CN113722433A - 一种信息推送方法、装置、电子设备及计算机可读介质 - Google Patents
一种信息推送方法、装置、电子设备及计算机可读介质 Download PDFInfo
- Publication number
- CN113722433A CN113722433A CN202111005187.0A CN202111005187A CN113722433A CN 113722433 A CN113722433 A CN 113722433A CN 202111005187 A CN202111005187 A CN 202111005187A CN 113722433 A CN113722433 A CN 113722433A
- Authority
- CN
- China
- Prior art keywords
- public opinion
- information
- early warning
- target public
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003058 natural language processing Methods 0.000 claims abstract description 32
- 230000009193 crawling Effects 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 72
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 239000003795 chemical substances by application Substances 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- 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
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了信息推送方法、装置、电子设备及计算机可读介质,涉及人工智能、大数据领域,具体涉及自然语言处理、数据采集、数据分析与挖掘领域,该方法包括:调用风险配置表,根据风险配置表确定待处理舆情信息中的目标舆情信息,爬取目标舆情信息;对目标舆情信息进行自然语言处理,确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;调用知识图谱,根据舆情主体和属性,确定目标舆情信息对应的预警等级;确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,将目标舆情信息和预警等级推送至风险管理节点。实现定制化推送用户所关注的信息,减少信息推送时间,提高信息推送效率。
Description
技术领域
本申请涉及人工智能、大数据领域,具体涉及自然语言处理、数据采集、数据分析与挖掘领域,尤其涉及一种信息推送方法、装置、电子设备及计算机可读介质。
背景技术
目前,市场上舆情管理的需求旺盛,舆情预警产品众多,市场上的大多相关服务提供商仅能做软件服务,但不具备业务预警规则、风险识别及数据分析的核心能力。传统的社交软件无法满足舆情信息和决策信息的快速传递。通过微信群发送所收集的舆情信息,需逐级转发,涉及处理层级多、流程长,导致信息推送时间长、风险监测效率低、处理不及时、工作量大,对风险的响应速度慢。
在实现本申请过程中,发明人发现现有技术中至少存在如下问题:
传统的社交软件无法满足舆情信息和决策信息的快速、准确的传递,信息推送时间长、风险监测效率低,对风险的响应速度慢。
发明内容
有鉴于此,本申请实施例提供一种信息推送方法、装置、电子设备及计算机可读介质,能够解决现有的传统的社交软件无法满足舆情信息和决策信息的快速传递,信息推送时间长、效率低,对风险的响应速度慢的问题。
为实现上述目的,根据本申请实施例的一个方面,提供了一种信息推送方法,包括:
调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息;
对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;
调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级;
确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。
可选地,对目标舆情信息进行自然语言处理,包括:
对目标舆情信息进行清洗、分析,以得到对应的结构化数据;
调用风险模型,以对结构化数据进行舆情主体识别和属性识别。
可选地,基于用户主体确定风险管理节点,包括:
确定用户主体对应的业务占比;
根据业务占比,确定目标舆情信息对应的风险管理节点。
可选地,根据业务占比,确定目标舆情信息对应的风险管理节点,包括:
响应于确定业务占比小于预设阈值,确定目标舆情信息对应的风险管理节点为第一风险管理节点;
响应于确定业务占比大于或等于预设阈值,确定目标舆情信息对应的风险管理节点为第二风险管理节点。
可选地,确定目标舆情信息对应的预警等级,包括:
根据舆情主体、属性和舆情预警模型,确定舆情评分;
基于舆情评分和知识图谱,确定舆情评分对应的预警等级。
可选地,在将目标舆情信息和预警等级推送至风险管理节点之前,方法还包括:
将目标舆情信息和预警等级发送至核查节点,以对目标舆情信息对应的预警等级进行核查验证。
可选地,在将目标舆情信息和预警等级推送至风险管理节点之后,方法还包括:
根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端。
可选地,在根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端之后,方法还包括:
接收目标用户终端的反馈信息,进而将反馈信息发送至预警平台,以使预警平台基于反馈信息迭代优化风险模型、舆情预警模型和知识图谱。
另外,本申请还提供了一种信息推送装置,包括:
爬取单元,被配置成调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息;
自然语言处理单元,被配置成对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;
预警等级确定单元,被配置成调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级;
信息推送单元,被配置成确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。
可选地,自然语言处理单元进一步被配置成:
对目标舆情信息进行清洗、分析,以得到对应的结构化数据;
调用风险模型,以对结构化数据进行舆情主体识别和属性识别。
可选地,信息推送单元进一步被配置成:
确定用户主体对应的业务占比;
根据业务占比,确定目标舆情信息对应的风险管理节点。
可选地,信息推送单元进一步被配置成:
响应于确定业务占比小于预设阈值,确定目标舆情信息对应的风险管理节点为第一风险管理节点;
响应于确定业务占比大于或等于预设阈值,确定目标舆情信息对应的风险管理节点为第二风险管理节点。
可选地,预警等级确定单元进一步被配置成:
根据舆情主体、属性和舆情预警模型,确定舆情评分;
基于舆情评分和知识图谱,确定舆情评分对应的预警等级。
可选地,信息推送装置还包括验证单元,被配置成:
在将目标舆情信息和预警等级推送至风险管理节点之前,将目标舆情信息和预警等级发送至核查节点,以对目标舆情信息对应的预警等级进行核查验证。
可选地,信息推送装置还包括报告生成单元,被配置成:
在将目标舆情信息和预警等级推送至风险管理节点之后,根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端。
可选地,信息推送装置还包括优化单元,被配置成:
在根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端之后,接收目标用户终端的反馈信息,进而将反馈信息发送至预警平台,以使预警平台基于反馈信息迭代优化风险模型、舆情预警模型和知识图谱。
另外,本申请还提供了一种信息推送电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述的信息推送方法。
另外,本申请还提供了一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现如上述的信息推送方法。
上述发明中的一个实施例具有如下优点或有益效果:本申请通过调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息;对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级;确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。从而实现定制化推送用户所关注的信息,并通过自然语言处理和知识图谱实现舆情信息的精准研判和精准推送,并且目标舆情信息可以直接下发至根据用户主体确定出来的风险管理节点,从而避免底层业务人员层层汇报的情况,减少信息推送时间,提高风险监测效率和信息推送效率,从而提高对风险的响应速度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本申请,不构成对本申请的不当限定。其中:
图1是根据本申请第一实施例的信息推送方法的主要流程的示意图;
图2是根据本申请第二实施例的信息推送方法的主要流程的示意图;
图3是根据本申请第三实施例的信息推送方法的应用场景示意图;
图4是根据本申请实施例的信息推送装置的主要单元的示意图;
图5是本申请实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请第一实施例的信息推送方法的主要流程的示意图,如图1所示,信息推送方法包括:
步骤S101,调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息。
本实施例中,信息推送方法的执行主体(例如,可以是服务器)可以通过有线连接或无线连接的方式,获取待处理舆情信息。进而,执行主体可以调用风险配置表,以对待处理舆情信息进行过滤,获取定制的客户舆情信息,示例的,可以是针对银行业务比较关注的风险类别,进行用户相关舆情信息的采集。
