CN112632197B - 基于知识图谱的业务关系处理方法及装置 - Google Patents

基于知识图谱的业务关系处理方法及装置 Download PDF

Info

Publication number
CN112632197B
CN112632197B CN202110134567.8A CN202110134567A CN112632197B CN 112632197 B CN112632197 B CN 112632197B CN 202110134567 A CN202110134567 A CN 202110134567A CN 112632197 B CN112632197 B CN 112632197B
Authority
CN
China
Prior art keywords
business
service
attribute
relation
relationship
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.)
Active
Application number
CN202110134567.8A
Other languages
English (en)
Other versions
CN112632197A (zh
Inventor
顾凌云
高忠生
李嘉明
陈波
杨镇恺
刘正周
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.)
Shanghai IceKredit Inc
Original Assignee
Shanghai IceKredit Inc
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 Shanghai IceKredit Inc filed Critical Shanghai IceKredit Inc
Priority to CN202110134567.8A priority Critical patent/CN112632197B/zh
Publication of CN112632197A publication Critical patent/CN112632197A/zh
Application granted granted Critical
Publication of CN112632197B publication Critical patent/CN112632197B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/288Entity relationship models

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种基于知识图谱的业务关系处理方法及装置,在业务关系处理过程中初始业务指标属性值可以根据预设的业务指标属性值规则的匹配情况而变化,并且关系类型对应的关系属性传导权重可以根据业务对象的初始业务指标属性值和每个关系类型对应的关系属性传导权重而变化,由此更符合业务对象的关系属性传导的业务场景,进而可以有效模拟出业务对象间的关系属性传导过程,使得传导结果更符合真实业务场景,提高后续业务信息推送的准确性。

