CN112766652A - 一种企业事件分布图的生成方法、装置及可读存储介质 - Google Patents
一种企业事件分布图的生成方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN112766652A CN112766652A CN202011623197.6A CN202011623197A CN112766652A CN 112766652 A CN112766652 A CN 112766652A CN 202011623197 A CN202011623197 A CN 202011623197A CN 112766652 A CN112766652 A CN 112766652A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- event
- detected
- distribution diagram
- determining
- 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
- 238000010586 diagram Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/0635—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
- G06F16/26—Visual data mining; Browsing structured data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种企业事件分布图的生成方法、装置及可读存储介质,获取预设检测时间段内待检测企业的多个企业事件,基于每一个企业事件的属性信息,确定待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息,根据构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定待检测企业的企业事件分布图。这样,通过企业事件分布图中标注有每一个企业事件的像素点的坐标信息,使得技术人员可以更加直观地根据企业事件分布图对待检测企业的风险状况的进行分析,从而有助于提高企业事件分布图评估的直观性以及评估效率。
Description
技术领域
本申请涉及风险分析技术领域,尤其是涉及一种企业事件分布图的生成方法、装置及可读存储介质。
背景技术
随着各类企业的迅速发展,以及对于各类企业的商业价值的不断挖掘,对于企业的风险状况的分析面临了巨大的挑战,如,对企业的风险状况不能做出很准确的判断。
现阶段,企业风险的评估方案往往都集中在使用柱状图、饼状图等这类传统可视化图形进行显示,但数据分析人员在观察这些图形时,很难判断出哪些企业风险高,哪些企业风险低,导致对关于企业事件分布图的评估不准确。
发明内容
有鉴于此,本申请的目的在于提供一种企业事件分布图的生成方法、装置及可读存储介质,通过企业事件分布图中标注有每一个企业事件的像素点的坐标信息,可以使得技术人员可以更加直观地根据企业事件分布图对待检测企业的风险状况的进行分析,从而有助于提高企业事件分布图评估的直观性以及评估效率。
本申请主要包括以下几个方面:
第一方面,本申请实施例提供了一种企业事件分布图的生成方法,所述生成方法包括:
获取预设检测时间段内待检测企业的多个企业事件;
基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息;
根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图。
第二方面,本申请实施例还提供一种企业事件分布图的生成装置,所述生成装置包括:
获取模块,用于获取预设检测时间段内待检测企业的多个企业事件;
第一确定模块,用于基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息;
第二确定模块,用于根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的企业事件分布图的生成方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,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运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的企业事件分布图的生成方法的步骤。
本申请实施例提供了一种企业事件分布图的生成方法、装置及可读存储介质,获取预设检测时间段内待检测企业的多个企业事件,基于每一个企业事件的属性信息,确定待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息,根据构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定待检测企业的企业事件分布图。
这样,通过企业事件分布图中标注的每一个企业事件的像素点的坐标信息,可以使得技术人员可以更加直观地根据企业事件分布图对待检测企业的风险状况的进行分析,从而有助于提高企业事件分布图评估的直观性以及评估效率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
