CN112734156A - 企业活跃度的评估方法、装置、设备以及存储介质 - Google Patents
企业活跃度的评估方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112734156A CN112734156A CN202011333651.4A CN202011333651A CN112734156A CN 112734156 A CN112734156 A CN 112734156A CN 202011333651 A CN202011333651 A CN 202011333651A CN 112734156 A CN112734156 A CN 112734156A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- liveness
- target
- time period
- activity
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 69
- 230000000694 effects Effects 0.000 title claims description 81
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000006399 behavior Effects 0.000 claims description 75
- 238000012545 processing Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 14
- 230000003542 behavioural effect Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 230000007115 recruitment Effects 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000011157 data evaluation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013403 standard screening design 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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种企业活跃度的评估方法、装置、设备以及存储介质。在评估启动时刻,获取目标企业在第一时间段内的行为数据,第一时间段的截止时间为评估启动时刻并根据行为数据,确定目标企业的第一活跃度,再根据第一活跃度和第二活跃度,确定目标企业的企业活跃度,第二活跃度为预先根据目标企业在第二时间段内的企业画像确定的,第二时间段的截止时间早于评估启动时刻,提高了评估企业活跃度的准确性和评估效率。
Description
技术领域
本申请实施例涉及数据处理技术领域,并且更具体地,涉及企业活跃度的评估方法、装置、设备以及存储介质。
背景技术
随着市场规模的不断扩大,企业的数量也不断增多,及时获取每个企业的活跃程度,将对监督和管理市场环境起到至关重要的作用。
现有技术中,可获取企业在近期因进行相关企业活动而产生的多维度的企业数据,并通过分析各个维度的企业数据,来对企业的活跃度进行评估。
获取的企业数据的维度越多,则评估出企业的活跃度越准确,而企业数据的维度越少,则评估出企业的活跃度越不准确,然而,获取并分析多维度的企业数耗时较长,导致企业活跃度的评估效率较低。
发明内容
本申请实施例提供了一种企业活跃度的评估方法、装置、设备以及存储介质。提高评估企业活跃度的准确性和评估效率。
第一方面,提供了一种企业活跃度的评估方法,包括:
在评估启动时刻,获取目标企业在第一时间段内的行为数据,评估启动时刻为启动对目标企业的活跃度进行评估的时刻,行为数据为目标企业在行为维度上的数据,第一时间段的截止时间为评估启动时刻;
根据行为数据,确定目标企业的第一活跃度;
根据第一活跃度和第二活跃度,确定目标企业的企业活跃度,第二活跃度为预先根据目标企业在第二时间段内的企业画像确定的,第二时间段的截止时间早于评估启动时刻,企业画像包括多个不同维度的企业标签。
可选的,评估启动时刻处于第二活跃度的有效时间段内,有效时间段的时长小于或等于第二时间段的时长,且由第二时间段的截止时间开始。
在一种具体的实现方式中,行为维度包括多个行为指标,行为指标包括设立分支机构、变更信息、出资信息、投诉举报信息、招标信息、投标信息、知识产权信息或招聘信息中的至少一种,
则根据所述行为数据,确定目标企业的第一活跃度,包括:
根据每个行为指标对应的数据,确定行为指标的行为评分;
根据每个行为指标的行为评分的总和,得到第一指数;
根据第一指数和预设活跃度进行乘方运算,得到乘方运算结果;
将1与所述乘方运算结果相减,得到目标企业的第一活跃度。
可选的,根据第一活跃度和第二活跃度,确定目标企业的企业活跃度,包括:
将1与第一活跃度的差值,和1与第二活跃度的差值相乘,得到第一乘积;
将1与第一乘积相减,得到目标企业的企业活跃度。
在一种具体的实现方式中,该方法还包括:
获取目标企业在第二时间段内的企业数据;
根据企业数据,确定目标企业的企业画像,企业画像至少包括基础信息维度的企业标签、行为维度的企业标签、能力维度的企业标签或财务维度的企业标签;
根据企业画像,确定目标企业的第二活跃度。
在一种具体的实现方式中,根据目标企业在第二时间段内的企业画像,确定目标企业的第二活跃度,包括:
将企业画像输入活跃度测度模型,得到目标企业的第二活跃度,活跃度测度模型为基于初始模型训练得到的,初始模型为逻辑斯特回归模型、随机森林模型或神经网络模型中的任意一种。
可选的,在根据目标企业在第二时间段内的企业画像,确定目标企业的第二活跃度之前,该方法还包括:
根据目标企业在第三时间段内的企业画像,得到企业画像样本,第三时间段的截止时间与第二时间段的起始时间相邻,且第三时间段的时长与第二时间段的时长相同,企业画像样本携带有标签,标签用于表示目标企业为活跃或者不活跃;
根据企业画像样本,对初始模型进行训练,得到活跃度测度模型。
第二方面,提供一种企业活跃度的评估装置,包括:
获取单元,用于在评估启动时刻,获取目标企业在第一时间段内的行为数据,评估启动时刻为启动对目标企业的活跃度进行评估的时刻,行为数据为目标企业在行为维度上的数据,第一时间段的截止时间为评估启动时刻;
处理单元,用于根据行为数据,确定目标企业的第一活跃度;
处理单元还用于根据第一活跃度和第二活跃度,确定目标企业的企业活跃度,第二活跃度为预先根据目标企业在第二时间段内的企业画像确定的,第二时间段的截止时间早于评估启动时刻,企业画像包括多个不同维度的企业标签。
第三方面,提供一种电子设备,包括:处理器和存储器,该存储器用于存储计算机程序,处理器用于调用并运行存储器中存储的计算机程序,执行如第一方面或其各实现方式中的方法。
第四方面,提供一种计算机可读存储介质,用于存储计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
通过上述第一方面的技术方案,通过仅根据目标企业在最邻近评估启动时刻的行为数据,确定第一活跃度,再通过第一活跃度对基于多维度企业数据确定的第二活跃度进行修正,得到最终的企业活跃度,能够提高企业活跃度评估的准确性和评估效率。
附图说明
图1为本申请实施例提供的一种企业活跃度的评估方法100的流程示意图;
图2为本申请实施例提供的一种企业活跃度的评估方法200的流程示意图;
图3为本申请实施例提供的一种企业活跃度的评估方法300的流程示意图;
图4示出了根据本申请实施例的数据的处理装置400的示意性框图;
图5为本申请一实施例提供的电子设备500的硬件结构示意图。
具体实施方式
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描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。针对本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前,为了使企业活跃度的评估结果更加准确,往往会获取企业在近期因进行相关企业活动而产生的多维度的企业数据,并基于这些企业数据来对企业活跃度进行评估,这就意味着每当需要进行企业活跃度评估时,均需要获取多维度的距离目前时间点最近的一段时间内的企业数据,获取企业数据的耗时较长,进而针对每个维度的企业数据进行数据分析,得到每个维度的活跃度,再将每个维度的活跃度进行整合,使得评估效率较低;若为了提高评估效率,较少获取的企业数据的维度,则会对评估结果带来较大影响。
针对上述应用场景,本申请实施例预先基于目标企业在第二时间段内的多维度的企业数据,确定第二活跃度,该第二活跃度在有效时间段内可以作为目标企业的基准活跃度,进而,在有效时间段内,仅需获取目标企业在最邻近时间段内(以评估启动时刻为截止时间的第二时间段内)的行为数据,并根据获取的行为数据,确定第一活跃度,再基于获取的第一活跃度对第二活跃度进行修正,得到针对每个评估启动时刻,所评估得到的目标企业的企业活跃度。
本申请实施例的技术方案可应用于各种电子设备,该电子设备可以是一种终端设备,例如手机(Mobile Phone)、平板电脑(Pad)、电脑等,或者也可以是一种服务器。
下面通过几个实施例对本申请进行具体说明。