Description

基于知识图谱的业务关系处理方法及装置
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种基于知识图谱的业务关系处理方法及装置。
背景技术
在信息推送过程中,通常会涉及到计算不同业务对象之间的关系属性传导参数,从而准确识别出不同业务对象之间的关系属性关联程度,以便于后续的业务信息推送。
当前常见的用于识别不同业务对象之间的关系属性关联程度的方案是在每次随机游走重启时,按照所有业务对象都存在均匀的访问概率分布的前提下进行的,这意味着每个业务对象的初始业务指标属性值是一致的,而这并不符合实际。此外,在整个识别过程中,所有关系类型对应的关系属性传导权重都是一致的,这也不符合实际,因为业务对象之间的关系属性传导参数受各种因素而变化,进而影响后续业务信息推送的准确性。
发明内容
基于现有设计的不足,本申请提供一种基于知识图谱的业务关系处理方法及装置,初始业务指标属性值可以根据预设的业务指标属性值规则的匹配情况而变化,并且关系类型对应的关系属性传导权重可以根据业务对象的初始业务指标属性值和每个关系类型对应的关系属性传导权重而变化,由此更符合业务对象的关系属性传导的业务场景,进而可以有效模拟出业务对象间的关系属性传导过程,使得传导结果更符合真实业务场景,提高后续业务信息推送的准确性。
根据本申请的第一方面,提供一种基于知识图谱的业务关系处理方法,应用于服务器,所述方法包括:
获取待处理的业务数据,所述业务数据包括每个第一业务对象的业务属性数据、与相关联的其它第一业务对象之间的第一关系业务数据以及与相关联的第二业务对象之间的第二关系业务数据;
对所述待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象,并构建所述第一业务对象与所述第二业务对象之间的目标知识图谱,其中,所述业务关系圈网络用于表示同一业务关系圈下每个第一业务对象之间的关联关系;
根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值,并根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重;
根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及所述目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数,并根据所述关系属性传导参数进行业务信息推送。
在第一方面的一种可能的实施方式中,所述对所述待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象的步骤,包括:
从所述待处理的业务数据中确定存在业务关系的至少两个第一业务对象,并将存在业务关系的至少两个第一业务对象确定为处于同一业务关系圈网络的第一业务对象。
在第一方面的一种可能的实施方式中,所述构建所述第一业务对象与所述第二业务对象之间的目标知识图谱的步骤,包括:
从所述待处理的业务数据中确定每个实体类型以及每个实体类型的实体属性数据,其中,所述实体类型包括第一业务对象类型以及第二业务对象类型;
根据所述每个实体类型、每个实体类型的实体属性数据以及每个第一业务对象与第二业务对象,和/或每个第一业务对象与其它第一业务对象之间的每个关系类型,构建所述第一业务对象与所述第二业务对象之间的目标知识图谱。
在第一方面的一种可能的实施方式中,所述根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值的步骤,包括:
将每个业务关系圈网络中的第一业务对象在每个数据维度下的业务数据与所述业务指标属性值规则中对应数据维度下的取值规则进行匹配,获得每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值;
根据每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值,获得所述每个业务关系圈网络中的第一业务对象的初始业务指标属性值。
在第一方面的一种可能的实施方式中,所述根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重的步骤,包括:
将每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与第二业务对象和/或其它第一业务对象之间的每个关系类型对应的关系属性传导权重;和/或
将每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重。
在第一方面的一种可能的实施方式中,所述根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及所述目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数的步骤,包括:
将所有初始业务指标属性值高于预设属性值的第一业务对象确定为能对外传导关系属性传导参数的目标传播节点,获得目标传播节点列表;
将每个第一业务对象的初始业务指标属性值、所述目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数,其中,每个边用于表示每个关系类型,每个边的权重用于表示每个关系类型对应的关系属性传导权重。
在第一方面的一种可能的实施方式中,所述将每个第一业务对象的初始业务指标属性值、所述目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数的步骤,包括:
将所有第一业务对象的初始业务指标属性值进行归一化处理,使得所有第一业务对象的业务指标属性值的总和为1;
