CN113344460A - 一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置 - Google Patents
一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置 Download PDFInfo
- Publication number
- CN113344460A CN113344460A CN202110769450.7A CN202110769450A CN113344460A CN 113344460 A CN113344460 A CN 113344460A CN 202110769450 A CN202110769450 A CN 202110769450A CN 113344460 A CN113344460 A CN 113344460A
- Authority
- CN
- China
- Prior art keywords
- risk
- case
- data information
- big data
- intelligent
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012550 audit Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 238000012954 risk control Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06F18/211—Selection of the most significant subset of features
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置，属于大数据分析技术与知识图谱技术领域。它包括通过对历史的多个案件实例数据信息进行分析过滤处理，提取他们的风险特征，计算特征权重和案例之间的相似度，建立风险特征库模型，使用风险特征库模型对目标案例进行分析计算处理，将获得的数据信息和风险特征显示出来，同时显示它们之间的关联关系和路径。本发明能分析并找出企业案例中的隐藏风险，具有结构简单、设计合理、易于制造的优点。
Description
技术领域
本发明属于大数据分析技术与知识图谱技术领域，具体地说，涉及一种基于大数据图谱计算的智能风险预测与识别系统，设备和装置。
背景技术
当前金融企业内部的风险控制体系太过于依赖业务人员的专业能力，而企业内部的风险控制系统的能力只能检测单个或者旧的过往风险，在面对新的风险时，不能及时更新风险数据库，并且同样的风险在参杂了不同的影响因素后可能会造成不一样的结果，最终可能会给企业带来严重的利益损失。
并且现有的大部分风险控制系统都只能对录入数据库中的危险数据信息进行监控和反馈，对于风险控制系统的智能AI学习水平不够，当出现数据库外的敏感信息时，则无法很好且有效的对其进行判别，需要人工对数据库进行定时升级，因此，若是企业遇到的风险问题在数据库中不存在，风险控制系统就不能第一时间察觉出来并警告给企业，企业的利益就会面临很大的影响，并且风险控制系统不能提供最佳的解决方案用来解决遇到的麻烦，最终可能会造成难以预料的损失。
同时在面对不同的客户，产品的渠道，办理的员工，这些因素都会对风险评估产生影响，从而影响到风险控制系统的评估结果，在面对同一个风险问题时，而上述因素确不同时，风险控制系统可能无法判别，依然采用固定的评估方式和解决方法，不能灵活的根据影响因素的不同提供不同的处理方法，导致的结果很有可能会十分糟糕，最后对公司的利益造成重大的损失。
发明内容
1、要解决的问题
针对现有风险控制系统只能识别单个事件对企业经营的影响和风险，不能根据行业的发展及时跟新不同风险对企业经营中的影响范围和影响程度的问题，本发明提供一种基于大数据图谱计算的智能风险预测与识别系统，设备和装置。
2、技术方案
为解决上述问题，本发明采用如下的技术方案。
一种基于大数据图谱计算的智能风险预测与识别系统，采用以下步骤：
步骤1：获取多个案件实例，进行粗分类处理，同时对案件实例中的数据信息进行筛选过滤处理；
步骤2：根据步骤1的处理结果对每个案件实例进行风险特征提取，计算风险特征权重和每个案件实例的相似度；
步骤3：根据步骤2计算的风险特征权重和案件实例相似度，构建风险特征库模型；
步骤4：对目标案件的数据信息进行筛选过滤处理；
步骤5：使用步骤3构建的风险特征库模型对步骤4处理的目标案件数据信息进行分析计算提取处理，获取目标案件风险特征及其权重；
步骤6：前端界面获取并显示步骤4处理后的目标案件数据信息，同时显示目标案件中特征权重值最高的风险特征及其相关数据。