图1为本申请实施例提供的一种企业活跃度的评估方法100的流程示意图。
为了在保证评估结果的准确性的同时提高评估效率,本申请实施例结合基于多维度的企业数据评估得到的第二活跃度和基于最邻近时间段内的行为数据评估得到的第一活跃度,综合确定目标企业的企业活跃度。
S101:在评估启动时刻,获取目标企业在第一时间段内的行为数据。
应理解,电子设备启动对目标企业的活跃度进行评估的时刻即为评估启动时刻。示例性的,可接收用户输入的评估启动指令,将接收评估启动指令的时刻作为评估启动时刻,或者,评估启动指令指示有评估启动时刻;或者,在电子设备中预设有的评估启动时刻,例如可设置周期性启动对目标企业的活跃度进行评估,每个周期均对应有一个评估启动时刻。
应理解,第一时间段的截止时间为评估启动时刻,第一时间段的时长可根据实际应用场景进行设定,例如一个月、两个月、三个月、半年等等。
在评估启动时刻,启动对目标企业的活跃度的评估,首先,应获取目标企业在第一时间段内的行为数据,行为数据可以来源于市场监管数据和互联网数据,可从相关的服务器中获取,行为数据为目标企业在行为维度上的数据,可选的,行为维度可包括多个行为指标,例如设立分支机构、变更信息、出资信息、投诉举报信息、招标信息、投标信息、知识产权信息或招聘信息中的至少一种,其中变更信息包括工商信息变更。
S102:根据行为数据,确定目标企业的第一活跃度。
示例性的,可根据行为数据中每个行为指标对应的数据,确定行为指标的行为评分,并根据每个行为指标对应的行为评分,确定第一活跃度。
作为一种示例,本步骤中,可根据每个行为指标对应的数据,确定行为指标的行为评分。示例性的,可以为根据行为指标对应的数据,对该行为指标进行分类评分,或者次数评分。例如,行为指标为投诉举报信息,若进行分类评分,则有投诉举报信息评1分,无投诉举报信息评0分,若进行次数评分,则无投诉举报信息评0分,有1至3次投诉举报信息评1分,有4至6次投诉举报信息评2分,以此类推;再例如,行为指标为招标信息,若进行次数评分,则进行1至10次招标或者投标,评1分,进行11至20次招标或者投标则评2分等,上述评分规则的列举仅为示例而非对本申请的限制。
进一步地,根据每个行为指标的行为评分的总和,得到第一指数,并根据第一指数和预设活跃度进行乘方运算,得到乘方运算结果,再将1与乘方运算结果相减,得到目标企业的第一活跃度。示例性的,可根据每个行为指标对应的行为评分,通过公式计算得到目标企业的第一活跃度AI,其中,P为预设活跃度,Xi为行为指标i对应的行为评分,i为大于等于1且小于等于n的整数,n为所述行为指标的数量。
S103:根据第一活跃度和预先获取的第二活跃度,确定目标企业的企业活跃度。
应理解,第二活跃度为预先根据目标企业在第二时间段内的企业画像确定的,第二时间段的截止时间早于评估启动时刻,即不需要在每个评估启动时刻计算一次第二活跃度,仅需评估启动时刻处于第二活跃度的有效时间段内,即可使用以获取的第二活跃度,示例性的,第二活跃度的有效时间段为从第二时间段的截止时间,即评估启动时刻开始的预设时长内的时间段,该预设时长应小于或等于第二时间段的时长,即第一时间段的截止时间与第二时间段的截止时间之间的时长小于第一时间段的时长时,第二活跃度有效。示例性的,第二时间段为一年,则有效时间段由第二时间段的截止时间开始,并与之后一年内的预设时间点结束,相应的,第一时间段的截止时间应不晚于预设时间点。
示例性的,企业画像包括多个不同维度的企业标签,可选的,多个维度包括基础信息维度、行为维度、能力维度或财务维度中的至少一种,相应的企业标签至少包括基础信息维度的企业标签、行为维度的企业标签、能力维度的企业标签或财务维度的企业标签。可选的,每个维度包括多个指标,例如,基础信息维度包括目标企业所属的行业、地理区域、所有值类型或股东结构等中的至少一个,行为维度包括设立分支机构、变更信息、出资信息、投诉举报信息、招标信息、投标信息、知识产权信息或招聘信息等中的至少一个,能力维度包括专利数量、商标数量、认证资质或所获荣誉等中的至少一个,财务维度包括资产规模、收入信息、就业提供能力或资产负债率等中的至少一种。相应的,每个维度的企业标签包括与每个指标对应的子标签,每个子标签用于表征与该指标对应的企业特征,例如目标企业的行业为电子行业、设置有分支机构、专利数量为1000件等等。
本申请实施例在评估启动时刻,获取目标企业在第一时间段内的行为数据,并根据行为数据,确定企业的第一活跃度,再根据第一活跃度和预先获取的第二活跃度,确定目标企业的企业活跃度,其中,第二活跃度为根据第二时间段内获取的企业画像确定的,该企业画像包括多个不同维度的企业标签,第二时间段的截止时间应早于评估启动时刻,即早于第一时间段的截止时间,本申请通过仅根据目标企业在最邻近评估启动时刻的行为数据,确定第一活跃度,再通过第一活跃度对基于多维度企业数据确定的第二活跃度进行修正,得到最终的企业活跃度,能够提高企业活跃度评估的准确性和评估效率。