依次对每个第一业务对象进行遍历,计算每一步遍历后的关系属性传导参数,其中,在遍历过程中,若该第一业务对象没有位于目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,所述关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,所述关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值,所述关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重,其中,所述损耗业务指标属性值为所述周围指向该第一业务对象的其它第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到;
若该第一业务对象位于所述目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,所述关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,所述关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到,所述关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重;
当遍历计算完所有第一业务对象的关系属性传导参数后,完成本次迭代过程,继续执行下一次迭代遍历,在每一次迭代完成后,计算本次迭代过程与上一次迭代过程中每个第一业务对象的关系属性传导参数的误差,直到迭代次数小于预先定义的最大迭代次数,并且所述误差之和小于预设误差阈值时,停止迭代,否则继续执行下一次迭代过程,其中,所述预设误差阈值为所述第一业务对象的总数量与预设收敛标准系数的乘积;
在停止迭代后,获得最终的每个第一业务对象的目标关系属性传导参数。
在第一方面的一种可能的实施方式中,所述根据所述关系属性传导参数进行业务信息推送的步骤,包括:
按照所述关系属性传导参数由大到小的顺序对各个第一业务对象进行排列,并将排列后的第一业务对象列表进行业务信息推送。
根据本申请的第三方面,提供一种基于知识图谱的业务关系处理装置,应用于服务器,所述装置包括:
获取模块,用于获取待处理的业务数据,所述业务数据包括每个第一业务对象的业务属性数据、与相关联的其它第一业务对象之间的第一关系业务数据以及与相关联的第二业务对象之间的第二关系业务数据;
构建模块,用于对所述待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象,并构建所述第一业务对象与所述第二业务对象之间的目标知识图谱,其中,所述业务关系圈网络用于表示同一业务关系圈下每个第一业务对象之间的关联关系;
第一计算模块,用于根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值,并根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重;
第二计算模块,用于根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及所述目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数,并根据所述关系属性传导参数进行业务信息推送。
根据本申请的第三方面,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计算机程序,当所述计算机程序被执行时,实现前述的基于知识图谱的业务关系处理方法。
基于上述任一方面,本申请在业务关系处理过程中初始业务指标属性值可以根据预设的业务指标属性值规则的匹配情况而变化,并且关系类型对应的关系属性传导权重可以根据业务对象的初始业务指标属性值和每个关系类型对应的关系属性传导权重而变化,由此更符合业务对象的关系属性传导的业务场景,进而可以有效模拟出业务对象间的关系属性传导过程,使得传导结果更符合真实业务场景,提高后续业务信息推送的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的基于知识图谱的业务关系处理方法的流程示意图;
图2示出了本申请实施例所提供的基于知识图谱的业务关系处理装置的功能模块示意图;
图3示出了本申请实施例所提供的用于执行上述的基于知识图谱的业务关系处理方法的服务器的组件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其它操作,也可以从流程图中移除一个或多个操作。
图1示出了本申请实施例提供的基于知识图谱的业务关系处理方法的流程示意图,应当理解,在其它实施例中,本实施例的基于知识图谱的业务关系处理方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该基于知识图谱的业务关系处理方法的详细步骤介绍如下。
步骤S110,获取待处理的业务数据,业务数据包括每个第一业务对象的业务属性数据、与相关联的其它第一业务对象之间的第一关系业务数据以及与相关联的第二业务对象之间的第二关系业务数据。
步骤S120,对待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象,并构建第一业务对象与第二业务对象之间的目标知识图谱。
步骤S130,根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值,并根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重。
步骤S140,根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数,并根据关系属性传导参数进行业务信息推送。
本实施例中,业务数据具体可以包括每个第一业务对象的业务属性数据、与相关联的其它第一业务对象之间的第一关系业务数据以及与相关联的第二业务对象之间的第二关系业务数据。其中,业务关系圈网络用于表示同一业务关系圈下每个第一业务对象之间的关联关系。
例如,第一业务对象与第二业务对象可以是存在业务关系的不同标签对象,如第一业务对象为企业,第二业务对象为自然人,业务关系圈网络可以为第一业务对象在担保业务下形成的业务关系圈网络。