示例的,风险配置表中可以包含如下信息:
风险类别(经营事件);
风险子类别(1安全事故、2业务变化、3经营问题、4关联方问题、5产品问题、6减资破产、7资质撤销、8投资失误、9融资失败、10再融资失败、11债券融资失败、12并购重组失败、13行业恶化、14政策恶化、15股票质押异常);
属性(1安全事故对应的属性为死亡人数、3经营问题对应的属性为损失金额、5产品问题对应的属性为药品安全、食品安全,11债券融资失败对应的属性为债券金额);
风险类别(项目事件);
风险子类别(1项目问题);
风险类别(管理事件);
风险子类别(1董监高成员异常事件、2董监高成员变化、3员工离职、4股权激励失败、5控制人变化);
属性(1董监高成员异常事件对应的属性为董事长、总经理、实控人被拘,被捕、死亡);
风险类别(财务事件);
风险子类别(1财务造假、2延期披露、3业绩更正、4亏损、5预亏、6盈利能力下降、7偿债能力下降、8运营能力下降、9成长能力下降、10资产异常、11放弃债权、12大额借贷担保、13变更会计师、14非标意见);
属性(1财务造假对应的属性为造假金额、4亏损对应的属性为亏损金额、5预亏对应的属性为预亏金额);
风险类别(行政处罚);
风险子类别(1违规处罚、2问询);
属性(1违规处罚对应的属性为处罚金额);
风险类别(司法风险);
风险子类别(1资产查封、2诉讼纠纷、3员工犯罪、4公司违法、5资金问题);
属性(2诉讼纠纷对应的属性为涉诉金额、4公司违法对应的属性为处罚金额);
风险类别(资本市场风险);
风险子类别(1连续下跌、2重大事项停牌、3风险警示、4解禁、5股票卖空、6退市、7剔除指数);
风险类别(信用事件);
风险子类别(1违约失信、2评级恶化、3挪用资金、4担保风险、5抵押物风险、6承诺失信、7欺诈造假、8承诺失信);
属性(2评级恶化对应的属性为恶化前后的级别、3挪用资金对应的属性为挪用金额)。
执行主体可以根据上述风险配置表中所包含的信息对待处理舆情进行过滤,以使用爬虫技术从待处理舆情信息中爬取与上述风险配置表中所包含的风险类别、风险子类别和属性相对应的舆情信息,即目标舆情信息。
步骤S102,对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性。
具体地,舆情主体指的是风险类别,例如,经营事件、项目事件、管理事件、财务事件、行政处罚、司法风险、资本市场风险、信用事件等均为舆情主体。执行主体可以采用已训练的Bert模型来对目标舆情信息进行舆情主体的识别和所对应属性的提取。命名实体识别(Named Entity Recognition,NER)旨在从文本中抽取出命名实体,比如人名、地名、机构名等。NER标注,指的是对从文本中抽取出的命名实体,比如人名、地名、机构名等进行标注。执行主体可以采用Bert+BiLSTM+CRF结构的Bert模型进行舆情主体识别。具体地,执行主体可以通过NER进行舆情主体的识别和属性抽取。
对于对Bert模型进行训练得到已训练的Bert模型,执行主体可以将训练数据只标注一种NER类型,即标注的舆情主体,基于标注的舆情主体对Bert模型进行训练后,Bert模型就能从输入的句子中标注出所包含的舆情主体(即风险类别)。在属性抽取中,示例的,执行主体可以定义13类属性(例如可以包括死亡人数、损失金额、药品安全、食品安全、债权金额、总经理被拘、法人被捕、法人死亡、造假金额、亏损金额、预亏金额、处罚金额、涉诉金额,本申请对属性的种类的具体内容不做限定),对这13类属性进行NER标注并训练Bert模型,最终得到的Bert模型就能对输入的句子中包含的这13类属性进行标注,也就是说,只要输入Bert模型的句子中包含这13类属性中的一种或多种,则该Bert模型就会对句子中所包含的属性进行标注并输出。
具体地,对目标舆情信息进行自然语言处理,包括:
对目标舆情信息进行清洗、分析,以得到对应的结构化数据。示例的,结构化的舆情数据可以包括如下内容:客户名称、文章标题、URL、渠道、渠道类型、媒体、媒体类型、短链、舆情类型、统一社会代码、加载时间等。
调用风险模型,以对结构化数据进行舆情主体识别和属性识别。
示例的,执行主体可以利用自然语言等人工智能模型,结合银行业务流动性风险,造假风险、财务风险、管理风险等金融风险模型对舆情监测中获得的结构化的舆情数据进行专业性的舆情研判,识别出与风险配置表中的风险类别相同或相关的舆情主体(即风险类别)。具体地,风险模型可以是训练好的Bert模型,执行主体可以将处理好的结构化数据输入训练好的Bert模型,进而输出识别到的舆情主体和属性。
步骤S103,调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级。
具体地,确定目标舆情信息对应的预警等级,包括:
根据舆情主体、属性和舆情预警模型,确定舆情评分。具体地,执行主体可以将舆情主体、属性输入舆情预警模型,以根据舆情预警模型中预设的对应关系,确定输入的舆情主体、属性对应的舆情评分。舆情预警模型用于表征舆情主体、属性与舆情评分的对应关系。
基于舆情评分和知识图谱,确定舆情评分对应的预警等级。