在一种具体的实现方式中,根据第一活跃度和第二活跃度,确定目标企业的企业活跃度,包括:将1与第一活跃度的差值,和1与第二活跃度的差值相乘,得到第一乘积,并将1与第一乘积相减,得到目标企业的企业活跃度。
示例性的,根据第一活跃度AI和第二活跃度BI,通过公式EAI=(1-BI)(1-AI),计算得到目标企业的活跃度EAI。
图2为本申请实施例提供的一种企业活跃度的评估方法200的流程示意图。如图2所示,该方法包括:
S201:获取目标企业在第二时间段内的企业数据。
示例性的,为了使第二活跃度在有效时间段内能够作为准确的较高的基准活跃度,应基于多维度的企业数据来确定第二活跃度,那么为了提高获取大量多维度的企业数据的便利性,本申请实施例可获取距离评估启动时刻最近的关于目标企业的企业年报,企业年报的时间段即为第二时间段,从企业年报可获取目标企业在行为维度和财务维度的部分或者全部数据,可选的,对于包括基础信息维度、能力维度等在内的其他数据可通过市场监管数据库、专利数据库或互联网等渠道获取,应理解,对于不是从企业年报中获取的数据,应保持与企业年报所提供的数据处于相同的时间段(即处于第二时间段),例如对数据进行回溯计算,使所有关于目标企业的企业数据与第二时间段相匹配。
S202:根据企业数据,确定目标企业的企业画像。
示例性的,基于获取的第二时间段内的企业数据,确定目标企业的企业画像,示例性的,对获取的企业数据进行预处理,包括筛选删除异常数据、构建衍生指标、和基于特征工程的重分类等中的一种或任意组合。其中,构建衍生指标为根据获取的企业数据分析得到衍生数据,例如根据负债信息计算得到负债率;基于特征工程的重分类为根据获取的企业数据进行数据段的分类,例如目标企业中员工的收入为150、205、210、360等等,通过重分类可将员工的收入划分为100至200、201至300、301至400等。
进一步地,基于获取的企业数据的不同维度,可得到多个不同维度的企业标签,例如基础信息维度的企业标签、行为维度的企业标签、能力维度的企业标签或财务维度的企业标签中的至少一种,多个不同维度的企业标签组成企业画像。
S203:根据企业画像,确定目标企业的第二活跃度。
示例性的,将企业画像输入活跃度测度模型,得到目标企业的第二活跃度,活跃度测度模型为基于初始模型训练得到的,初始模型为逻辑斯特回归模型、随机森林模型或神经网络模型中的任意一种。
可选的,可分别基于逻辑斯特回归模型、随机森林模型或神经网络模型,进行模型训练,得到对应的活跃度测度模型,分别对基于不同的初始模型得到的活跃度测度模型的输出准确性进行验证,选择输出准确性最高的一个作为初始模型。
本申请实施例中,根据第二时间段内的多维度的企业数据,得到企业画像,进而根据企业画像确定目标企业的第二活跃度,为本申请实施例提供了准确性较高的基准活跃度。
为了使活跃度测度模型能够根据输入的企业画像,得到准确的第二活跃度,首先对初始模型进行训练,得到该活跃度测度模型。
图3为本申请实施例提供的一种企业活跃度的评估方法300的流程示意图。如图3所示,在根据目标企业在第二时间段内的企业画像,确定目标企业的第二活跃度之前,还包括:
S301:根据目标企业在第三时间段内的企业画像,得到企业画像样本。
第三时间段的截止时间与第二时间段的起始时间相邻,且第三时间段的时长与第二时间段的时长相同。示例性的,第二时间段为去年1月1日至去年12月31日,则第三时间段为前年1月1日至12月31日。
企业画像样本携带有标签,该标签用于表示所述目标企业为活跃或者不活跃。示例性的,可通过任一方式对第三时间段内的企业画像进行标签标注,得到企业画像样本。例如,基于获取到的第三时间段内的企业数据的各个维度,确定每个维度的企业标签,并根据每个维度的企业标签确定企业的状态为活跃或者不活跃;或者在根据每个维度的企业标签确定企业的状态为活跃或者不活跃的基础上,结合该目标企业的就业人数是否大于零、收入是否大于零,来确定目标企业活跃或者不活跃,在目标企业的就业人数大于零和/或收入大于零时,再根据每个维度的企业标签确定目标企业活跃或者不活跃。
S302:根据企业画像样本,对初始模型进行训练,得到活跃度测度模型。
根据上一步骤得到的企业画像样本,对初始模型进行训练,得到活跃度测度模型,使活跃度测度模型能够根据输入的第二时间段的企业画像,输出目标企业活跃的概率,即该目标企业的活跃度。
上文结合图1至图3,详细描述了本申请的方法实施例,下文结合图4,详细描述本申请的装置实施例,应理解,装置实施例与方法实施例相互对应,类似的描述可以参照方法实施例。
图4示出了根据本申请实施例的数据的处理装置400的示意性框图。如图4所述,该企业活跃度的评估装置400包括:
获取单元410,用于在评估启动时刻,获取目标企业在第一时间段内的行为数据,评估启动时刻为启动对目标企业的活跃度进行评估的时刻,行为数据为目标企业在行为维度上的数据,第一时间段的截止时间为评估启动时刻;
处理单元420,用于根据行为数据,确定目标企业的第一活跃度;
处理单元420还用于根据第一活跃度和第二活跃度,确定目标企业的企业活跃度,第二活跃度为预先根据目标企业在第二时间段内的企业画像确定的,第二时间段的截止时间早于评估启动时刻,企业画像包括多个不同维度的企业标签。
本申请实施例中的企业活跃度的评估装置400包括获取单元410和处理单元420,通过仅根据目标企业在最邻近评估启动时刻的行为数据,确定第一活跃度,再通过第一活跃度对基于多维度企业数据确定的第二活跃度进行修正,得到最终的企业活跃度,能够提高企业活跃度评估的准确性和评估效率。
可选的,评估启动时刻处于第二活跃度的有效时间段内,有效时间段的时长小于或等于第二时间段的时长,且由第二时间段的截止时间开始。
可选的,处理单元420具体用于:
根据每个行为指标对应的数据,确定行为指标的行为评分;
根据每个行为指标的行为评分的总和,得到第一指数;
根据第一指数和预设活跃度进行乘方运算,得到乘方运算结果;
将1与乘方运算结果相减,得到目标企业的第一活跃度。
可选的,处理单元420具体用于:
将1与第一活跃度的差值,和1与第二活跃度的差值相乘,得到第一乘积;
将1与第一乘积相减,得到目标企业的企业活跃度。
可选的,获取单元410还用于:获取目标企业在第二时间段内的企业数据;
处理单元420还用于根据企业数据,确定目标企业的企业画像,企业画像至少包括基础信息维度的企业标签、行为维度的企业标签、能力维度的企业标签或财务维度的企业标签;
处理单元420还用于根据企业画像,确定目标企业的第二活跃度。
可选的,处理单元420具体用于:
将所述企业画像输入活跃度测度模型,得到所述目标企业的第二活跃度,所述活跃度测度模型为基于初始模型训练得到的,所述初始模型为逻辑斯特回归模型、随机森林模型或神经网络模型中的任意一种。
可选的,处理单元420还用于:
根据所述目标企业在第三时间段内的企业画像,得到企业画像样本,所述第三时间段的截止时间与所述第二时间段的起始时间相邻,且所述第三时间段的时长与所述第二时间段的时长相同,所述企业画像样本携带有标签,所述标签用于表示所述目标企业为活跃或者不活跃;
根据所述企业画像样本,对所述初始模型进行训练,得到所述活跃度测度模型。
上述实施例提供的企业活跃度的评估装置,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图5为本申请一实施例提供的电子设备500的硬件结构示意图。如图5所示,通常,电子设备500包括有:处理器501和存储器502。
处理器501可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器501可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器501可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器501还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的方法。
可选地,如图5所示,电子设备500还可以包括收发器503,处理器501可以控制该收发器503与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器503可以包括发射机和接收机。收发器503还可以进一步包括天线,天线的数量可以为一个或多个。
可选地,该电子设备500可以实现本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
本领域技术人员可以理解,图5中示出的结构并不构成对电子设备500的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由区块链的节点的处理器执行时,使得区块链节点能够执行上述实施例提供的方法。
本实施例中的计算机可读存储介质可以是计算机能够存取的任何可用介质,或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备,可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如SSD)等。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种企业活跃度的评估方法,其特征在于,包括:
在评估启动时刻,获取目标企业在第一时间段内的行为数据,所述评估启动时刻为启动对所述目标企业的活跃度进行评估的时刻,所述行为数据为所述目标企业在行为维度上的数据,所述第一时间段的截止时间为所述评估启动时刻;
