CN113902553A - 基于知识图谱的风险识别方法、装置、计算机设备及介质 - Google Patents
基于知识图谱的风险识别方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN113902553A CN113902553A CN202111265795.5A CN202111265795A CN113902553A CN 113902553 A CN113902553 A CN 113902553A CN 202111265795 A CN202111265795 A CN 202111265795A CN 113902553 A CN113902553 A CN 113902553A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- event
- enterprise
- node
- 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
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能技术领域,提供一种基于知识图谱的风险识别方法、装置、计算机设备及介质,其中方法包括:获取供应链对应的知识图谱和贷款信息;若存在与所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数;从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点;基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。采用本申请,可提高风险识别的效率和准确率,有利于提高风险控制的效率。
Description
技术领域
本申请涉及人工智能技术领域,主要涉及了一种基于知识图谱的风险识别方法、装置、计算机设备及介质。
背景技术
供应链融资是把供应链上的核心企业及其相关的上下游配套企业作为一个整体,根据供应链中企业的交易关系和行业特点制定的一种基于货权及现金流控制的融资方式。目前,通常在审核过程中对供应链融资的风险进行识别。之后不会核查风险信息,导致风险控制的效果差、效率低。
发明内容
本申请实施例提供了一种基于知识图谱的风险识别方法、装置、计算机设备及介质,能够识别供应链的风险信息,提高了风险识别的效率和准确率,有利于提高风险控制的效率。
第一方面,本申请实施例提供一种基于知识图谱的风险识别方法,其中:
获取供应链对应的知识图谱和贷款信息;
若存在与所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数;
从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点;
基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。
第二方面,本申请实施例提供一种基于知识图谱的风险识别装置,其中:
获取单元,用于获取供应链对应的知识图谱和贷款信息;若存在与所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数;
确定单元,用于从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点;基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。
第三方面,本申请实施例提供一种计算机设备,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行以实现如第一方面中所描述的部分或全部步骤。
实施本申请实施例,将具有如下有益效果:
采用了上述的基于知识图谱的风险识别方法、装置、计算机设备及介质之后,若存在与供应链中目标企业具有业务相关性的目标事件,则获取该目标事件的目标事件参数。然后基于供应链对应的知识图谱确定目标事件参数对应的关联节点和所述关联节点的连接节点。再基于关联节点和连接节点之间的关联参数、供应链对应的贷款信息和目标事件参数确定供应链的风险信息。也就是说,基于供应链对应的知识图谱,对供应链上企业发生的业务事件产生的贷款影响进行分析,可提高风险识别的效率和准确率,有利于提高风险控制的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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,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。
