要求1所述的违约风险大数据可视化方法，其特征在于，所述关联规则算法包括频繁项集算法。
3.根据权利要求1所述的违约风险大数据可视化方法，其特征在于，所述根据目标维度信息在相应的网络数据库中采集实时网络数据的步骤包括：根据目标维度信息设置目标网站，利用网络爬虫在目标网站中抓取包含目标关键字的网络页面，计算网络页面与目标维度信息的匹配度，将匹配度大于阈值的网络页面作为实时网络数据。
4.根据权利要求1所述的违约风险大数据可视化方法，其特征在于，所述调用人工智能引擎对可视标准大数据进行识别得到可视数据流的步骤包括：利用人工智能引起识别可视标准大数据中的关键字的语义，根据语义在模式集中匹配得到目标模式以形成可视数据流。
5.根据权利要求4所述的违约风险大数据可视化方法，其特征在于，在GIS地图中显示可视数据流时，根据所述目标模式在GIS地图上用户对应的位置处显示相应的标识。
6.一种违约风险大数据可视化装置，其特征在于，包括：
目标维度模块，用于基于关联规则算法根据用户信息在维度集中确定至少一个维度作为目标维度信息，所述维度集包括下列维度中的一种或多种：健康维度、消费维度、法律维度、投资维度、交通维度和信贷维度；
数据采集模块，用于根据目标维度信息在相应的网络数据库中采集实时网络数据；
数据解析模块，用于对实时网络数据进行解析，获取数据词库；
标准接口模块，用于并对所述数据词库中的数据的格式进行标准化处理，得到标准大数据；
可视化引擎模块，用于调用可视化工具对标准大数据进行可视化处理，得到可视标准大数据，调用人工智能引擎对可视标准大数据进行识别得到可视数据流，并在GIS地图中显示可视数据流。
7.根据权利要求6所述的违约风险大数据可视化装置，其特征在于，所述数据采集模块包括：
目标设置模块，用于根据目标维度信息设置目标网站；
网络爬虫模块，用于利用网络爬虫在目标网站中抓取包含目标关键字的网络页面；
匹配模块，用于计算网络页面与目标维度信息的匹配度，将匹配度大于阈值的网络页面作为实时网络数据。
8.根据权利要求6所述的违约风险大数据可视化装置，其特征在于，所述关联规则算法包括频繁项集算法。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的违约风险大数据可视化方法的步骤。
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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的违约风险大数据可视化方法的步骤。
CN202011512244.XA 2020-12-19 2020-12-19 违约风险大数据可视化方法、装置及存储介质 Pending CN112613729A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011512244.XA CN112613729A (zh) 2020-12-19 2020-12-19 违约风险大数据可视化方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011512244.XA CN112613729A (zh) 2020-12-19 2020-12-19 违约风险大数据可视化方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN112613729A true CN112613729A (zh) 2021-04-06

Family

ID=75243683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011512244.XA Pending CN112613729A (zh) 2020-12-19 2020-12-19 违约风险大数据可视化方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112613729A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120316981A1 (en) * 2011-06-08 2012-12-13 Accenture Global Services Limited High-risk procurement analytics and scoring system
CN107291697A (zh) * 2017-06-29 2017-10-24 浙江图讯科技股份有限公司 一种语义分析方法、电子设备、存储介质及其诊断系统
CN109829640A (zh) * 2019-01-23 2019-05-31 平安科技（深圳）有限公司 企业违约风险的识别方法、装置、计算机设备和存储介质
CN111401725A (zh) * 2020-03-12 2020-07-10 浙江邮电职业技术学院 基于数据感知融合评估技术的5g通信网络运维平台
CN111738558A (zh) * 2020-05-27 2020-10-02 平安科技（深圳）有限公司 行为风险识别的可视化方法、装置、设备及存储介质
CN111784488A (zh) * 2020-06-28 2020-10-16 中国工商银行股份有限公司 企业资金风险预测方法及装置
CN111949724A (zh) * 2020-08-12 2020-11-17 江苏省专利信息服务中心(江苏省知识产权维权援助中心) 一种知识产权大数据平台

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120316981A1 (en) * 2011-06-08 2012-12-13 Accenture Global Services Limited High-risk procurement analytics and scoring system
CN107291697A (zh) * 2017-06-29 2017-10-24 浙江图讯科技股份有限公司 一种语义分析方法、电子设备、存储介质及其诊断系统
CN109829640A (zh) * 2019-01-23 2019-05-31 平安科技（深圳）有限公司 企业违约风险的识别方法、装置、计算机设备和存储介质
CN111401725A (zh) * 2020-03-12 2020-07-10 浙江邮电职业技术学院 基于数据感知融合评估技术的5g通信网络运维平台
CN111738558A (zh) * 2020-05-27 2020-10-02 平安科技（深圳）有限公司 行为风险识别的可视化方法、装置、设备及存储介质
CN111784488A (zh) * 2020-06-28 2020-10-16 中国工商银行股份有限公司 企业资金风险预测方法及装置
CN111949724A (zh) * 2020-08-12 2020-11-17 江苏省专利信息服务中心(江苏省知识产权维权援助中心) 一种知识产权大数据平台

Similar Documents

Publication Publication Date Title
CN112148987B (zh) 基于目标对象活跃度的消息推送方法及相关设备
CN109583620A (zh) 企业潜在风险预警方法、装置、计算机设备和存储介质
CN111523677A (zh) 实现对机器学习模型的预测结果进行解释的方法及装置
CN114398477A (zh) 基于知识图谱的政策推荐方法及其相关设备
CN111553556A (zh) 业务数据分析方法、装置、计算机设备及存储介质
CN113743721A (zh) 营销策略生成方法、装置、计算机设备及存储介质
CN117522538A (zh) 招投标信息处理方法、装置、计算机设备及存储介质
CN115757075A (zh) 任务异常检测方法、装置、计算机设备及存储介质
CN115936895A (zh) 基于人工智能的风险评估方法、装置、设备及存储介质
CN111639360A (zh) 智能数据脱敏方法、装置、计算机设备及存储介质
CN114265835A (zh) 基于图挖掘的数据分析方法、装置及相关设备
CN117314586A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN116843395A (zh) 一种业务系统的告警分级方法、装置、设备及存储介质
CN117217684A (zh) 指标数据的处理方法、装置、计算机设备及存储介质
CN116450723A (zh) 数据提取方法、装置、计算机设备及存储介质
CN112613729A (zh) 违约风险大数据可视化方法、装置及存储介质
CN114664458A (zh) 患者分类装置、计算机设备及存储介质
CN113706207A (zh) 基于语义解析的订单成交率分析方法、装置、设备及介质
CN111782208A (zh) 指标预警方法、装置、计算机设备及存储介质
CN112069807A (zh) 文本数据的主题提取方法、装置、计算机设备及存储介质
CN112084408A (zh) 名单数据筛选方法、装置、计算机设备及存储介质
CN118885568A (zh) 一种用户行为预测方法、装置、计算机设备及存储介质
CN114742060B (zh) 实体识别方法、装置、电子设备及存储介质
CN115544282A (zh) 基于图数据库的数据处理方法、装置、设备及存储介质
CN117290597A (zh) 基于人工智能的信息推送方法、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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210406

RJ01 Rejection of invention patent application after publication