根据所述行为数据,确定所述目标企业的第一活跃度;
根据所述第一活跃度和第二活跃度,确定所述目标企业的企业活跃度,所述第二活跃度为预先根据所述目标企业在第二时间段内的企业画像确定的,所述第二时间段的截止时间早于所述评估启动时刻,所述企业画像包括多个不同维度的企业标签。
2.根据权利要求1所述的方法,其特征在于,所述评估启动时刻处于所述第二活跃度的有效时间段内,所述有效时间段的时长小于或等于所述第二时间段的时长,且由所述第二时间段的截止时间开始。
3.根据权利要求1或2所述的方法,其特征在于,所述行为维度包括多个行为指标,所述行为指标包括设立分支机构、变更信息、出资信息、投诉举报信息、招标信息、投标信息、知识产权信息或招聘信息中的至少一种,
则所述根据所述行为数据,确定所述目标企业的第一活跃度,包括:
根据每个行为指标对应的数据,确定所述行为指标的行为评分;
根据每个行为指标的行为评分的总和,得到第一指数;
根据所述第一指数和所述预设活跃度进行乘方运算,得到乘方运算结果;
将1与所述乘方运算结果相减,得到所述目标企业的第一活跃度。
4.根据权利要求1或2所述的方法,其特征在于,所述根据所述第一活跃度和所述第二活跃度,确定所述目标企业的企业活跃度,包括:
将1与所述第一活跃度的差值,和1与所述第二活跃度的差值相乘,得到第一乘积;
将1与所述第一乘积相减,得到所述目标企业的企业活跃度。
5.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
获取所述目标企业在第二时间段内的企业数据;
根据所述企业数据,确定所述目标企业的企业画像,所述企业画像至少包括基础信息维度的企业标签、行为维度的企业标签、能力维度的企业标签或财务维度的企业标签;
根据所述企业画像,确定所述目标企业的第二活跃度。
6.根据权利要求5所述的方法,其特征在于,所述根据所述目标企业在第二时间段内的企业画像,确定所述目标企业的第二活跃度,包括:
将所述企业画像输入活跃度测度模型,得到所述目标企业的第二活跃度,所述活跃度测度模型为基于初始模型训练得到的,所述初始模型为逻辑斯特回归模型、随机森林模型或神经网络模型中的任意一种。
7.根据权利要求5或6所述的方法,其特征在于,在所述根据目标企业在第二时间段内的企业画像,确定所述目标企业的第二活跃度之前,所述方法还包括:
根据所述目标企业在第三时间段内的企业画像,得到企业画像样本,所述第三时间段的截止时间与所述第二时间段的起始时间相邻,且所述第三时间段的时长与所述第二时间段的时长相同,所述企业画像样本携带有标签,所述标签用于表示所述目标企业为活跃或者不活跃;
根据所述企业画像样本,对所述初始模型进行训练,得到所述活跃度测度模型。
8.一种企业活跃度的评估装置,其特征在于,包括:
获取单元,用于在评估启动时刻,获取目标企业在第一时间段内的行为数据,所述评估启动时刻为启动对所述目标企业的活跃度进行评估的时刻,所述行为数据为所述目标企业在行为维度上的数据,所述第一时间段的截止时间为所述评估启动时刻;
处理单元,用于根据所述行为数据,确定所述目标企业的第一活跃度;
所述处理单元还用于根据所述第一活跃度和第二活跃度,确定所述目标企业的企业活跃度,所述第二活跃度为预先根据所述目标企业在第二时间段内的企业画像确定的,所述第二时间段的截止时间早于所述评估启动时刻,所述企业画像包括多个不同维度的企业标签。
9.一种电子设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至7中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011052424 | 2020-09-29 | ||
CN2020110524244 | 2020-09-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112734156A true CN112734156A (zh) | 2021-04-30 |
Family
ID=75597751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011333651.4A Pending CN112734156A (zh) | 2020-09-29 | 2020-11-24 | 企业活跃度的评估方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734156A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554350A (zh) * | 2021-08-16 | 2021-10-26 | 智慧足迹数据科技有限公司 | 活跃度评估方法、装置、电子设备及计算机可读存储介质 |