其中:
图1为本申请实施例提供的一种基于知识图谱的风险识别方法的流程示意图;
图2为本申请实施例提供的一种基于知识图谱的风险识别装置的结构示意图;
图3为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。根据本申请中的实施例,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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例应用的网络架构包括服务器和电子设备。本申请实施例不限定电子设备和服务器的数量,服务器可同时为多个电子设备提供服务。服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器或者可以通过多个服务器组成的服务器集群来实现。
电子设备可以是个人计算机(personal computer,PC)、笔记本电脑或智能手机,还可以是一体机、掌上电脑、平板电脑(pad)、智能电视播放终端、车载终端或便捷式设备等。PC端的电子设备,例如一体机等,其操作系统可以包括但不限于Linux系统、Unix系统、Windows系列系统(例如Windows xp、Windows 7等)、Mac OS X系统(苹果电脑的操作系统)等操作系统。移动端的电子设备,例如智能手机等,其操作系统可以包括但不限于安卓系统、IOS(苹果手机的操作系统)、Window系统等操作系统。
电子设备可以安装并运行应用程序,服务器可以是电子设备所安装的应用程序对应的服务器,为应用程序提供应用服务。其中,应用程序可以是单独集成的应用软件,或其它应用中嵌入的小程序,或者网页上的系统等,在此不做限定。
举例来说,用户通过电子设备上运行的应用程序,提交目标企业的贷款请求。该应用程序将其贷款请求发送给应用程序对应的服务器,以使服务器基于贷款请求中的贷款信息对目标企业的贷款资格进行确认。若确认具有贷款资格,则反馈给办理贷款业务的工作人员,或下一步处理流程对应的服务器,以确定贷款请求审批是否通过。在贷款请求审批通过时,可以通过服务器向应用程序发送提示信息,以提示用户目标企业的贷款请求已审批通过。
又例如,服务器在接收到供应链中目标企业的贷款请求之后,或接收到目标企业的贷款审批通过消息之后,对目标企业的目标事件进行搜索。在搜索到目标事件之后,基于供应链对应的知识图谱和贷款信息,对目标事件进行分析,得到供应链的风险信息。再将该风险信息发送给应用程序,以提示目标事件对目标企业所在的供应链的风险影响。
本申请实施例提出一种基于知识图谱的风险识别方法,该方法可以由基于知识图谱的风险识别执行。该装置可由软件和/或硬件实现,一般可集成在电子设备或服务器中,能够识别供应链的风险信息,提高了风险识别的效率和准确率,有利于提高风险控制的效率。
请参照图1,图1是本申请提供的一种基于知识图谱的风险识别方法的流程示意图。以该方法应用在服务器为例进行举例说明,包括如下步骤S101~S104,其中:
S101:搜索供应链对应的知识图谱和贷款信息。
本申请对于供应链上的企业的类型不做限定,可以为任一企业。通常可包括制造商、供应商、分销商和零售商等。在一种可能的示例中,企业为小微企业。小微企业可以包括小型企业、微型企业、家庭作坊式企业等。在本申请实施例中,目标企业可以为供应链中的核心企业,也可以为核心企业的上下游企业。关联企业可以为供应链中除了目标企业之外的企业。
在本申请实施例中,供应链对应的知识图谱用于描述目标企业和关联企业之间的关联关系,可以称为目标企业和关联企业之间的知识图谱。本申请对于构建知识图谱的方法不做限定,可以基于极端梯度提升(extreme gradient boosting,XGBoost)算法对目标企业和关联企业的信息进行分析得到。在一种可能的示例中,在步骤S101之前,还可以包括以下步骤A1-A5,其中:
A1:基于目标企业的标识获取所述目标企业的第一基本信息和第一事件信息。
A2:基于关联企业的标识获取所述关联企业的第二基本信息和第二事件信息。
企业的标识可包括企业在工商局进行登记得到的注册号、企业名称或常用的缩写等。例如,目标企业在工商局进行登记得到的注册号,可以称为目标企业的标识。关联企业的缩写名称可以称为关联企业的标识。关联企业如前所述为供应链上除目标企业之外的企业。
企业的基本信息可以包括企业的注册号、企业名称、营业场所、法定代表人、负责人、联系电话、经营范围、行业类型、企业规模、主营业务、产品类型、原材料、登记机关、登记日期、备注等。进一步的,还可包括法定代表人或提交贷款请求的用户的姓名、曾用名、年龄、身份证号码、电话号码、电子邮箱、住址等用户的基本信息。