优选的，所述步骤1中对数据信息进行筛选过滤处理是使用无监督学习算法对异常信息进行识别处理获取案件实例的关键信息，剔除异常信息，保留关键信息，使得结果更加准确。
优选的，所述步骤2中风险特征提取是采用了Random forest算法对特征进行筛选提取，采用算法提取特征使得结果更加可靠。
优选的，所述步骤3中构建风险特征库模型采用了向量空间模型，该模型方便了案例之间的相互计算。
优选的，所述步骤5中在对目标案件进行数据信息处理，特征提取和权重计算后，每次都会将目标案件的各类数据加入到风险特征库模型中，以此对模型进行更新迭代处理，可以使得模型不断优化。
进一步的，所述更新迭代处理是采用Louvain社区检测算法结合稽核实验对模型进行迭代更新优化，算法使得模型优化更新更加准确。
优选的，所述步骤6中显示数据信息会根据数据信息的不同以图像，图表以及图形的形式展现出来，更方便直白的给予用户观看。
优选的，所述步骤6中显示数据信息，风险特征及其相关数据，根据用户的需求显示各个数据之间的关联关系，显示不同层级的关系数据和关联路径，数据关系显示更加方便直观。
一种基于大数据图谱计算的智能风险预测与识别设备，其特征在于，包括以下模块：
过滤筛选模块，用于获取多个案件实例，对案件中的数据信息进行筛选过滤处理；
特征提取模块，用于提取每个案件实例中的风险特征；
模型构建模块，用于计算风险特征权重和案件实例的相似度，构建风险特征库模型；
案件处理模块，用于使用模型构建模块对目标案件进行分析计算处理，获取目标案件风险特征及其权重；
前端显示模块，用于使用图形展示目标案件的各个数据信息和风险特征之间的关联关系和关联路径。
一种基于大数据图谱计算的智能风险预测与识别装置，其特征在于，所述设备包括服务处理器和分布存储器，所述服务处理器连接所述存储器，所述分布存储器中存储有服务自管理程序，配置用于存储机器可读指令，所述服务处理器执行所述服务自管理程序，指令在由所述处理器执行时，以实现如上所述的基于大数据图谱计算的智能风险预测与识别系统。
本发明通过对历史的多个案件实例数据信息进行分析过滤处理，提取他们的风险特征，计算特征权重和案例之间的相似度，建立风险特征库模型，使用风险特征库模型对目标案例进行分析计算处理，将获得的数据信息和风险特征显示出来，同时显示它们之间的关联关系和路径，让用户更加方便的观看自己需要的数据信息和风险数据。
3、有益效果
相比于现有技术，本发明的有益效果为：
(1)本发明通过对多个案件实例进行筛选过滤处理，得到关键数据信息，剔除异常信息，在使用得到的数据信息提取风险特征，并以此计算特征权重和案例相似度，构建风险特征库模型，通过过往案例数据建立的模型使得计算结果更加准确；
(2)本发明每次使用风险特征库模型对目标案例进行分析计算后，都会将目标案件的各类数据添加到风险特征库模型中，对模型进行更新迭代处理，通过对模型参数进行更新优化，通过添加模型数据量，使得每次计算处理后的模型都越来越精准，更顺应行业的发展；
(3)本发明使用图像，图表和图形显示不同的数据信息，并将它们的关联关系显示出来，根据用户的需求显示不同层级的关系数据和关联路径，方便用户的观看和查询，给予用户一目了然的观看体验。
附图说明
为了更清楚地说明本申请实施例或示例性中的技术方案，下面将对实施例或示例性描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，还可以按照这些附图示出的获得其他的附图。
图1为本发明的步骤示意图；
图2为本发明的流程示意图；
图3为本发明的设备示意图；
图4为本发明的装置示意图；
图5为本发明的功能作用示意图。
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，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。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。基于本申请中的实施例，本领域普通技术人员在没有作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。
实施例1
本实施例提供了一种基于大数据图谱计算的智能风险预测与识别系统，该系统应用在大数据分析技术与知识图谱技术领域，当企业的案件实例可能存在隐藏风险，但是企业用户却无法准确的获取风险特征和相关数据，从而威胁到企业发展与运营，这时就需要对企业的案件实例进行分析处理，找出隐藏的风险问题。
基于大数据图谱计算的智能风险预测与识别系统可以包括历史案例提取系统，模型数据库，数据处理装置和前端显示界面。
历史案例提取系统可以对过往的案例进行信息数据提取，获取案例中的关键信息。
模型数据库可以对案例的风险特征进行提取，计算案例的相似度，构建风险特征库模型，并且还会根据新的目标案例更新模型，机器学习部分能力依托于Spark MLlib实现。