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的附图。
图1为本申请实施例所提供的一种企业事件分布图的生成方法的流程图;
图2为本申请实施例所提供的另一种企业事件分布图的生成方法的流程图;
图3为本申请实施例所提供的一种企业事件分布图的生成方法的有违约企业的企业事件分布图;
图4为本申请实施例所提供的一种企业事件分布图的生成方法的无违约企业的企业事件分布图;
图5为本申请实施例所提供的一种企业事件分布图的生成装置的结构示意图之一;
图6为了本申请实施例所提供的一种企业事件分布图的生成装置的结构示意图之二;
图7为本申请实施例所提供的一种电子设备的结构示意图。
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,本申请中的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的一些实施例实现的操作。应当理解,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他操作,也可以从流程图中移除一个或多个操作。
另外,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。通常在此处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,以下对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要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。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所获得的全部其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“根据检测企业的多个企业事件属性信息,确定企业事件的像素点坐标,确定检测企业的企业事件分布图,根据企业事件分布图确定企业的风险状况”,给出以下实施方式,对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要进行企业事件分布图确定的场景,本申请实施例并不对具体的应用场景作限制,任何使用本申请实施例提供的一种企业事件分布图的生成方法及装置的方案均在本申请保护范围内。
值得注意的是,现阶段,企业风险的评估方案往往都集中在使用柱状图、饼状图等这类传统可视化图形显示,但数据分析人员在观察这些图形时,很难判断出哪些企业风险高,哪些企业风险低,导致对关于企业事件分布图的评估不准确。
对于此,本申请的提出了一种企业事件分布图的生成方法,通过确定出企业的企业事件分布图,使得技术人员可以更加直观的对待检测企业的风险状况进行分析,从而有助于提高企业事件分布图评估的准确性以及评估效率。
为便于对本申请进行理解,下面结合具体实施例对本申请提供的技术方案进行详细说明。
图1为本申请实施例所提供的一种企业事件分布图的生成方法的流程图,如图1所示,所述生成方法包括:
S101:获取预设检测时间段内待检测企业的多个企业事件。
该步骤中,响应于检测人员对待检测企业的风险状况进行评估时所下发的指令,获取预设时间段内待检测企业所涉及的多个企业事件。
其中,预设检测时间段为是预先设置好的时间段,可以为半年等其他时间。
其中,待检测企业是所要检测企业事件分布图的企业,这里的待检测企业的类型可以为很多种,可以包括国有性企业以及私营性企业等。
这里,企业事件为待检测企业可能发生的一系列企业事件,其中,这些企业事件可以为融资事件、企业项目上新、裁员以及其他企业经营过程中的企业事件。
在具体实施中,当获取到请求检测企业事件分布图的请求指令后,在预设的时间段内获取请求检测企业事件分布图的多个企业事件,并且企业事件分布图的多个企业事件的企业事件类型可以是不同的,但是企业事件是待检测企业所发生的。
在上述步骤中,获取预设检测时间段内待检测企业的多个企业事件,包括:
步骤(1)获取所述待检测企业的名称信息。
这里,名称信息为待检测企业的名称信息,名称信息可以为企业的全称也可以为企业的缩略名称信息,当待检测企业的名称信息包括全称和缩略名称时,需将待检测企业的全称和缩略名称信息对齐。
例如,A企业的全称为XX企业,简称为X企业,当获取到XX企业关联的X事件,以及X企业关联的Y事件时,需要将X事件以及Y事件均关联到A企业下,并将X事件以及Y事件关联到同一企业名称(XX企业或X企业)下。
步骤(2)在预设时间段内基于所述名称信息,从候选文本中抽取与所述名称信息关联的多个企业事件。
这里,候选文本中存储着大量的企业事件,能够在候选文本中选取所要检测企业的企业事件。
在具体实施中,在预设时间段内,先根据获取到的待检测企业的名称信息,在候选文本中提取大量的企业事件,将发生企业事件的企业名称信息与获取到的待检测企业事件的名称信息进行匹配,当提取的企业事件的企业名称信息与待检测企业的名称信息一致时,则认为提取的企业事件为待检测企业的相关联事件。并且抽取后的企业事件的结构类型是统一的,例如(“北京XXXX有限责任公司”,“企业事件”,“2019年12月20日”)。
S102:基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息。
其中,企业事件的属性信息包括企业事件的类型、企业事件发生的时间。