其中,行业类型可包含行业所涉及的业务类型。例如,房地产行业可包括销售、建筑、采购、财务等业务。又例如,批发零售行业可包括烟酒、茶叶、饮料、方便食品等业务。经营范围是指企业可以从事的生产经营与服务项目,可包含所涉及的业务。例如,经营范围为本地生活,可包括清洁服务、婚庆服务、劳务服务、化粪池清扫、汽车驾驶陪练、开锁服务、物流服务等业务。又例如,经营范围为旅游,可包括国内旅游业务、入境旅游业务、出境旅游业务等。如此,基于行业类型和经营范围可获取企业的业务类型。
主营业务是指企业实际生产活动中消耗资源较多的业务。若经营的业务较多,主营业务可以为占用资源较多的前N个业务,或占用资源大于预设阈值的业务。上述的资源可包括人力资源和物力资源等。本申请对于N和预设阈值不做限定,N可以为3,预设阈值可以10%等。
企业规模可包括企业的注册资本、实缴资本、企业工商数据中披露的年报,或企业在贷款方(例如,银行)积累的年报数据等。企业规模可包括企业的注册资本、实缴资本、企业工商数据中披露的年报,或企业在贷款方(例如,银行)积累的年报数据等。
可以理解,基于企业的基本信息可以获取企业的经营情况,有利于提高分析风险信息的准确率。在本申请实施例中,可将目标企业的基本信息称为第一基本信息,可将关联企业的基本信息称为第二基本信息。
在本申请实施例中,企业的事件信息可以包括社会舆情信息、涉诉信息、新闻事件等与企业相关的信息,或企业的产品或行业相关的信息,或企业所使用的材料相关的信息等,在此不做限定。以上事件信息的发生或多或少,对企业的运营产生影响,从而可基于事件信息确定企业的风险值。在本申请实施例中,可将目标企业的事件信息称为第一事件信息,可将关联企业的事件信息称为第二事件信息。
需要说明的是,本申请对于步骤A1和步骤A2的执行顺序不做限定,可以先执行步骤A2,再执行步骤A1。或者先执行步骤A1,再执行步骤A2。或者同时执行步骤A1和执行步骤A2。
本申请对于获取基本信息的方法不做限定,可以基于企业的工商注册信息、商标信息、官方网站的介绍信息、第三方网站的标签信息、年报数据等进行获取。且本申请对于获取事件信息的方法不做限定,也可采用网络爬虫技术,对企业的新闻、评价等信息进行搜索。其中,网络爬虫又称为网页蜘蛛、网络机器人,或者网页追逐者等,是一种按照一定规则自动地抓取网络信息的程序或脚本。
以下以第一基本信息和第一事件信息进行举例说明,在一种可能的示例中,步骤A1可以包括以下步骤A11~A14,其中:
A11:基于所述目标企业的标识从预设网站中获取所述目标企业的第一信息。
在本申请实施例中,第一信息中与目标企业的标识对应的信息,可以理解为目标企业对应的信息。第一信息包括登记信息和关联业务信息等,在此不做限定。其中,企业的登记信息可包括企业在工商局登记的工商注册信息、企业的商标信息、官方网站中的介绍信息,或第三方网站中添加的介绍信息等,在此不做限定。
关联业务信息包括企业的业务信息的关联信息,可包括企业的年报数据、社会舆情信息、供应链业务数据等,在此不做限定。其中,年报数据记录了企业的基本情况以及主要财务数据等。社会舆情信息以网络为载体,以事件为核心,是广大网民情感、态度、意见、观点的表达,传播与互动,以及后续影响力的集合。社会舆情信息可包括广大网民对企业的业务的评价信息。供应链业务数据可包括企业和上游企业之间的业务信息,还可包括企业和下游企业之间的业务信息。
本申请可采用网络爬虫技术从预设网站中搜索第一信息等,在此不做限定。其中,预设网站可以为搜索企业的工商注册信息、商标信息、官方网站的介绍信息、第三方网站的标签信息、年报数据等企业信息相关的网站。需要说明的是,预设网站的数量可以为一个或多个,在此不做限定。可以理解,通过网络爬虫技术基于目标企业的标识从预设网站搜索目标企业的信息,可提高搜索的准确率。
A12:基于所述第一信息获取预设维度对应的至少两个第二信息。
本申请对于预设维度不做限定,可以包括行业、主营业务、产品类型、原材料、企业规模等。在本申请实施例中,第二信息为第一信息中一个预设维度对应的信息。第二信息可以基于预设维度对应的词汇与第一信息中的词汇之间的相似值进行确定,即选取相似值大于一个指定阈值的词汇对应的句子作为第二信息。第二信息还可以为对第一信息进行综合分析得到的信息,可包括第一信息本身和第一信息的衍生信息。需要说明的是,第二信息的数量可以大于或等于2。预设维度的数量可以为1个或多个,即可以为1个,或大于或等于2个的整数。
A13:基于所述预设维度对应的预设顺序规则对所述第二信息进行组合,得到所述目标企业的第一基本信息。