数据处理装置会使用模型数据库对目标案例进行分析计算处理，获取目标案件风险特征。
前端显示界面可以显示用户需要的数据信息，并显示数据之间的关联关系。
根据如上所述，基于大数据图谱计算的智能风险预测与识别系统的主要流程如下：
如图2所示，首先获取多个历史案件实例，对其进行粗分类处理，同时对历史案件实例中的数据信息进行筛选过滤处理，使用无监督学习算法对异常信息进行识别处理获取案件实例的关键信息。
然后根据筛选过滤处理结果对每个历史案件实例进行风险特征提取，风险特征提取是采用了Random forest算法对特征进行筛选提取，计算风险特征权重和每个案件实例的相似度，接着根据计算的风险特征权重和案件实例相似度，采用向量空间模型构建风险特征库模型。
获取目标案件，对目标案件的数据信息进行筛选过滤处理，使用构建的风险特征库模型对目标案件数据信息进行分析计算提取处理，获取目标案件风险特征及其权重，在对目标案件进行数据信息处理，特征提取和权重计算后，每次都会将目标案件的各类数据加入到风险特征库模型中，以此对模型进行更新迭代处理，更新迭代处理是采用Louvain社区检测算法结合稽核实验对模型进行迭代更新优化。
前端界面获取并显示处理后的目标案件数据信息，同时显示目标案件中特征权重值最高的风险特征及其相关数据，显示数据信息会根据数据信息的不同以图像，图表以及图形的形式展现出来，根据用户的需求显示各个数据之间的关联关系，显示不同层级的关系数据和关联路径。
通过上述描述可知，在本实例中对历史的多个案件实例数据信息进行分析过滤处理，提取他们的风险特征，计算特征权重和案例之间的相似度，建立风险特征库模型，使用风险特征库模型对目标案例进行分析计算处理，将获得的数据信息和风险特征显示出来，同时显示它们之间的关联关系和路径，通过不断优化风险特征库模型，使得每次计算处理后的模型都越来越精准，提高发现风险的效率。
实施例2
如图3所示，一种基于大数据图谱计算的智能风险预测与识别设备，其特征在于，包括以下模块：
过滤筛选模块，用于获取多个案件实例，对案件中的数据信息进行筛选过滤处理；
特征提取模块，用于提取每个案件实例中的风险特征；
模型构建模块，用于计算风险特征权重和案件实例的相似度，构建风险特征库模型；
案件处理模块，用于使用模型构建模块对目标案件进行分析计算处理，获取目标案件风险特征及其权重；
前端显示模块，用于使用图形展示目标案件的各个数据信息和风险特征之间的关联关系和关联路径。
通过上述描述可知，在本实例中对历史的多个案件实例数据信息进行分析过滤处理，提取他们的风险特征，计算特征权重和案例之间的相似度，建立风险特征库模型，使用风险特征库模型对目标案例进行分析计算处理，将获得的数据信息和风险特征显示出来，同时显示它们之间的关联关系和路径，通过各个模块之间的数据运输，提高运行效率，更顺应行业的发展。
实施例3
如图4所示，一种基于大数据图谱计算的智能风险预测与识别装置，其特征在于，所述设备包括服务处理器和分布存储器，所述服务处理器连接所述存储器，所述分布存储器中存储有服务自管理程序，配置用于存储机器可读指令，所述服务处理器执行所述服务自管理程序，指令在由所述处理器执行时，以实现如实施例1所述的基于大数据图谱计算的智能风险预测与识别系统。
通过上述描述可知，在本实例中对历史的多个案件实例数据信息进行分析过滤处理，提取他们的风险特征，计算特征权重和案例之间的相似度，建立风险特征库模型，使用风险特征库模型对目标案例进行分析计算处理，将获得的数据信息和风险特征显示出来，同时显示它们之间的关联关系和路径，方便用户的观看和查询，给予用户一目了然的观看体验。
以上所述实施例仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形、改进及替代，这些都属于本发明的保护范围。
Claims (10)
1.一种基于大数据图谱计算的智能风险预测与识别系统，其特征在于，采用以下步骤：
步骤1：获取多个案件实例，进行粗分类处理，同时对案件实例中的数据信息进行筛选过滤处理；
步骤2：根据步骤1的处理结果对每个案件实例进行风险特征提取，计算风险特征权重和每个案件实例的相似度；
步骤3：根据步骤2计算的风险特征权重和案件实例相似度，构建风险特征库模型；
步骤4：对目标案件的数据信息进行筛选过滤处理；
步骤5：使用步骤3构建的风险特征库模型对步骤4处理的目标案件数据信息进行分析计算提取处理，获取目标案件风险特征及其权重；
步骤6：前端界面获取并显示步骤4处理后的目标案件数据信息，同时显示目标案件中特征权重值最高的风险特征及其相关数据。
2.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤1中对数据信息进行筛选过滤处理是使用无监督学习算法对异常信息进行识别处理获取案件实例的关键信息。