知识图谱,用于表征舆情评分和预警等级的对应关系。执行主体可以基于舆情评分,从知识图谱中定位出与该舆情评分对应的预警等级。示例的,在知识图谱中,预警等级可以分为红色、橙色、蓝色三个等级,其中红色对应的预警等级最高,示例的,对应的舆情评分范围可以是70-100分。橙色对应的预警等级居中,示例的,对应的舆情评分范围可以是40-69分。蓝色对应的预警等级最低,示例的,对应的舆情评分范围可以是1-39分,本申请对预警等级所对应的舆情评分范围不做具体限定。假如,本申请实施例得到的舆情评分为59分,则根据知识图谱中的预警等级与舆情评分的对应关系,执行主体可以确定本舆情评分在40-69分范围内,所以应该对应橙色预警等级,从而输出橙色预警等级。
步骤S104,确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。
本实施例中,用户主体即目标舆情信息所属的用户,本申请中也可以称为风险客户。例如,可以是A公司、B学校、C法人等,本申请对用户主体所指代的内容不做具体限定。
具体地,在将目标舆情信息和预警等级推送至风险管理节点之前,方法还包括:
将目标舆情信息和预警等级发送至核查节点,以对目标舆情信息对应的预警等级进行核查验证。
具体地,核查节点可以是客户经理对应的节点。执行主体在得到目标舆情信息对应的预警等级后,可以首先将目标舆情信息和对应的预警等级发送至客户经理对应的节点进行风险排查,以核实用户风险真实性,并将核查结果反馈至舆情预警模型中,反哺优化模型的输出结果。
具体地,在将目标舆情信息和预警等级推送至风险管理节点之后,方法还包括:
根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端。通过根据舆情监测和舆情研判得到的预警等级以及目标舆情信息,可以生成可视化的舆情报告,包括简报和详细报告,用户可通过可视化大屏显示舆情报告。舆情报告包含数据统计分析,关注点走势图,舆论互动情况和影响力等可视化的舆情数据,降低舆情监控的技术门槛,提供良好的用户体验。
具体地,在根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端之后,方法还包括:
接收目标用户终端的反馈信息,进而将反馈信息发送至预警平台,以使预警平台基于反馈信息迭代优化风险模型、舆情预警模型和知识图谱。示例的,本申请实施例采用了非结构化数据的流式处理机制进行信息的推送,该机制通过爬虫工具实时从互联网爬取舆情信息,然后通过流处理技术和人工智能技术,实时对舆情信息进行抽取、实体识别、舆情判断,并将负面的舆情信息推送给预警平台,同时直接推给用户群体节点(该用户群体指风险客户对应的管理人员节点及相关客户经理节点),用户群体节点可以再将对负面的舆情信息的反馈信息(例如该负面的舆情信息是否完全正确)反馈给预警平台,以协助预警平台更加精确地确定出与风险客户相关的负面的舆情信息。该机制通过风险模型(例如财务风险模型、管理风险模型等)-知识图谱-用户反馈三种机制,不断迭代优化风险模型、舆情预警模型和知识图谱(即人工智能模型的一种),实现舆情信息的流式处理。流式处理是一种重要的大数据处理手段,其主要特点是其处理的数据是源源不断且实时到来的,流式处理具有快速,高效,低延迟等特性。
示例的,本申请实施例可以针对风险客户所属机构、在银行业务余额情况、对应的管护权等要素,通过PC弹窗、微信、APP推送、邮件、短信等多种信息传递方式向不同层级的用户节点(该不同层级的用户指风险客户对应的管理人员节点及相关客户经理节点)发送预警信息。风险客户指的是本申请中待处理舆情信息所对应的客户。不同层级的用户节点即可以是风险管理节点。风险管理节点可以是用于对风险用户的舆情信息进行审批或处理的节点。
本实施例通过调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息;对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级;确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。从而实现定制化推送用户所关注的信息,并通过自然语言处理和知识图谱实现舆情信息的精准研判和精准推送,并且目标舆情信息可以直接下发至根据用户主体确定出来的风险管理节点,从而避免底层业务人员层层汇报的情况,减少信息推送时间,提高风险监测效率和信息推送效率,从而提高对风险的响应速度。
图2是根据本申请第二实施例的信息推送方法的主要流程示意图,如图2所示,信息推送方法包括:
步骤S201,调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息。
步骤S202,对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性。
步骤S203,调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级。
步骤S204,确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。
步骤S201~步骤S204的原理与步骤S101~步骤S104的原理类似,此处不再赘述。
具体地,步骤S204还可以通过步骤S2041~步骤S2042来实现:
步骤S2041,确定用户主体对应的业务占比。