基于此,每个第一业务对象的业务属性数据可以是,但不限于:企业的基本工商信息、工商事件、司法事件、逾期事件、担保合同数据、贷款数据等。每个第一业务对象与相关联的其它第一业务对象之间的第一关系业务数据可以是,但不限于:企业间的持股关系、分支关系和担保关系等。每个第一业务对象与相关联的第二业务对象之间的第二关系业务数据可以是,但不限于:自然人和企业之间的任职关系、持股关系等。
示例性地,企业基本工商信息可以包括,但不限于:企业名称、统一社会信用代码、注册号、注册资本(万元)、成立日期、净资产(万元)等,可以从企业信用信息公示网、客户信息数据库等获取。企业股权数据可以包括,但不限于:企业名称、股东名称、出资金额、出资比例等。企业分支机构数据可以包括,但不限于:企业名称、分支机构名称。企业高管任职数据可以包括,但不限于:企业名称、任职人员姓名、身份证号、职位,企业裁判文书数据可以包括,但不限于:企业名称、角色、立案时间、案由、案件正文,担保合同数据可以包括,但不限于:企业名称、担保合同号、担保人、被担保人、担保金额(万元)、合同起止时间,贷款逾期数据可以包括,但不限于:企业名称、还款到期时间、未还款金额,纳税非正常户数据可以包括,但不限于:企业名称、列入日期,涉税处罚数据可以包括,但不限于:企业名称、处罚日期。企业工商事件数据可以包括,但不限于:企业名称、发生日期、事件类型。
基于上述设计,本实施例在业务关系处理过程中初始业务指标属性值可以根据预设的业务指标属性值规则的匹配情况而变化,并且关系类型对应的关系属性传导权重可以根据业务对象的初始业务指标属性值和每个关系类型对应的关系属性传导权重而变化,由此更符合业务对象的关系属性传导的业务场景,进而可以有效模拟出业务对象间的关系属性传导过程,使得传导结果更符合真实业务场景,提高后续业务信息推送的准确性。
在一种可能的实施方式中,针对步骤S120而言,可以从待处理的业务数据中确定存在业务关系的至少两个第一业务对象,并将存在业务关系的至少两个第一业务对象确定为处于同一业务关系圈网络的第一业务对象。例如,可以从待处理的业务数据中确定存在担保关系的至少两个企业,并将存在担保关系的至少两个企业确定为处于同一业务关系圈网络的第一业务对象。
在一种可能的实施方式中,针对步骤S120而言,在构建第一业务对象与第二业务对象之间的目标知识图谱的的过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
子步骤S121,从待处理的业务数据中确定每个实体类型以及每个实体类型的实体属性数据。
子步骤S122,根据每个实体类型、每个实体类型的实体属性数据以及每个第一业务对象与第二业务对象,和/或每个第一业务对象与其它第一业务对象之间的每个关系类型,构建第一业务对象与第二业务对象之间的目标知识图谱。
示例性地,在子步骤S121中,实体类型可以包括第一业务对象类型、第二业务对象类型。例如,以前述示例为例,实体类型可以包括企业以及自然人。对应企业实体类型而言,其实体属性数据可以包括,但不限于:企业、企业名称、统一社会信用代码、注册号、总资产、净资产、负债率、企业风险等级等。对于自然人实体类型而言,其实体属性数据可以包括,但不限于:姓名。
示例性地,在子步骤S122中,以前述示例为例,关系类型可以包括,但不限于:持股关系类型、分支机构关系类型、任职关系类型、担保关系类型等。持股关系类型的关系起始节点和关系终止节点可以是企业到自然人,也可以是自然人到企业,关系属性数据可以是,但不限于:权重。分支机构的关系类型的关系起始节点和关系终止节点可以是企业到企业,关系属性数据可以为空。任职关系类型的关系起始节点和关系终止节点可以是自然人到企业,关系属性数据可以是,但不限于:职位、权重。担保关系类型的关系起始节点和关系终止节点可以是企业到企业,或者自然人到企业,关系属性数据可以是,但不限于:权重。
如此,在构建用于导入知识图谱模型的实体类型数据和关系类型数据后,即可将实体类型数据和关系类型数据导入到知识图谱模型中,从而构建第一业务对象与第二业务对象之间的目标知识图谱。
在一种可能的实施方式中,对于步骤S130而言,在根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值的过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
子步骤S131,将每个业务关系圈网络中的第一业务对象在每个数据维度下的业务数据与业务指标属性值规则中对应数据维度下的取值规则进行匹配,获得每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值。
子步骤S132,根据每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值,获得每个业务关系圈网络中的第一业务对象的初始业务指标属性值。
本实施例中,初始业务指标可以是企业的自身风险评分。数据维度可以包括但不限于企业基本工商信息、企业裁判文书数据、贷款逾期数据、纳税非正常户数据、涉税处罚数据、企业工商事件数据等。在企业基本工商信息、企业裁判文书数据、贷款逾期数据、纳税非正常户数据、涉税处罚数据、企业工商事件数据下的变量数据名称的业务数据分别为:企业是否注销或吊销、近1年是否发生金融类被告案件、近1年是否发生贷款逾期、近1年是否有纳税非正常户记录、近1年是否有涉税处罚记录、近1年是否发生注册资本降低事件,当为是时,各自对应的取值规则分别为-30、-30、-10、-10、-10、-10,当为否时,各自对应的的取值规则分别为-0、-0、-0、-0、-0、-0,由此可以计算出每个企业在企业基本工商信息、企业裁判文书数据、贷款逾期数据、纳税非正常户数据、涉税处罚数据、企业工商事件数据下的业务指标属性值,并将每个企业在企业基本工商信息、企业裁判文书数据、贷款逾期数据、纳税非正常户数据、涉税处罚数据、企业工商事件数据下的业务指标属性值进行相加,则可以获得每个企业的初始业务指标属性值。