CN113869642A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 企业活跃度确定方法、装置、电子设备及存储介质 |
CN113869639A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 长江流域企业筛选方法、装置、电子设备及存储介质 |
CN113869640A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 企业筛选方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107370614A (zh) * | 2016-05-13 | 2017-11-21 | 北京京东尚科信息技术有限公司 | 网络用户活跃度评估方法和预测方法 |
CN107464037A (zh) * | 2017-07-05 | 2017-12-12 | 九次方大数据信息集团有限公司 | 基于多指标维度模型的企业画像方法及系统 |
CN107704997A (zh) * | 2017-09-12 | 2018-02-16 | 广东万丈金数信息技术股份有限公司 | 评估客户端活跃度的方法、装置及存储介质 |
CN109657894A (zh) * | 2018-09-27 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 企业信用风险预警方法、装置、设备及存储介质 |
CN110458476A (zh) * | 2019-08-21 | 2019-11-15 | 上海智臻智能网络科技股份有限公司 | 一种信息处理方法及装置、存储介质、终端 |
US10540607B1 (en) * | 2013-12-10 | 2020-01-21 | Plentyoffish Media Ulc | Apparatus, method and article to effect electronic message reply rate matching in a network environment |
-
2020
- 2020-11-24 CN CN202011333651.4A patent/CN112734156A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10540607B1 (en) * | 2013-12-10 | 2020-01-21 | Plentyoffish Media Ulc | Apparatus, method and article to effect electronic message reply rate matching in a network environment |
CN107370614A (zh) * | 2016-05-13 | 2017-11-21 | 北京京东尚科信息技术有限公司 | 网络用户活跃度评估方法和预测方法 |
CN107464037A (zh) * | 2017-07-05 | 2017-12-12 | 九次方大数据信息集团有限公司 | 基于多指标维度模型的企业画像方法及系统 |
CN107704997A (zh) * | 2017-09-12 | 2018-02-16 | 广东万丈金数信息技术股份有限公司 | 评估客户端活跃度的方法、装置及存储介质 |
CN109657894A (zh) * | 2018-09-27 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 企业信用风险预警方法、装置、设备及存储介质 |
CN110458476A (zh) * | 2019-08-21 | 2019-11-15 | 上海智臻智能网络科技股份有限公司 | 一种信息处理方法及装置、存储介质、终端 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554350A (zh) * | 2021-08-16 | 2021-10-26 | 智慧足迹数据科技有限公司 | 活跃度评估方法、装置、电子设备及计算机可读存储介质 |
CN113869642A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 企业活跃度确定方法、装置、电子设备及存储介质 |
CN113869639A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 长江流域企业筛选方法、装置、电子设备及存储介质 |