步骤S2042,根据业务占比,确定目标舆情信息对应的风险管理节点。示例的,执行主体可以首先确定用户主体(即风险客户)在银行业务中的占比,进而将在银行业务中占比较大的客户,一步推送至一级行长节点、乃至总行风险管理相关的领导节点,以节省信息推送时间,提高信息推送效率,实现可以及时辅助后续业务决策,从而降低业务风险,避免遭受损失。
具体地,根据业务占比,确定目标舆情信息对应的风险管理节点,包括:
响应于确定业务占比小于预设阈值,确定目标舆情信息对应的风险管理节点为第一风险管理节点;
响应于确定业务占比大于或等于预设阈值,确定目标舆情信息对应的风险管理节点为第二风险管理节点。
执行主体可以将业务占比大于预设阈值时对应的用户主体的目标舆情信息直接发送至具有更高决策权限的第二风险管理节点,该第二风险管理节点可以是一级行长节点,可以是总行风险相关领导节点等。
当执行主体确定业务占比小于预设阈值,则可以将所对应的用户主体的目标舆情亲戚直接发送给决策权限较低的第一风险管理节点。例如,可以是普通的业务经理节点。第一风险管理节点的决策权限低于第二风险管理节点的决策权限。
本实施例通过业务占比来确定目标舆情信息对应的风险管理节点,从而可以实现舆情信息的快速传递,缩短信息推送时间,提高信息推送效率,实时感知舆论,识别风险和商机,及时进行危机公关,从而降低商誉风险,提升用户满意度和品牌忠诚度。
图3是根据本申请第三实施例的信息推送方法的应用场景示意图。本申请实施例的信息推送方法,示例的,可以应用于用户贷款时,对与用户贷款相关的舆情信息进行推送的场景;也可以应用于实时对与商誉风险相关的舆情进行推送的场景。如图3所示,服务器303调用风险配置表302,以根据风险配置表302确定待处理舆情信息301(例如可以是与用户贷款相关的舆情信息,可以包括用户贷款相关的信用信息、存款信息、工资信息等;也可以是与某公司商誉相关的舆情信息)中的目标舆情信息304,进而爬取目标舆情信息304。服务器303对目标舆情信息304进行自然语言处理305,以确定目标舆情信息304对应的舆情主体306,并抽取目标舆情信息304对应的属性307。服务器303调用知识图谱308,以根据舆情主体306和属性307,确定目标舆情信息304对应的预警等级309。服务器303确定目标舆情信息304对应的用户主体310,基于用户主体310确定风险管理节点311,进而将目标舆情信息304和预警等级309推送至风险管理节点311。
示例的,对于风险客户相关的风险舆情监控:贷前获取风险客户舆情,结合风险客户响应模型、合规准入模型、客户筛选模型、信用评价模型等综合分析,一旦发现有风险则拦截准入。贷中获取准入风险客户的舆情、结合收入推估模型、关系图谱模型、额度计算模型等综合分析,若发现风险,及时终止审批。贷后监控贷款客户舆情,结合催收模型、风险传导模型、舆情预警模型等综合分析,一旦发现有风险,立即推送给相关用户节点,辅助后续业务决策。用户(用户指风险客户对应的管理人员及相关客户经理)可根据自身需求订阅想要关注的领域或数据渠道,自定义数据报告展示的内容,数据报告的展示布局等。
实时展示与商誉风险相关的舆情:例如实时爬取网络上包含“XX银行”“投诉”等关键字的舆论,通过流处理、人工智能技术、多维模型分析,实时统计舆论信息并进行大屏显示和风险预警推送。实时感知舆论,识别风险和商机,及时进行危机公关,从而降低商誉风险,提升用户满意度和品牌忠诚度。通过采用先进的人工智能模型,模型具备自学习的功能,模型自身可以通过用户数据的大量训练不断完善自身,实现舆情的智能分析和舆情处理的精准化,实现舆情精准研判和精准推送。结合业务规则及业务属性,舆情能下发到各个管理层级节点,减少底层业务人员层层汇报情况,提升工作效率。
示例的,在舆情推送架构中,通过互联网挖掘舆情信息后,通过消息中间件及时写入舆情库,并对外提供实时消费功能;在舆情筛选模型中,本发明通过三个模型:关键字规则模型、fasttext模型、bert模型叠加,做精细化的舆情分析、筛选;最后通过客户匹配规则、舆情去重、黑白名单等机制,精准推送。
关键字规则采用标题简单筛选,fasttext模型为开源的快速文本分类算法,与深度模型相比训练更高效,采用该模型对采集的舆情进行文本分类,最后用google的bert模型进行情感分析、命名实体识别,通过三种模型的叠加,更精准的识别潜在的风险客户。
舆情推送时,采用配置化方式,实现快速、实时精准推送。具体规则有,客户黑名单、标题黑名单、媒体白名单、媒体类型、可推送媒体、总分行白名单、余额参数、关注客户手机号等。
图4是根据本申请实施例的信息推送装置的主要单元的示意图。如图4所示,信息推送装置包括爬取单元401、自然语言处理单元402、预警等级确定单元403和信息推送单元403。
爬取单元401,被配置成调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息;
自然语言处理单元402,被配置成对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;
预警等级确定单元403,被配置成调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级;
信息推送单元404,被配置成确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。
在一些实施例中,自然语言处理单元402进一步被配置成:对目标舆情信息进行清洗、分析,以得到对应的结构化数据;调用风险模型,以对结构化数据进行舆情主体识别和属性识别。