在一种可能的实施方式中,对于步骤S130而言,在根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重的过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
子步骤S133,将每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与第二业务对象和/或其它第一业务对象之间的每个关系类型对应的关系属性传导权重。
和/或子步骤S134,将每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重。
示例性地,以关系类型为持股关系类型为例,若持股比例>0.5,那么对应的关系属性传导权重为1,若0.3<持股比例≤0.5,,则对应的关系属性传导权重为0.7,若持股比例≤0.3,则对应的关系属性传导权重为0.5。
又例如,以分支机构关系类型为例,当拥有分支机构时,那么对应的关系属性传导权重为1。
又例如,以任职关系类型为例,若任职人员为法定代表人、负责人,则对应的关系属性传导权重为1,若任职人员为总经理、副董事长、执行董事,则对应的关系属性传导权重为0.5,若任职人员为董事、经理、监事,则对应的关系属性传导权重为0.2,若任职人员为除以上所述的其他人,则对应的关系属性传导权重为0.1。
又例如,以担保关系类型为例,当存在担保行为时,则对应的关系属性传导权重为1。
由此,可以计算出每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重。
在一种可能的实施方式中,对于步骤S140而言,在根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数的过程中,可以通过以下示例性的子步骤来实现,详细描述如下。
子步骤S141,将所有初始业务指标属性值高于预设属性值的第一业务对象确定为能对外传导关系属性传导参数的目标传播节点,获得目标传播节点列表。
子步骤S142,将每个第一业务对象的初始业务指标属性值、目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数。
其中,每个边可以用于表示每个关系类型,每个边的权重可以用于表示每个关系类型对应的关系属性传导权重。
示例性地,在子步骤S142中:
首先,可以将所有第一业务对象的初始业务指标属性值进行归一化处理,使得所有第一业务对象的业务指标属性值的总和为1;
然后,依次对每个第一业务对象进行遍历,计算每一步遍历后的关系属性传导参数;
其中,在遍历过程中,若该第一业务对象没有位于目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值,关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重,其中,损耗业务指标属性值为周围指向该第一业务对象的其它第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到。
又例如,若该第一业务对象位于目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到,关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重。
当遍历完所有第一业务对象的关系属性传导参数后,完成本次迭代过程,继续执行下一次迭代遍历,在每一次迭代完成后,计算本次迭代过程与上一次迭代过程中每个第一业务对象的关系属性传导参数的误差,直到迭代次数小于预先定义的最大迭代次数,并且误差之和小于预设误差阈值时,停止迭代,否则继续执行下一次迭代过程,其中,预设误差阈值为第一业务对象的总数量与预设收敛标准系数的乘积。
由此,在停止迭代后,获得最终的每个第一业务对象的目标关系属性传导参数。
这样,对于步骤S140而言,在根据关系属性传导参数进行业务信息推送的过程中,可以按照关系属性传导参数由大到小的顺序对各个第一业务对象进行排列,并将排列后的第一业务对象列表进行业务信息推送。
例如,假设关系属性传导参数为企业间的风险传导概率,由此可以基于风险传导概率对企业进行排序后进行业务信息推送。
基于同一发明构思,请参阅图2,示出了本申请实施例提供的基于知识图谱的业务关系处理装置110的功能模块示意图,本实施例可以根据上述方法实施例对基于知识图谱的业务关系处理装置110进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。比如,在采用对应各个功能划分各个功能模块的情况下,图2示出的基于知识图谱的业务关系处理装置110只是一种装置示意图。其中,基于知识图谱的业务关系处理装置110可以包括获取模块111、构建模块112、第一计算模块113以及第二计算模块114,下面分别对该基于知识图谱的业务关系处理装置110的各个功能模块的功能进行详细阐述。
获取模块111,用于获取待处理的业务数据,业务数据包括每个第一业务对象的业务属性数据、与相关联的其它第一业务对象之间的第一关系业务数据以及与相关联的第二业务对象之间的第二关系业务数据。可以理解,该获取模块111可以用于执行上述方式S110,关于该获取模块111的详细实现方式可以参照上述对方式S110有关的内容。
构建模块112,用于对待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象,并构建第一业务对象与第二业务对象之间的目标知识图谱,其中,业务关系圈网络用于表示同一业务关系圈下每个第一业务对象之间的关联关系。可以理解,该构建模块112可以用于执行上述方式S120,关于该构建模块112的详细实现方式可以参照上述对方式S120有关的内容。
第一计算模块113,用于根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值,并根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重。可以理解,该第一计算模块113可以用于执行上述方式S130,关于该第一计算模块113的详细实现方式可以参照上述对方式S130有关的内容。