该步骤中,根据步骤S101中获取的预设时间段内待检测企业的多个企业事件后,根据获取到的待检测企业事件的属性信息确定每个待检测企业事件在建立企业事件分布图中的像素点的坐标信息。
在具体实施中,根据待检测企业事件的多个企业事件的属性信息确定企业事件的像素点的坐标信息,并由企业事件的像素点的坐标信息构建企业事件分布图,从而能更加可视化的展示待检测企业事件的像素点的坐标情况。
在上述步骤中,通过以下步骤确定所述待检测企业每一个企业事件的像素点的坐标信息。
步骤(1)基于每一个企业事件的发生时间的先后顺序,确定所述待检测企业对应的事件序列。
这里,事件序列为在预设时间段内待检测企业的企业事件的序列,企业事件的序列可以为企业事件发生的时间的远近排序。
这里,将在候选文本中抽取的待检测企业的企业事件,按照待检测企业的企业事件发生的时间顺序进行排序,并将事件序列的结构进行统一,例如,北京XXXX有限责任公司”:[(“企业事件C”,“2019年10月8日”),(“企业事件A”,“2020年1月23日”),(“企业事件A”,“2020年1月24日”),(“企业事件B”,“2020年3月2日”),(“企业事件A”,“2020年3月5日”)]。
步骤(2)基于所述事件序列,去除发生时间相邻且事件类型相同的至少一个重复企业事件。
这里,待检测企业的企业事件是从网络上获取的,不同媒体可能都会对同一件企业事件进行报道,因此,在获取待检测企业的企业事件的时候,会出现获取到的企业事件为同一件企业事件的情况,所以,在对待检测企业的企业事件进行事件序列排序之后,需要去除事件序列中重复的企业事件。例如,可以将事件序列中发生相同且相邻的类型的企业事件中,保留发生时间最早的企业事件。
针对于上述示例,企业事件A在1月23日以及1月24日连续发生,且在3月5日又再次发生,这是需要将发生时间相邻且较晚的1月24日发生的企业事件A去除,保留1月23日以及3月5日的企业事件A。
步骤(3)基于预设的每个企业事件与对企业的影响程度的映射关系,确定所述事件序列中去除重复企业事件后的每一个企业事件对应的编码信息。
这里,映射关系为企业事件对企业以及社会的影响性,例如,待检测企业发生了偷税、漏税的企业事件,则该企业事件对企业的影响程度为严重。待检测企业发生了娱乐性的企业事件,则该企业事件对企业的影响程度为一般。
编码信息为根据每个企业事件与企业的影响程度进行的编码,如企业事件对企业的影响程度越大,则该企业事件的编码就会越大,例如所有企业共有100类企业事件,则按照严重程度可以给每个企业事件类型一个编码。
这里,根据预设的每个企业事件对企业的影响程度,对去重后的事件序列中的每个企业事件进行编码,即每件企业事件都会有对应的编码信息。
步骤(4)基于每个企业事件的编码信息,确定每个企业事件的像素点的坐标信息。
这里,根据步骤(3)中的企业事件编码,使用获取到的企业事件编码构建成一个N×N的全0矩阵,然后基于待检测企业的事件序列确定出每件企业事件对应的像素点的坐标,例如“北京XXXX有限责任公司”,其事件序列为[(“企业事件C”,“2019年10月8日”),(“企业事件A”,“2020年1月23日”),(“企业事件B”,“2020年3月2日”)],企业事件C的编码为2,企业事件A的编码为30,企业事件B的编码为15,则矩阵的(2,30)位置加1,(30,15)位置加1,在进行矩阵位置计算时可以包括相邻企业事件的位置加1。因为部分企业可能因为规模比较大等因素,新闻数量很多,导致企业事件也很多,而部分企业事件很少,但企业的风险大小,跟企业的规模没有明显的相关性,因此,需要对像素值进行归一化,以屏蔽因为企业规模导致的企业事件数量不同而像素值不在一个量级的问题。因为图像的像素值通常位于0-255之间,因此,使用min-max缩放的方式,将计算出的像素值,使用255*(当前像素值-最小像素值)/(最大像素值-最小像素值)的方式进行缩放。经过归一化后,N*N的矩阵中,每个企业事件的像素值的坐标信息都位于0-255之间。
S103:根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图。
其中,企业事件分布图为待检测企业的企业事件的像素点的坐标信息构建的企业事件分布图,在企业事件分布图中能够直观的看出待检测企业的风险状况情况。
该步骤中,在步骤S102确定出的每个企业事件对应的像素点的坐标信息之后,根据每个像素点的坐标信息,确定出待检测企业的企业事件分布图。
在具体实施中,按照像素点的坐标信息,将各个像素点添加到创建好的待检测企业初始的企业事件分布图中,得到待检测企业的企业事件分布图,进而,在企业事件分布图中能够清晰的看到待检测企业的每个企业事件的像素点,以及每个像素点的坐标信息。
在上述步骤中,所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图,包括:步骤(1)确定所述待检测企业包括的多个企业事件的像素点在企业事件分布图中的集中分布区域。
这里,确定待检测企业的企业事件的像素点在企业事件分布图中的分布情况。
步骤(2)若所述待检测企业包括的多个企业事件的像素点在所述待检测企业的企业事件分布图的右上区域范围时,则待检测企业存在风险状况。
这里,在企业事件分布图中的右上区域的像素点比较集中时,则确定该待检测企业存在的风险状况为严重风险。
步骤(3)若所述待检测企业包括的多个企业事件的像素点在所述待检测企业的企业事件分布图在左下区域范围时,则待检测企业不存在风险状况。
这里,可以大致将企业事件分布图分为四部分区域,分别为左上区域、左下区域、右上区域以及右下区域。在企业事件分布图中的左下区域的像素点比较集中时,则确定该待检测企业存在的风险状况为轻度风险。