在一些实施例中,信息推送单元404进一步被配置成:确定用户主体对应的业务占比;根据业务占比,确定目标舆情信息对应的风险管理节点。
在一些实施例中,信息推送单元404进一步被配置成:响应于确定业务占比小于预设阈值,确定目标舆情信息对应的风险管理节点为第一风险管理节点;响应于确定业务占比大于或等于预设阈值,确定目标舆情信息对应的风险管理节点为第二风险管理节点。
在一些实施例中,预警等级确定单元403进一步被配置成:根据舆情主体、属性和舆情预警模型,确定舆情评分;基于舆情评分和知识图谱,确定舆情评分对应的预警等级。
在一些实施例中,信息推送装置还包括图4中未示出的验证单元,被配置成:在将目标舆情信息和预警等级推送至风险管理节点之前,将目标舆情信息和预警等级发送至核查节点,以对目标舆情信息对应的预警等级进行核查验证。
在一些实施例中,信息推送装置还包括图4中未示出的报告生成单元,被配置成:在将目标舆情信息和预警等级推送至风险管理节点之后,根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端。
在一些实施例中,信息推送装置还包括图4中未示出的优化单元,被配置成:在根据目标舆情信息和预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端之后,接收目标用户终端的反馈信息,进而将反馈信息发送至预警平台,以使预警平台基于反馈信息迭代优化风险模型、舆情预警模型和知识图谱。
需要说明的是,在本申请信息推送方法和信息推送装置在具体实施内容上具有相应关系,故重复内容不再说明。
图5示出了可以应用本申请实施例的信息推送方法或信息推送装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504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501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有信息推送处理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、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所提交的待处理舆情信息提供支持的后台管理服务器(仅为示例)。后台管理服务器可以调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息;对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级;确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。从而实现定制化推送用户所关注的信息,并通过自然语言处理和知识图谱实现舆情信息的精准研判和精准推送,并且目标舆情信息可以直接下发至根据用户主体确定出来的风险管理节点,从而避免底层业务人员层层汇报的情况,减少信息推送时间,提高风险监测效率和信息推送效率,从而提高对风险的响应速度。
需要说明的是,本申请实施例所提供的信息推送方法一般由服务器505执行,相应地,信息推送装置一般设置于服务器505中。
应该理解,图5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。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有计算机系统600操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶征信授权查询处理器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本申请公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括爬取单元、自然语言处理单元、预警等级确定单元和信息推送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括调用风险配置表,以根据风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取目标舆情信息;对目标舆情信息进行自然语言处理,以确定目标舆情信息对应的舆情主体,并抽取目标舆情信息对应的属性;调用知识图谱,以根据舆情主体和属性,确定目标舆情信息对应的预警等级;确定目标舆情信息对应的用户主体,基于用户主体确定风险管理节点,进而将目标舆情信息和预警等级推送至风险管理节点。
根据本申请实施例的技术方案,从而实现定制化推送用户所关注的信息,并通过自然语言处理和知识图谱实现舆情信息的精准研判和精准推送,并且目标舆情信息可以直接下发至根据用户主体确定出来的风险管理节点,从而避免底层业务人员层层汇报的情况,减少信息推送时间,提高风险监测效率和信息推送效率,从而提高对风险的响应速度。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种信息推送方法,其特征在于,包括:
调用风险配置表,以根据所述风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取所述目标舆情信息;
对所述目标舆情信息进行自然语言处理,以确定所述目标舆情信息对应的舆情主体,并抽取所述目标舆情信息对应的属性;
调用知识图谱,以根据所述舆情主体和所述属性,确定所述目标舆情信息对应的预警等级;
确定所述目标舆情信息对应的用户主体,基于所述用户主体确定风险管理节点,进而将所述目标舆情信息和所述预警等级推送至所述风险管理节点。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标舆情信息进行自然语言处理,包括:
对所述目标舆情信息进行清洗、分析,以得到对应的结构化数据;
调用风险模型,以对所述结构化数据进行舆情主体识别和属性识别。
3.根据权利要求1所述的方法,其特征在于,所述基于所述用户主体确定风险管理节点,包括:
确定所述用户主体对应的业务占比;
根据所述业务占比,确定所述目标舆情信息对应的风险管理节点。
4.根据权利要求3所述的方法,其特征在于,所述根据所述业务占比,确定所述目标舆情信息对应的风险管理节点,包括:
响应于确定所述业务占比小于预设阈值,确定所述目标舆情信息对应的风险管理节点为第一风险管理节点;
响应于确定所述业务占比大于或等于预设阈值,确定所述目标舆情信息对应的风险管理节点为第二风险管理节点。
5.根据权利要求1所述的方法,其特征在于,所述确定所述目标舆情信息对应的预警等级,包括:
根据所述舆情主体、所述属性和舆情预警模型,确定舆情评分;
基于所述舆情评分和知识图谱,确定所述舆情评分对应的预警等级。
6.根据权利要求1所述的方法,其特征在于,在所述将所述目标舆情信息和所述预警等级推送至所述风险管理节点之前,所述方法还包括:
将所述目标舆情信息和所述预警等级发送至核查节点,以对所述目标舆情信息对应的预警等级进行核查验证。
7.根据权利要求1所述的方法,其特征在于,在所述将所述目标舆情信息和所述预警等级推送至所述风险管理节点之后,所述方法还包括:
根据所述目标舆情信息和所述预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端。
8.根据权利要求7所述的方法,其特征在于,在所述根据所述目标舆情信息和所述预警等级,生成可视化的舆情报告,并推送至预警平台和目标用户终端之后,所述方法还包括:
接收所述目标用户终端的反馈信息,进而将所述反馈信息发送至所述预警平台,以使所述预警平台基于所述反馈信息迭代优化风险模型、舆情预警模型和知识图谱。
9.一种信息推送装置,其特征在于,包括:
爬取单元,被配置成调用风险配置表,以根据所述风险配置表确定待处理舆情信息中的目标舆情信息,进而爬取所述目标舆情信息;
自然语言处理单元,被配置成对所述目标舆情信息进行自然语言处理,以确定所述目标舆情信息对应的舆情主体,并抽取所述目标舆情信息对应的属性;
预警等级确定单元,被配置成调用知识图谱,以根据所述舆情主体和所述属性,确定所述目标舆情信息对应的预警等级;
信息推送单元,被配置成确定所述目标舆情信息对应的用户主体,基于所述用户主体确定风险管理节点,进而将所述目标舆情信息和所述预警等级推送至所述风险管理节点。
10.根据权利要求9所述的装置,其特征在于,所述自然语言处理单元进一步被配置成:
对所述目标舆情信息进行清洗、分析,以得到对应的结构化数据;
调用风险模型,以对所述结构化数据进行舆情主体识别和属性识别。
11.一种信息推送电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005187.0A CN113722433A (zh) | 2021-08-30 | 2021-08-30 | 一种信息推送方法、装置、电子设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005187.0A CN113722433A (zh) | 2021-08-30 | 2021-08-30 | 一种信息推送方法、装置、电子设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113722433A true CN113722433A (zh) | 2021-11-30 |
Family
ID=78679303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111005187.0A Pending CN113722433A (zh) | 2021-08-30 | 2021-08-30 | 一种信息推送方法、装置、电子设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722433A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114286343A (zh) * | 2021-12-31 | 2022-04-05 | 北京百度网讯科技有限公司 | 多路外呼系统、风险识别方法、设备、介质及产品 |
CN116862592A (zh) * | 2023-07-31 | 2023-10-10 | 广州有机云计算有限责任公司 | 一种基于用户行为的sop私域营销信息自动推送方法 |