第二计算模块114,用于根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数,并根据关系属性传导参数进行业务信息推送。可以理解,该第二计算模块114可以用于执行上述方式S140,关于该第二计算模块114的详细实现方式可以参照上述对方式S140有关的内容。
在一种可能的实施方式中,构建模块112具体可以用于:
从待处理的业务数据中确定存在业务关系的至少两个第一业务对象,并将存在业务关系的至少两个第一业务对象确定为处于同一业务关系圈网络的第一业务对象。
在一种可能的实施方式中,构建模块112具体可以用于:
从待处理的业务数据中确定每个实体类型以及每个实体类型的实体属性数据,其中,实体类型包括第一业务对象类型以及第二业务对象类型;
根据每个实体类型、每个实体类型的实体属性数据以及每个第一业务对象与第二业务对象,和/或每个第一业务对象与其它第一业务对象之间的每个关系类型,构建第一业务对象与第二业务对象之间的目标知识图谱。
在一种可能的实施方式中,第一计算模块113具体可以用于:
将每个业务关系圈网络中的第一业务对象在每个数据维度下的业务数据与业务指标属性值规则中对应数据维度下的取值规则进行匹配,获得每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值;
根据每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值,获得每个业务关系圈网络中的第一业务对象的初始业务指标属性值。
在一种可能的实施方式中,第一计算模块113具体可以用于:
将每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与第二业务对象和/或其它第一业务对象之间的每个关系类型对应的关系属性传导权重;和/或
将每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重。
在一种可能的实施方式中,第二计算模块114具体可以用于:
将所有初始业务指标属性值高于预设属性值的第一业务对象确定为能对外传导关系属性传导参数的目标传播节点,获得目标传播节点列表;
将每个第一业务对象的初始业务指标属性值、目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数,其中,每个边用于表示每个关系类型,每个边的权重用于表示每个关系类型对应的关系属性传导权重。
在一种可能的实施方式中,第二计算模块114具体可以用于:
将所有第一业务对象的初始业务指标属性值进行归一化处理,使得所有第一业务对象的业务指标属性值的总和为1;
依次对每个第一业务对象进行遍历,计算每一步遍历后的关系属性传导参数,其中,在遍历过程中,若该第一业务对象没有位于目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值,关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重,其中,损耗业务指标属性值为周围指向该第一业务对象的其它第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到;
若该第一业务对象位于目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到,关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重;
当遍历完所有第一业务对象的关系属性传导参数后,完成本次迭代过程,继续执行下一次迭代遍历,在每一次迭代完成后,计算本次迭代过程与上一次迭代过程中每个第一业务对象的关系属性传导参数的误差,直到迭代次数小于预先定义的最大迭代次数,并且误差之和小于预设误差阈值时,停止迭代,否则继续执行下一次迭代过程,其中,预设误差阈值为第一业务对象的总数量与预设收敛标准系数的乘积;
在停止迭代后,获得最终的每个第一业务对象的目标关系属性传导参数。
在一种可能的实施方式中,第二计算模块114具体可以用于:
按照关系属性传导参数由大到小的顺序对各个第一业务对象进行排列,并将排列后的第一业务对象列表进行业务信息推送。
基于同一发明构思,请参阅图3,示出了本申请实施例提供的用于执行上述基于知识图谱的业务关系处理方法的服务器100的结构示意框图,该服务器100可以包括基于知识图谱的业务关系处理装置110、机器可读存储介质120和处理器130。
本实施例中,机器可读存储介质120与处理器130均位于服务器100中且二者分离设置。然而,应当理解的是,机器可读存储介质120也可以是独立于服务器100之外,且可以由处理器130通过总线接口来访问。可替换地,机器可读存储介质120也可以集成到处理器130中,例如,可以是高速缓存和/或通用寄存器。
基于知识图谱的业务关系处理装置110可以包括存储在机器可读存储介质120的软件功能模块(例如图2中所示的获取模块111、构建模块112、第一计算模块113以及第二计算模块114),当处理器130执行基于知识图谱的业务关系处理装置110中的软件功能模块时,以实现前述方法实施例提供的基于知识图谱的业务关系处理方法。
由于本申请实施例提供的服务器100是上述服务器100执行的方法实施例的另一种实现形式,且服务器100可用于执行上述方法实施例提供的基于知识图谱的业务关系处理方法,因此其所能获得的技术效果可参考上述方法实施例,在此不再赘述。
以上所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。通常在附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,在附图中提供的本申请的实施例的详细描述并非旨在限制本申请的保护范围,而仅仅是表示本申请的选定实施例。因此,本申请的保护范围应以权利要求的保护范围为准。此外,基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例,都应属于本申请保护的范围。