CN113869640A (zh) * | 2021-08-26 | 2021-12-31 | 中国环境科学研究院 | 企业筛选方法、装置、电子设备及存储介质 |
CN113869639B (zh) * | 2021-08-26 | 2023-11-07 | 中国环境科学研究院 | 长江流域企业筛选方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210173711A1 (en) | Integrated value chain risk-based profiling and optimization | |
CN112734156A (zh) | 企业活跃度的评估方法、装置、设备以及存储介质 | |
Ivanov | ‘A blessing in disguise’or ‘as if it wasn’t hard enough already’: reciprocal and aggravate vulnerabilities in the supply chain | |
US10783457B2 (en) | Method for determining risk preference of user, information recommendation method, and apparatus | |
US8676818B2 (en) | Dynamic storage and retrieval of process graphs representative of business processes and extraction of formal process models therefrom | |
US8619084B2 (en) | Dynamic adaptive process discovery and compliance | |
US11436617B2 (en) | Behavior pattern search system and behavior pattern search method | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
US9467567B1 (en) | System, method, and computer program for proactive customer care utilizing predictive models | |
CN112559007A (zh) | 多任务模型的参数更新方法、装置及电子设备 | |
CN112053061A (zh) | 围串标行为识别方法、装置、电子设备和存储介质 | |
US20220343433A1 (en) | System and method that rank businesses in environmental, social and governance (esg) | |
CN112734559A (zh) | 企业信用风险评价方法、装置及电子设备 | |
CN115953021A (zh) | 一种基于机器学习的供应商风险分析方法及装置 | |
US20160110733A1 (en) | Inventory management system | |
JP7114639B2 (ja) | 材料関連のエクスポージャおよび/またはエクスポージャ戦略の優先順位付けの自動分析 | |
CN110544052A (zh) | 关系网络图的展示方法及装置 | |
CN114417118A (zh) | 一种异常数据处理方法、装置、设备以及存储介质 | |
US20210082046A1 (en) | Tactical investment algorithms through monte carlo backtesting | |
CN110858368A (zh) | 一种数据评估服务价值确定系统和方法 | |
CN109741172B (zh) | 信贷预警方法、装置、系统及存储介质 | |
CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
CN115731026A (zh) | 一种客户运营策略生成方法、装置及电子设备 | |
US20220365912A1 (en) | Data Quality Management System | |
US20210027234A1 (en) | Systems and methods for analyzing user projects |
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: 20210430 |