在具体实施中,在企业事件分布图中观察到企业事件分布图的横纵坐标为企业事件的像素值,像素值的范围为0-255。在企业事件分布图的右上区域存在的像素点比较集中时,则待检测企业的风险状况为严重风险。在企业事件分布图的左下区域存在的像素点比较集中时,则待检测企业的风险状况为轻度风险。
本申请提供了一种企业事件分布图的生成方法,获取预设检测时间段内待检测企业的多个企业事件,基于每一个企业事件的属性信息,确定待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息,根据构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定待检测企业的企业事件分布图,基于待检测企业的企业事件分布图,确定待检测企业的风险状况。
这样,通过企业事件分布图中标注有每一个企业事件的像素点的坐标信息,可以使得技术人员可以更加直观地根据企业事件分布图对待检测企业的风险状况的进行分析,从而有助于提高企业事件分布图评估的直观性以及评估效率。
图2为本申请实施例所提供的另一种企业事件分布图的生成方法的流程图,图2中所示,所述生成方法包括:
S201:获取预设检测时间段内待检测企业的多个企业事件。
S202:基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息。
S203:根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图。
其中,S201至S203的描述可以参照S101至S103的描述,并且能达到相同的技术效果,对此不做赘述。
S204:当存在同类型的多个待检测企业时,在每个待检测企业的企业事件分布图中设置相同的预设区域范围。
其中,预设区域范围为在相同类型的待检测企业的企业事件分布图中预设的区域范围,为了判断相同类型企业的风险状况。
该步骤中,当存在相同类型的多个待检测企业时,可以在每个相同类型的待检测企业的企业事件分布图中预设相同位置的区域范围。
S205:基于所述每个待检测企业的企业事件分布图在预设区域范围内包括的企业事件像素点的数量,确定所述同类型的多个待检测企业中风险状况最高的企业。
该步骤中,根据判断待检测企业的企业事件分布图在预设区域范围内的企业事件像素点的数量,像素点数量多的待检测企业存在的风险状况相对于其他相同类型的待检测企业的风险状况高。
在具体实施中,存在多个相同类型的待检测企业,能够根据在多个相同类型的待检测企业的企业事件分布图中预设的区域范围内判断多个相同类型的待检测企业的像素点的数量,在预设范围内像素点多的待检测企业的风险状况高。
本申请提供了一种企业事件分布图的生成方法,获取预设检测时间段内待检测企业的多个企业事件,基于每一个企业事件的属性信息,确定待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息,根据构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定待检测企业的企业事件分布图,当存在同类型的多个待检测企业时,在每个待检测企业的企业事件分布图中设置相同的预设区域范围,基于所述每个待检测企业的企业事件分布图在预设区域范围内包括的企业事件像素点的数量,确定所述同类型的多个待检测企业中风险状况最高的企业。
这样,通过企业事件分布图中标注有每一个企业事件的像素点的坐标信息,可以使得技术人员可以更加直观地根据企业事件分布图对待检测企业的风险状况的进行分析,从而有助于提高企业事件分布图评估的直观性以及评估效率。图3为本申请实施例所提供的一种企业事件分布图的生成方法的有违约企业的企业事件分布图,图4为本申请实施例所提供的一种企业事件分布图的生成方法的无违约企业的企业事件分布图,如图3、图4所示:
在图3中所展示的是企业事件分布图,在企业事件分布图中能够可视化的分析出待检测企业存在的风险状况,举例来讲,图3中为随机抽取的一家发债企业的有违约的可视化分析图,从图3中可以明显看出,右上角所在区域,有非常明显的像素点,左下角和右下角虽然也有,但远没有左上角显著。图4是从无违约企业中随机抽取的一张企业事件分布图,可以看出图4中的像素点比较分散,且在右上角的区域几乎没有像素点。由此可见图3中与图4相比较,图3的企业事件分布图存在企业风险。
基于同一申请构思,本申请实施例中还提供了与上述实施例提供的一种企业事件分布图的生成方法对应的一种企业事件分布图的生成装置,由于本申请实施例中的装置解决问题的原理与本申请上述实施例的一种信息的查看方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图5、图6,图5为本申请实施例所提供的一种企业事件分布图的生成装置的结构示意图之一,图6为本申请实施例所提供的一种企业事件分布图的生成装置的结构示意图之二。如图5中所示,生成装置300包括:
获取模块301:用于获取预设检测时间段内待检测企业的多个企业事件;
第一确定模块302:用于基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息;
第二确定模块303:用于根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图;
可选的,获取模块301在用于获取预设检测时间段内待检测企业的多个企业事件时,所述获取模块301用于:
获取所述待检测企业的名称信息;
在预设时间段内基于所述名称信息,从候选文本中抽取与所述名称信息关联的多个企业事件。
可选的,第一确定模块302在用于通过以下步骤确定所述待检测企业每一个企业事件的像素点的坐标信息时,所述第一确定模块302用于:
基于每一个企业事件的发生时间的先后顺序,确定所述待检测企业对应的事件序列;
基于所述事件序列,去除发生相同事件类型且相邻的至少一个重复企业事件;
基于预设的每个企业事件与对企业的影响程度的映射关系,确定所述事件序列中去除重复企业事件后的每一个企业事件对应的编码信息;
基于每个企业事件的编码信息,确定每个企业事件的像素点的坐标信息。
可选的,可选的,如图6中所示还包括第三确定模块304在用于确定所述待检测企业包括的多个企业事件的像素点在企业事件分布图中的集中分布区域时,所述第三确定模块304用于;
若所述待检测企业包括的多个企业事件的像素点在所述待检测企业的企业事件分布图的右上区域范围时,则待检测企业存在风险状况;
若所述待检测企业包括的多个企业事件的像素点在所述待检测企业的企业事件分布图在左下区域范围时,则待检测企业不存在风险状况。
可选的,如图6中所示,所述生成装置300还包括第四确定模块305,所述第四确定模块305用于:
当存在同类型的多个待检测企业时,在每个待检测企业的企业事件分布图中设置相同的预设区域范围;
基于所述每个待检测企业的企业事件分布图在预设区域范围内包括的企业事件像素点的数量,确定所述同类型的多个待检测企业中风险状况最高的企业。
本申请提供了一种企业事件分布图的生成装置,获取模块,用于获取预设检测时间段内待检测企业的多个企业事件,第一确定模块,用于基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息,第二确定模块,用于根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图,第三确定模块,用于基于所述待检测企业的企业事件分布图,确定所述待检测企业的风险状况。
这样,通过企业事件分布图中标注有每一个企业事件的像素点的坐标信息,可以使得技术人员可以更加直观地根据企业事件分布图对待检测企业的风险状况的进行分析,从而有助于提高企业事件分布图评估的直观性以及评估效率。
请参阅图7,图7为本申请实施例所提供的一种电子设备的结构示意图。如图7中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1以及图2所示方法实施例中的企业事件分布图的生成方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,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运行时可以执行如上述图1以及图2所示实施例中的企业事件分布图的生成方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本申请所提供的几个实施例中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。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或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种企业事件分布图的生成方法,其特征在于,所述生成方法包括:
获取预设检测时间段内待检测企业的多个企业事件;
基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息;
根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图。
2.根据权利要求1所述生成方法,其特征在于,所述获取预设检测时间段内待检测企业的多个企业事件,包括:
获取所述待检测企业的名称信息;
在预设时间段内基于所述名称信息,从候选文本中抽取与所述名称信息关联的多个企业事件。
3.根据权利要求1所述的生成方法,其特征在于,通过以下步骤确定所述待检测企业每一个企业事件的像素点的坐标信息:
基于每一个企业事件的发生时间的先后顺序,确定所述待检测企业对应的事件序列;
基于所述事件序列,去除发生时间相邻且事件类型相同的至少一个重复企业事件;
基于预设的每个企业事件与对企业的影响程度的映射关系,确定所述事件序列中去除重复企业事件后的每一个企业事件对应的编码信息;
基于每个企业事件的编码信息,确定每个企业事件的像素点的坐标信息。
4.根据权利要求1所述的生成方法,其特征在于,所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图,包括:
确定所述待检测企业包括的多个企业事件的像素点在企业事件分布图中的集中分布区域;
若所述待检测企业包括的多个企业事件的像素点在所述待检测企业的企业事件分布图的右上区域范围时,则待检测企业存在风险状况;
若所述待检测企业包括的多个企业事件的像素点在所述待检测企业的企业事件分布图在左下区域范围时,则待检测企业不存在风险状况。
5.根据权利要求1所述的生成方法,其特征在于,生成方法还包括:
当存在同类型的多个待检测企业时,在每个待检测企业的企业事件分布图中设置相同的预设区域范围;
基于所述每个待检测企业的企业事件分布图在预设区域范围内包括的企业事件像素点的数量,确定所述同类型的多个待检测企业中风险状况最高的企业。