Claims (8)

1.一种基于知识图谱的业务关系处理方法,其特征在于,应用于服务器,所述方法包括:
获取待处理的业务数据,所述业务数据包括每个第一业务对象的业务属性数据、与相关联的其它第一业务对象之间的第一关系业务数据以及与相关联的第二业务对象之间的第二关系业务数据;
对所述待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象,并构建所述第一业务对象与所述第二业务对象之间的目标知识图谱,其中,所述业务关系圈网络用于表示同一业务关系圈下每个第一业务对象之间的关联关系;
根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值,并根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重;
根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及所述目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数,并根据所述关系属性传导参数进行业务信息推送;其中:
所述根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及所述目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数的步骤,包括:
将所有初始业务指标属性值高于预设属性值的第一业务对象确定为能对外传导关系属性传导参数的目标传播节点,获得目标传播节点列表;
将每个第一业务对象的初始业务指标属性值、所述目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数,其中,每个边用于表示每个关系类型,每个边的权重用于表示每个关系类型对应的关系属性传导权重;
其中,所述将每个第一业务对象的初始业务指标属性值、所述目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数的步骤,包括:
将所有第一业务对象的初始业务指标属性值进行归一化处理,使得所有第一业务对象的业务指标属性值的总和为1;
依次对每个第一业务对象进行遍历,计算每一步遍历后的关系属性传导参数,其中,在遍历过程中,若该第一业务对象没有位于目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,所述关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,所述关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值,所述关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重,其中,所述损耗业务指标属性值为所述周围指向该第一业务对象的其它第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到;
若该第一业务对象位于所述目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,所述关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,所述关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到,所述关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重;
当遍历完所有第一业务对象的关系属性传导参数后,完成本次迭代过程,继续执行下一次迭代遍历,在每一次迭代完成后,计算本次迭代过程与上一次迭代过程中每个第一业务对象的关系属性传导参数的误差,直到迭代次数小于预先定义的最大迭代次数,并且所述误差之和小于预设误差阈值时,停止迭代,否则继续执行下一次迭代过程,其中,所述预设误差阈值为所述第一业务对象的总数量与预设收敛标准系数的乘积;
在停止迭代后,获得最终的每个第一业务对象的目标关系属性传导参数。
2.根据权利要求1所述的基于知识图谱的业务关系处理方法,其特征在于,所述对所述待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象的步骤,包括:
从所述待处理的业务数据中确定存在业务关系的至少两个第一业务对象,并将存在业务关系的至少两个第一业务对象确定为处于同一业务关系圈网络的第一业务对象。
3.根据权利要求1所述的基于知识图谱的业务关系处理方法,其特征在于,所述构建所述第一业务对象与所述第二业务对象之间的目标知识图谱的步骤,包括:
从所述待处理的业务数据中确定每个实体类型以及每个实体类型的实体属性数据,其中,所述实体类型包括第一业务对象类型以及第二业务对象类型;
根据所述每个实体类型、每个实体类型的实体属性数据以及每个第一业务对象与第二业务对象,和/或每个第一业务对象与其它第一业务对象之间的每个关系类型,构建所述第一业务对象与所述第二业务对象之间的目标知识图谱。
4.根据权利要求1所述的基于知识图谱的业务关系处理方法,其特征在于,所述根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值的步骤,包括:
将每个业务关系圈网络中的第一业务对象在每个数据维度下的业务数据与所述业务指标属性值规则中对应数据维度下的取值规则进行匹配,获得每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值;
根据每个业务关系圈网络中的第一业务对象在每个数据维度下的业务指标属性值,获得所述每个业务关系圈网络中的第一业务对象的初始业务指标属性值。
5.根据权利要求1所述的基于知识图谱的业务关系处理方法,其特征在于,所述根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重的步骤,包括:
将每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与第二业务对象和/或其它第一业务对象之间的每个关系类型对应的关系属性传导权重;和/或
将每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性与对应关系类型的关系权重规则进行匹配,获得每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重。
6.根据权利要求1-5中任意一项所述的基于知识图谱的业务关系处理方法,其特征在于,所述根据所述关系属性传导参数进行业务信息推送的步骤,包括:
按照所述关系属性传导参数由大到小的顺序对各个第一业务对象进行排列,并将排列后的第一业务对象列表进行业务信息推送。
7.一种基于知识图谱的业务关系处理装置,其特征在于,应用于服务器,所述装置包括:
获取模块,用于获取待处理的业务数据,所述业务数据包括每个第一业务对象的业务属性数据、与相关联的其它第一业务对象之间的第一关系业务数据以及与相关联的第二业务对象之间的第二关系业务数据;
构建模块,用于对所述待处理的业务数据进行数据处理,获得每个处于同一业务关系圈网络的第一业务对象,并构建所述第一业务对象与所述第二业务对象之间的目标知识图谱,其中,所述业务关系圈网络用于表示同一业务关系圈下每个第一业务对象之间的关联关系;
第一计算模块,用于根据预设的业务指标属性值规则,计算每个业务关系圈网络中的第一业务对象的初始业务指标属性值,并根据预设的关系权重规则计算每个第一业务对象与第二业务对象之间的每个关系类型对应的关系属性传导权重,和/或计算每个第一业务对象与其它第一业务对象之间的每个关系类型对应的关系属性传导权重;
第二计算模块,用于根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及所述目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数,并根据所述关系属性传导参数进行业务信息推送;其中:
其中,所述第二计算模块通通过以下方法根据每个业务关系圈网络中的第一业务对象的初始业务指标属性值、每个关系类型对应的关系属性传导权重以及所述目标知识图谱计算得到每个业务关系圈网络中的第一业务对象的关系属性传导参数:
将所有初始业务指标属性值高于预设属性值的第一业务对象确定为能对外传导关系属性传导参数的目标传播节点,获得目标传播节点列表;
将每个第一业务对象的初始业务指标属性值、所述目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数,其中,每个边用于表示每个关系类型,每个边的权重用于表示每个关系类型对应的关系属性传导权重;
其中,所述第二计算模块具体通过以下步骤将每个第一业务对象的初始业务指标属性值、所述目标知识图谱中每个边的方向和边的权重作为图结构输入到目标模型中进行计算,获得每个业务关系圈网络中的第一业务对象的关系属性传导参数:
将所有第一业务对象的初始业务指标属性值进行归一化处理,使得所有第一业务对象的业务指标属性值的总和为1;
依次对每个第一业务对象进行遍历,计算每一步遍历后的关系属性传导参数,其中,在遍历过程中,若该第一业务对象没有位于目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,所述关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,所述关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值,所述关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重,其中,所述损耗业务指标属性值为所述周围指向该第一业务对象的其它第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到;
若该第一业务对象位于所述目标传播节点列表中,则计算该第一业务对象的关系属性传导参数,所述关系属性传导参数为关系属性对外传导参数和关系属性外部传入参数的加权平均值,所述关系属性对外传导参数为该第一业务对象归一化处理后的初始业务指标属性值乘以预设损耗系数得到,所述关系属性外部传入参数为周围指向该第一业务对象的其它第一业务对象的损耗业务指标属性值乘以对应边的权重;
当遍历完所有第一业务对象的关系属性传导参数后,完成本次迭代过程,继续执行下一次迭代遍历,在每一次迭代完成后,计算本次迭代过程与上一次迭代过程中每个第一业务对象的关系属性传导参数的误差,直到迭代次数小于预先定义的最大迭代次数,并且所述误差之和小于预设误差阈值时,停止迭代,否则继续执行下一次迭代过程,其中,所述预设误差阈值为所述第一业务对象的总数量与预设收敛标准系数的乘积;
在停止迭代后,获得最终的每个第一业务对象的目标关系属性传导参数。
8.一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存储有计算机程序,当所述计算机程序被执行时,实现权利要求1-6中任意一项所述的基于知识图谱的业务关系处理方法。
CN202110134567.8A 2021-02-01 2021-02-01 基于知识图谱的业务关系处理方法及装置 Active CN112632197B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110134567.8A CN112632197B (zh) 2021-02-01 2021-02-01 基于知识图谱的业务关系处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110134567.8A CN112632197B (zh) 2021-02-01 2021-02-01 基于知识图谱的业务关系处理方法及装置