3.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤2中风险特征提取是采用了Random forest算法对特征进行筛选提取。
4.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤3中构建风险特征库模型采用了向量空间模型。
5.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤5中在对目标案件进行数据信息处理，特征提取和权重计算后，每次都会将目标案件的各类数据加入到风险特征库模型中，以此对模型进行更新迭代处理。
6.根据权利要求5所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述更新迭代处理是采用Louvain社区检测算法结合稽核实验对模型进行迭代更新优化。
7.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤6中显示数据信息会根据数据信息的不同以图像，图表以及图形的形式展现出来。
8.根据权利要求1所述的基于大数据图谱计算的智能风险预测与识别系统，其特征在于：所述步骤6中显示数据信息，风险特征及其相关数据，根据用户的需求显示各个数据之间的关联关系，显示不同层级的关系数据和关联路径。
9.一种基于大数据图谱计算的智能风险预测与识别设备，其特征在于，包括以下模块：
过滤筛选模块，用于获取多个案件实例，对案件中的数据信息进行筛选过滤处理；
特征提取模块，用于提取每个案件实例中的风险特征；
模型构建模块，用于计算风险特征权重和案件实例的相似度，构建风险特征库模型；
案例处理模块，用于使用模型构建模块对目标案件进行分析计算处理，获取目标案件风险特征及其权重；
前端显示模块，用于使用图形展示目标案件的各个数据信息和风险特征之间的关联关系和关联路径。
10.一种基于大数据图谱计算的智能风险预测与识别装置，其特征在于，所述设备包括服务处理器和分布存储器，所述服务处理器连接所述存储器，所述分布存储器中存储有服务自管理程序，配置用于存储机器可读指令，所述服务处理器执行所述服务自管理程序，指令在由所述处理器执行时，以实现如权利要求1-8所述的基于大数据图谱计算的智能风险预测与识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110769450.7A CN113344460A (zh) | 2021-07-07 | 2021-07-07 | 一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110769450.7A CN113344460A (zh) | 2021-07-07 | 2021-07-07 | 一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113344460A true CN113344460A (zh) | 2021-09-03 |
Family
ID=77483022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110769450.7A Pending CN113344460A (zh) | 2021-07-07 | 2021-07-07 | 一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113344460A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN109492945A (zh) * | 2018-12-14 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 企业风险识别监控方法、装置、设备及存储介质 |
| CN109523116A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技（深圳）有限公司 | 企业风险分析方法、装置、计算机设备和存储介质 |
| CN109829628A (zh) * | 2019-01-07 | 2019-05-31 | 平安科技（深圳）有限公司 | 基于大数据的风险预警方法、装置和计算机设备 |
| CN110264336A (zh) * | 2019-05-28 | 2019-09-20 | 浙江邦盛科技有限公司 | 一种基于大数据的智能案防系统 |
| CN111309824A (zh) * | 2020-02-18 | 2020-06-19 | 中国工商银行股份有限公司 | 实体关系图谱显示方法及系统 |