6.一种企业事件分布图的生成装置,其特征在于,所述生成装置包括:
获取模块,用于获取预设检测时间段内待检测企业的多个企业事件;
第一确定模块,用于基于每一个企业事件的属性信息,确定所述待检测企业对应的每一个企业事件在构建企业事件分布图时对应的像素点的坐标信息;
第二确定模块,用于根据所述构建企业事件分布图时的每一个企业事件的像素点的坐标信息,确定所述待检测企业的企业事件分布图。
7.根据权利要求6所述的生成装置,其特征在于,所述获取模块在用于获取预设检测时间段内待检测企业的多个企业事件时,所述获取模块用于:
获取所述待检测企业的名称信息;
在预设时间段内基于所述名称信息,从候选文本中抽取与所述名称信息关联的多个企业事件。
8.根据权利要求6所述的生成装置,其特征在于,第一确定模块在用于通过以下步骤确定所述待检测企业每一个企业事件的像素点的坐标信息时,所述第一确定模块用于:
基于每一个企业事件的发生时间的先后顺序,确定所述待检测企业对应的事件序列;
基于所述事件序列,去除发生时间相邻且事件类型相同的至少一个重复企业事件;
基于预设的每个企业事件与对企业的影响程度的映射关系,确定所述事件序列中去除重复企业事件后的每一个企业事件对应的编码信息;
基于每个企业事件的编码信息,确定每个企业事件的像素点的坐标信息。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至5中任一所述的企业事件分布图的生成方法的步骤。
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运行时执行如权利要求1至5中任一所述的企业事件分布图的生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011623197.6A CN112766652B (zh) | 2020-12-31 | 2020-12-31 | 一种企业事件分布图的生成方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011623197.6A CN112766652B (zh) | 2020-12-31 | 2020-12-31 | 一种企业事件分布图的生成方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766652A true CN112766652A (zh) | 2021-05-07 |
CN112766652B CN112766652B (zh) | 2024-04-19 |
Family
ID=75698640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011623197.6A Active CN112766652B (zh) | 2020-12-31 | 2020-12-31 | 一种企业事件分布图的生成方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766652B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040260703A1 (en) * | 2003-06-20 | 2004-12-23 | Elkins Debra A. | Quantitative property loss risk model and decision analysis framework |
CN101409635A (zh) * | 2007-05-10 | 2009-04-15 | 国际商业机器公司 | 使用三维可视化技术管理企业系统和应用 |
WO2014152025A2 (en) * | 2013-03-14 | 2014-09-25 | Intralinks, Inc. | Computerized method and system for managing networked secure collaborative exchange environment |
US20160055190A1 (en) * | 2014-08-19 | 2016-02-25 | New England Complex Systems Institute, Inc. | Event detection and characterization in big data streams |
CN108418697A (zh) * | 2017-02-09 | 2018-08-17 | 南京联成科技发展有限公司 | 一种智能化的安全运维服务云平台的实现架构 |
CN110826935A (zh) * | 2019-11-22 | 2020-02-21 | 国网陕西省电力公司电力科学研究院 | 一种基于机器学习的中长期电力市场风险评估方法 |
CN110889556A (zh) * | 2019-11-28 | 2020-03-17 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和系统 |
CN111782907A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 新闻分类方法、装置及电子设备 |
-
2020