Publications (2)

Publication Number Publication Date
CN112632197A CN112632197A (zh) 2021-04-09
CN112632197B true CN112632197B (zh) 2023-08-04

Family

ID=75295194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110134567.8A Active CN112632197B (zh) 2021-02-01 2021-02-01 基于知识图谱的业务关系处理方法及装置

Country Status (1)

Country Link
CN (1) CN112632197B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114817423A (zh) * 2022-04-26 2022-07-29 电子科技大学 一种面向金融行业的知识图谱更新系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657918A (zh) * 2018-11-19 2019-04-19 平安科技(深圳)有限公司 关联评估对象的风险预警方法、装置和计算机设备
CN110489599A (zh) * 2019-07-08 2019-11-22 深圳壹账通智能科技有限公司 企业关系图谱构建方法、装置、计算机设备以及存储介质
CN110489560A (zh) * 2019-06-19 2019-11-22 民生科技有限责任公司 基于知识图谱技术的小微企业画像生成方法及装置
CN110765374A (zh) * 2019-09-16 2020-02-07 阿里巴巴集团控股有限公司 风险链接识别方法、装置及计算机设备
CN111611408A (zh) * 2020-05-27 2020-09-01 北京明略软件系统有限公司 一种舆情分析方法、装置、计算机设备及存储介质
WO2020214011A1 (en) * 2019-04-19 2020-10-22 Samsung Electronics Co., Ltd. Information processing method, apparatus, electronic device and computer readable storage medium
CN111932131A (zh) * 2020-08-12 2020-11-13 上海冰鉴信息科技有限公司 业务数据处理方法及装置
CN112070402A (zh) * 2020-09-09 2020-12-11 深圳前海微众银行股份有限公司 基于图谱的数据处理方法、装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657918A (zh) * 2018-11-19 2019-04-19 平安科技(深圳)有限公司 关联评估对象的风险预警方法、装置和计算机设备
WO2020214011A1 (en) * 2019-04-19 2020-10-22 Samsung Electronics Co., Ltd. Information processing method, apparatus, electronic device and computer readable storage medium
CN110489560A (zh) * 2019-06-19 2019-11-22 民生科技有限责任公司 基于知识图谱技术的小微企业画像生成方法及装置
CN110489599A (zh) * 2019-07-08 2019-11-22 深圳壹账通智能科技有限公司 企业关系图谱构建方法、装置、计算机设备以及存储介质
CN110765374A (zh) * 2019-09-16 2020-02-07 阿里巴巴集团控股有限公司 风险链接识别方法、装置及计算机设备
CN111611408A (zh) * 2020-05-27 2020-09-01 北京明略软件系统有限公司 一种舆情分析方法、装置、计算机设备及存储介质
CN111932131A (zh) * 2020-08-12 2020-11-13 上海冰鉴信息科技有限公司 业务数据处理方法及装置
CN112070402A (zh) * 2020-09-09 2020-12-11 深圳前海微众银行股份有限公司 基于图谱的数据处理方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于概率软逻辑改进的多层次分析和推理模型;张嘉;《中国优秀硕士学位论文全文数据库信息科技辑》(第12期);I140-81 *

Also Published As

Publication number Publication date
CN112632197A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
Boateng et al. An analysis of the inward cross‐border mergers and acquisitions in the UK: A macroeconomic perspective
CN111915155A (zh) 小微企业风险等级识别方法、装置及计算机设备
CN110704730A (zh) 基于大数据的产品数据推送方法、系统及计算机设备
AU2016288779A1 (en) Modifying data structures to indicate derived relationships among entity data objects
CN112734559A (zh) 企业信用风险评价方法、装置及电子设备
CN113989019A (zh) 识别风险的方法、装置、设备及存储介质
CN111798304A (zh) 一种风险贷款确定方法、装置、电子设备及存储介质
CN112632197B (zh) 基于知识图谱的业务关系处理方法及装置
KR101927578B1 (ko) 기업정보 제공 시스템 및 방법
CN113505990A (zh) 企业风险评估的方法、装置、电子设备和存储介质
CN113888278A (zh) 基于企业信用额度分析模型的数据分析方法及装置
CN112950347A (zh) 资源数据处理的优化方法及装置、存储介质、终端
CN110659981A (zh) 企业依存关系识别方法、装置及电子设备
US10235719B2 (en) Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs
CN111932131B (zh) 业务数据处理方法及装置
CN110570301B (zh) 风险识别方法、装置、设备及介质
CN116012123B (zh) 一种基于Rete算法的风控规则引擎方法及系统
Chau Robust estimation in operational risk modeling
CN112991034B (zh) 基于模型的小微企业信贷评估方法、设备及存储介质
US20240185249A1 (en) EVALUATING TRANSACTIONS IN A DECENTRALIZED FINANCE NETWORK BASED ON DECOMPOSED NON-FUNGIBLE TOKENS (NFTs)
CN113869785A (zh) 企业管理成效评价方法、企业管理推荐方法和装置
Stamatopoulos Cash Holdings in the Global Hotel Industry: Do Managers Act With Bounded Rationality When They Cannot Find Optimal Solutions?
CN112116356A (zh) 资产特征信息处理方法及装置
CN114926002A (zh) 客户亲密度判定方法、装置、设备、介质和程序产品
Avi et al. Going concern, COVID and bankruptcy prediction: In Italy identifies vali forecast ratios of bankruptcy prediction

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
GR01 Patent grant