-
2021
- 2021-07-07 CN CN202110769450.7A patent/CN113344460A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN109523116A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技（深圳）有限公司 | 企业风险分析方法、装置、计算机设备和存储介质 |
| CN109492945A (zh) * | 2018-12-14 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 企业风险识别监控方法、装置、设备及存储介质 |
| CN109829628A (zh) * | 2019-01-07 | 2019-05-31 | 平安科技（深圳）有限公司 | 基于大数据的风险预警方法、装置和计算机设备 |
| CN110264336A (zh) * | 2019-05-28 | 2019-09-20 | 浙江邦盛科技有限公司 | 一种基于大数据的智能案防系统 |
| CN111309824A (zh) * | 2020-02-18 | 2020-06-19 | 中国工商银行股份有限公司 | 实体关系图谱显示方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10367888B2 (en) | Cloud process for rapid data investigation and data integrity analysis | |
| US8615133B2 (en) | Process for enhancing images based on user input | |
| EP3686756A1 (en) | Method and apparatus for grouping data records | |
| CN111402017A (zh) | 一种基于大数据的信用评分方法和系统 | |
| CN114742477B (zh) | 企业订单数据处理方法、装置、设备及存储介质 | |
| CN112258303A (zh) | 围串标预警分析方法、装置、电子设备及存储介质 | |
| CN112270596A (zh) | 基于用户画像构建的风险控制系统及方法 | |
| CN112597238A (zh) | 基于人员信息的知识图谱构建方法、系统、设备及介质 | |
| CN115329092A (zh) | 电力监控系统威胁分析的知识图谱生成方法、系统及介质 | |
| CN114297516A (zh) | 一种基于知识图谱的事件发现与展现方法及系统 | |
| CN113962514A (zh) | 一种经营风险识别的方法 | |
| CN113313904A (zh) | 一种基于5g网络实现智能商铺报警的方法及系统 | |
| CN115204881A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN113344460A (zh) | 一种基于大数据图谱计算的智能风险预测与识别系统、设备和装置 | |
| CN116563028A (zh) | 基于ai的报送数据校验方法、系统及存储介质 | |
| US8544727B1 (en) | Method and system for anti-money laundering surveillance | |
| CN113393159A (zh) | 一种基于关联网络的智能风控平台系统、装置和设备 | |
| CN111815435A (zh) | 一种群体风险特征的可视化方法、装置、设备及存储介质 | |
| CN111400424A (zh) | 基于gis的人员异常聚集自动识别方法及装置 | |
| CN115730284A (zh) | 一种报表数据的权限控制方法、装置、设备及存储介质 | |
| CN114529383B (zh) | 实现税务缴纳追踪和税款流失预警方法及系统 | |
| KR20180004739A (ko) | 비즈니스의 운영을 모니터링하는데 사용되는 시스템 및 방법 | |
| CN114756685A (zh) | 一种投诉单的投诉风险识别方法及装置 | |
| CN113849464A (zh) | 信息处理方法和设备 | |
| CN112801788A (zh) | 一种互联网股权融资平台监控系统及监控方法 |
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 |