- 2020-12-31 CN CN202011623197.6A patent/CN112766652B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040260703A1 (en) * | 2003-06-20 | 2004-12-23 | Elkins Debra A. | Quantitative property loss risk model and decision analysis framework |
CN101409635A (zh) * | 2007-05-10 | 2009-04-15 | 国际商业机器公司 | 使用三维可视化技术管理企业系统和应用 |
WO2014152025A2 (en) * | 2013-03-14 | 2014-09-25 | Intralinks, Inc. | Computerized method and system for managing networked secure collaborative exchange environment |
US20160055190A1 (en) * | 2014-08-19 | 2016-02-25 | New England Complex Systems Institute, Inc. | Event detection and characterization in big data streams |
CN108418697A (zh) * | 2017-02-09 | 2018-08-17 | 南京联成科技发展有限公司 | 一种智能化的安全运维服务云平台的实现架构 |
CN110826935A (zh) * | 2019-11-22 | 2020-02-21 | 国网陕西省电力公司电力科学研究院 | 一种基于机器学习的中长期电力市场风险评估方法 |
CN110889556A (zh) * | 2019-11-28 | 2020-03-17 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和系统 |
CN111782907A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 新闻分类方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
朱王奇等: ""通信企业供应链风险识别和评估"", 《企业通信管理》, pages 75 - 77 * |
Also Published As
Publication number | Publication date |
---|---|
CN112766652B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581463A (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
CN109446061B (zh) | 一种页面检测方法、计算机可读存储介质及终端设备 | |
CN109961165B (zh) | 件量预测方法、装置、设备及其存储介质 | |
CN110716966A (zh) | 数据可视化处理方法及系统、电子设备及存储介质 | |
CN114968743A (zh) | 一种异常事件监控方法、装置、设备及介质 | |
CN114937023A (zh) | 一种承压设备的缺陷识别方法及装置 | |
JP6192432B2 (ja) | リスク計量システム | |
CN111309835B (zh) | 一种空间数据可视化的处理方法、系统及设备 | |
CN112766652A (zh) | 一种企业事件分布图的生成方法、装置及可读存储介质 | |
CN111400424A (zh) | 基于gis的人员异常聚集自动识别方法及装置 | |
CN114095335A (zh) | 一种网络告警处理方法、装置和电子设备 | |
CN108921433B (zh) | 基于业务连续性的风险定量分析系统 | |
CN108446739B (zh) | 一种数据录入监测方法及装置 | |
CN105488061A (zh) | 一种验证数据有效性的方法及装置 | |
Malizia et al. | Enhancing the Jacquez k nearest neighbor test for space–time interaction | |
CN107346329B (zh) | 一种数据处理方法和装置 | |
CN112632469A (zh) | 业务交易数据的异常检测方法、装置及计算机设备 | |
CN113011707B (zh) | 一种面向流程阶段的指标异常的根因定位方法及系统 | |
JP2019221008A (ja) | 系統断面データ管理装置および方法 | |
CN111626887A (zh) | 一种社交关系评估方法及装置 | |
CN117227551B (zh) | 新能源设备安全监控方法、装置、设备及可读存储介质 | |
CN112003741B (zh) | 一种告警数据处理方法、装置、设备及可读存储介质 | |
CN112860824B (zh) | 一种高分辨率dem地形特征提取的尺度适应性评价方法 | |
CN114638851B (zh) | 一种基于生成对抗网络的图像分割方法、系统及存储介质 | |
CN114124576B (zh) | 一种基于知识图谱的诈骗网站关联方法及系统 |
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 |