CN117609338A (zh) * | 2024-01-22 | 2024-02-27 | 交通运输部公路科学研究所 | 一种基于公路运输中危货运输工单的数据挖掘方法 |
-
2021
- 2021-08-30 CN CN202111005187.0A patent/CN113722433A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114286343A (zh) * | 2021-12-31 | 2022-04-05 | 北京百度网讯科技有限公司 | 多路外呼系统、风险识别方法、设备、介质及产品 |
CN114286343B (zh) * | 2021-12-31 | 2023-08-18 | 北京百度网讯科技有限公司 | 多路外呼系统、风险识别方法、设备、介质及产品 |
CN116862592A (zh) * | 2023-07-31 | 2023-10-10 | 广州有机云计算有限责任公司 | 一种基于用户行为的sop私域营销信息自动推送方法 |
CN116862592B (zh) * | 2023-07-31 | 2024-03-29 | 广州有机云计算有限责任公司 | 一种基于用户行为的sop私域营销信息自动推送方法 |
CN117609338A (zh) * | 2024-01-22 | 2024-02-27 | 交通运输部公路科学研究所 | 一种基于公路运输中危货运输工单的数据挖掘方法 |
CN117609338B (zh) * | 2024-01-22 | 2024-04-19 | 交通运输部公路科学研究所 | 一种基于公路运输中危货运输工单的数据挖掘方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Farrokhi et al. | Using artificial intelligence to detect crisis related to events: Decision making in B2B by artificial intelligence | |
CA3138730C (en) | Public-opinion analysis method and system for providing early warning of enterprise risks | |
CN113722433A (zh) | 一种信息推送方法、装置、电子设备及计算机可读介质 | |
US20120221485A1 (en) | Methods and systems for risk mining and for generating entity risk profiles | |
US20220164397A1 (en) | Systems and methods for analyzing media feeds | |
CN109118094B (zh) | 一种基于信用体系的企业服务应用系统 | |
Robb et al. | S tandard B usiness R eporting in A ustralia: efficiency, effectiveness, or both? | |
WO2020034626A1 (zh) | 服务推荐方法、装置、电子设备及存储介质 | |
CN110798567A (zh) | 短信分类显示方法及装置、存储介质、电子设备 | |
WO2024040817A1 (zh) | 基于大数据的债券风险信息处理方法及相关设备 | |
US11556873B2 (en) | Cognitive automation based compliance management system | |
CN111932064A (zh) | 一种建立风险评估等级的方法 | |
CN107679977A (zh) | 一种基于语义分析的税务管理平台及实现方法 | |
CN111179051A (zh) | 金融目标客户确定方法、装置及电子设备 | |
CN112419030A (zh) | 财务舞弊风险评估的方法、系统及设备 | |
CN115082203A (zh) | 生息方案推送方法、装置、电子设备及存储介质 | |
CN114997975A (zh) | 一种异常企业识别方法、装置、设备、介质及产品 | |
CN111027832A (zh) | 一种税务风险确定方法、装置及存储介质 | |
US20150199688A1 (en) | System and Method for Analyzing an Alert | |
CN117033431A (zh) | 工单处理方法、装置、电子设备和介质 | |
CN112241915A (zh) | 一种贷款产品的生成方法和装置 | |
CN111553574A (zh) | 案件分配方法及其装置、电子设备和计算机可读存储介质 | |
CN111415138A (zh) | 一种创意处理方法和系统、客户端以及服务端 | |
CN116151840A (zh) | 一种基于大数据的用户服务数据智能管理系统及方法 | |
CN111177653A (zh) | 一种信用评估方法和装置 |
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 |