在本申请实施例中,第一基本信息可以为按照预设维度对应的预设顺序规则对第二信息进行组合得到的向量。本申请对于预设顺序规则不做限定,可以为依据第二信息的获取顺序而确定,则先获取的第二信息排在后获取的第二信息之前。或者可以基于第二信息的类型名称进行确定,例如,按照拼音的顺序、类型名称与预设维度之间的关联性等。
举例来说,第一信息包括登记信息和关联业务信息,预设维度为主营业务,则第二信息包括登记信息对应的第一业务向量,以及关联业务信息对应的第二业务向量。若基于主营业务对应的预设顺序规则,可以确定指定登记信息的预设顺序在关联业务信息的预设顺序之前,则第一基本信息中第一业务向量在第二业务向量之前。
需要说明的是,预设维度的数量可以为多个,则目标企业的第一基本信息可以包括多个预设维度中每一预设维度对应的第二信息组成的信息。
A14:基于所述第一基本信息获取所述目标企业的第一事件信息。
本申请对于第一基本信息获取第一事件信息的方法不做限定,可根据目标企业的第一基本信息中的业务以及涉及的材料等关联词进行搜索。在一种可能的示例,所述第一基本信息包括所述目标企业的行业类型,步骤A14可以包括以下步骤:从所述第一基本信息中提取所述目标企业的关键词;基于所述行业类型和所述关键词确定目标网站;从所述目标网站中搜索所述目标企业的第一事件信息。
在本申请实施例中,行业类型用于描述目标企业的主营业务所处的行业。可以理解,不同的行业关注的网站不同。例如,材料加工行业关注的是材料相关的网站,计算机行业关注的是程序构架相关的网站,医疗行业关注的是医疗相关的网站等。需要说明的是,目标企业和关联企业对应的行业类型可以相同。
关键词可以包括目标企业中涉及的行业用语、业务名称、产品名称、产品形态、原材料名称等,在此不做限定。本申请对于提取关键词的方法也不做限定,可以先确定第一基本信息中各个子信息的维度对于风险评估的影响值;再基于影响值选取目标维度,并基于自然语言处理算法从目标维度对应的子信息中提取关键词。如此,可提高识别关键词的准确率和效率。
在本申请实施例中,目标网站可以是目标企业的企业网站。目标网站或者可以是与目标企业相关的网站,例如,目标企业为材料加工公司,目标网站可以为财经网站、材料网站等。目标网站或者可以是关键词为目标网站的热搜词的网站等。目标网站的数量也可以为一个或多个,在此不做限定。
可以理解,在该示例中,从行业类型和关键词的角度确定的目标网站搜索事件信息,可提高获取事件信息的准确率。
在步骤A11~A14中,先基于企业的标识从预设网站中获取企业的第一信息。再基于第一信息获取预设维度对应的至少两个第二信息。基于预设维度对应的预设顺序规则对第二信息进行组合,得到企业的基本信息。然后,基于企业的基本信息获取企业的事件信息。如此,可提高获取企业的基本信息和事件信息的准确率。
A3:基于所述第一基本信息和所述第二基本信息获取所述供应链的关联事项和所述关联事项对应的节点之间的关联参数。
在本申请实施例中,关联事项可以包括目标企业和关联企业之间具有交互的事项,还可以包括目标企业和关联企业中至少一个企业会执行的事项。关联事项对应的节点是指关联事项中的关键名词对应的节点。关联参数用于描述供应链中关联的企业的关联事项之间的关联信息,可包括关联值和关联关系等。
可以理解,对第一基本信息和第二基本信息进行分析,可确定目标企业和关联企业组成的供应链的关联事项,以及关联事项对应的关联信息,从而可基于该关联信息确定关联事项对应的节点,以及各个节点之间的关联参数。
A4:基于所述关联关系对所述关联事项对应的节点进行连接,得到所述供应链的关系结构图。
在本申请实施例中,关系结构图可以理解为不受事件影响的知识图谱,用于描述目标企业和关联企业中各项数据(例如,企业间往来资金、企业销售收入结构、企业采购结构等)本身的关联关系。也就是说,用于描述目标企业和关联企业之间的亲密度。可以理解,基于关联事项对应的节点之间的关联关系对关联事项对应的节点进行连接。也就是说,基于有关联关系的节点进行连接,以得到供应链中各企业之间的关系结构,以及企业内部之间的关系结构,从而得到供应链的关系结构图。
A5:基于所述第一事件信息和所述第二事件信息,对所述关系结构图中的关联值进行调整,得到所述知识图谱。
可以理解,在基于发生的事件信息对关系结构图进行调整,可提高知识图谱中参数设置的准确率,有利于提高风险识别的准确率。本申请对于调整关系结构图中的关联值的方法不做限定,可以基于事件信息中涉及的金额进行调整,例如,若支出金额大于一个阈值,则增大该金额对应的数据的关联值。如此,在计算风险值时,可提高该数据对应的数值的比例,有利于提高风险评估的准确率。或者基于事件信息的处理效率进行调整,例如,若处理效率大于一个阈值,则减小该事件信息对应的数据的关联值。如此,在计算风险值时,可减少该数据对应的数值的比例,有利于提高风险评估的准确率。
在一种可能的示例中,步骤A5可以包括以下步骤A51~A54,其中:
A51:对所述第一事件信息和所述第二事件信息进行解析,得到事件参数。
在本申请实施例中,事件参数可以包括事件名称、事件类型、事件原因和事件结果等。其中,事件名称可以为搜索到的目标事件的标题,或者基于目标事件的名称提取的关键字组成的事件名称等。事件原因即导致目标事件发生的原因,事件结果即目标事件发生会产生的结果。事件原因和事件结果可以从目标事件的内容中进行查找,或者基于该内容检索相关的信息得到等。事件类型可以包括新闻、涉诉、通报等,可基于目标事件的来源进行分类。事件类型还可包括卫生、安全、刑事、行政等,可基于目标事件的内容进行分类等。
事件参数还可包括关键信息和风险等级等,在此不做限定。其中,关键信息是指事件中主要的内容,可包括事件原因和事件结果之间的影响参数。风险等级可包括行业风险等级、经营风险等级和信用风险等级等,可基于事件原因和/或事件结果进行分析得到。
A52:从所述关系结构图中查找与所述事件参数关联的第一节点和第二节点。
在本申请实施例中,第一节点和第二节点可以是关系结构图中与事件参数关联的节点。需要说明的是,第一节点和第二节点的数量可以为一个或多个,第一节点和第二节点的数量相等。
A53:获取所述事件参数对应的影响值。
在本申请实施例中,影响值用于描述事件参数对于企业的经营状态的影响程度。可以基于事件参数对应的事件结果对企业造成的损失进行确定,该损失可以包括经济损失,还可以包括名誉损失等。
A54:基于所述影响值对所述第一节点和所述第二节点之间的关联值进行更新,得到所述知识图谱。
本申请对更新第一节点和第二节点之间的关联值的方法不做限定,可以预先设置影响值和关联值之间的映射关系,从而在确定影响值之后,将第一节点和第二节点之间的关联值替换为该影响值对应的关联值。或者,将关联值替换为影响值和该关联值对应的乘积等。
可以理解,在步骤A51~A54中,先获取第一事件信息和第二事件信息的事件参数。再获取事件参数在第一事件信息和\或第二事件信息中造成的影响,得到事件参数对应的影响值。再基于该影响值对关系结构图中与事件参数关联的第一节点和第二节点之间的关联值进行更新,得到知识图谱。如此,基于事件造成的影响对关系结构图进行更新,可提高知识图谱中节点之间的关联值设置的准确率,有利于提高获取风险信息的准确率。
需要说明的是,在检测到目标企业或关联企业发生重大的事件(例如,涉诉事件、资源链断裂等),或者预设时长(例如,一周、一个月、半年等)到达时,可以基于新的事件信息和/或基本信息对知识图谱进行更新,有利于提高风险信息评估的实效性。
在本申请实施例中,供应链对应的贷款信息可包括各个贷款的企业的贷款金额、贷款时间和贷款事项等信息,在此不做限定。其中,贷款金额可以为一个具体的数字,或者可以为一个金额范围。贷款金额或者可以是不同还款时间对应的贷款金额。例如,1年贷款金额5万,2年贷款金额为8万,3年贷款金额为20万等。本申请对于贷款金额的形式不做限定,上述金额可以是人民币、美金、欧元等真实币种,也可以是比特币等虚拟货币等。贷款事项用于描述贷款金额的用途,例如,购买原材料、机器、扩展生产线等。贷款时间可包括贷款请求提交的时间、贷款请求生效的时间、还款时间和还款期限等。
S102:若存在于所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数。
在本申请实施例中,目标事件可以与目标企业具有业务相关性。具体可以与目标企业的业务、产业或行业,或者与所使用的材料等信息相关。目标事件可包括目标企业在预设网站上的热搜事件、涉诉事件或目标企业的官方网站上通报的事件等,可参照第一事件信息和第二事件信息的描述。目标事件参数可参照步骤A51中事件参数的描述,可以包括事件名称、事件原因、事件结果、关键信息、事件类型和风险等级等,在此不再赘述。
需要说明的是,在一种可能的示例中,若搜索到供应链中目标企业的目标事件,可以再执行步骤S101,即获取供应链对应的知识图谱和贷款信息。也就是说,知识图谱和贷款信息可以在搜索到目标事件之后获取,用于分析供应链的风险信息。
S103:从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点。
在本申请实施例中,关联节点与目标事件参数相关,连接节点为知识图谱中与关联节点连接的节点,可以包括与一个关联节点连接的节点,或者可以两个关联节点之间的节点。
S104:基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。
在本申请实施例中,供应链的风险信息用于描述目标事件对于供应链的风险影响。本申请对于获取风险信息的方法不做限定,在一种可能的示例中,所述风险信息包括所述目标企业的第一子风险值、所述关联企业的第二子风险值和所述供应链的目标风险值,步骤S104包括以下步骤B1~B4,其中:
B1:获取所述目标事件参数对应的目标影响值。
在本申请实施例中,目标影响值用于描述目标事件参数对于目标企业的经营状态的影响程度,可参照影响值的描述,在此不再赘述。
B2:基于所述关联节点和所述连接节点之间的关联参数和所述目标影响值确定所述目标企业的第一子风险值和所述关联企业的第二子风险值。
在本申请实施例中,第一子风险值可以用于描述目标事件对于目标企业的风险影响,第二子风险值可以用于描述目标事件对于关联企业的风险影响。本申请对于第一子风险值和第二子风险值的计算方法不做限定,可以将目标企业对应的关联节点和该关联节点的连接节点之间的关联参数和目标影响值之间的乘积,作为第一子风险值。将关联企业对应的关联节点和该关联节点的连接节点之间的关联参数和目标影响值之间的乘积,作为第二子风险值。
B3:从所述贷款信息中确定所述目标企业的第一贷款金额和所述关联企业的第二贷款金额。
在本申请实施例中,第一贷款金额和第二贷款金额分别为目标企业的已贷款金额和/或待申请的贷款金额,可以分别基于目标企业的标识和关联企业的标识从贷款信息中查找。
B4:基于所述第一子风险值和所述第一贷款金额,所述第二子风险值和所述第二贷款金额计算所述目标风险值。
本申请对于计算目标风险值的方法不做限定,可以基于第一贷款金额和第二贷款金额之间的数量之比确定第一子风险值和第二子风险值的权值,再分别进行加权计算,得到目标风险值。
可以理解,在步骤B1~B4中,基于目标事件参数对应的关联节点和关联节点的连接节点之间的关联参数和目标事件参数对应的目标影响值获取供应链中企业的子风险值。再基于贷款信息中各企业的贷款金额和子风险值计算供应链的目标风险值。如此,可确定目标企业的目标事件对于目标企业和关联企业的影响风险,以及对整个供应链融资的影响风险,有利于提高风险控制的效率。
在一种可能的示例中,在步骤S104之后,还包括以下步骤:基于所述风险信息调整所述贷款信息。
本申请可以调整目标企业或关联企业的贷款金额,或者调整目标企业或关联企业的贷款时间,以预留给目标企业或关联企业处理目标事件的影响。进一步的,基于第一风险值对第一贷款金额进行调整,和/或基于第二风险值对第二贷款金额进行调整。如此,可提高风险控制的效率和准确率。
在一种可能的示例中,若所述风险信息满足预设条件,则向所述目标企业和\或所述关联企业发送预警提示。
其中,预设条件可以包括目标风险值大于第一阈值,第一风险值大于第二阈值,第二风险值大于第三阈值等。本申请对于上述的第一阈值、第二阈值和第三阈值的大小均不做限定,第一阈值大于第二阈值,且第一阈值大于第三阈值。第二阈值大于或等于第三阈值。可以理解,若供应链的风险信息满足预设条件,则表示供应链中企业可能被目标事件影响较大,可以向目标企业和\或关联企业发送预警提示,以提醒进行风险预处理。
在图1所示的方法中,若存在与供应链中目标企业具有业务相关性的目标事件,则获取该目标事件的目标事件参数。然后基于供应链对应的知识图谱确定目标事件参数对应的关联节点和所述关联节点的连接节点。再基于关联节点和连接节点之间的关联参数、供应链对应的贷款信息和目标事件参数确定供应链的风险信息。也就是说,基于供应链对应的知识图谱,对供应链上企业发生的业务事件产生的贷款影响进行分析,可提高风险识别的效率和准确率,有利于提高风险控制的效率。
上述详细阐述了本申请实施例的方法,下面提供了本申请实施例的装置。
与图1所示的实施例一致,请参照图2,图2是本申请提出的一种基于知识图谱的风险识别装置的结构示意图。如图2所示,上述风险识别装置200包括:
获取单元201用于获取供应链对应的知识图谱和贷款信息;若存在与所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数;
确定单元202用于从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点;基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。
在一种可能的示例中,获取单元201还用于基于所述目标企业的标识获取所述目标企业的第一基本信息和第一事件信息;基于关联企业的标识获取所述关联企业的第二基本信息和第二事件信息,所述关联企业是所述供应链上除所述目标企业之外的企业;基于所述第一基本信息和所述第二基本信息获取所述供应链的关联事项和所述关联事项对应的节点之间的关联参数,所述关联参数包括关联关系和关联值;基于所述关联关系对所述关联事项对应的节点进行连接,得到所述供应链的关系结构图;基于所述第一事件信息和所述第二事件信息,对所述关系结构图中的关联值进行调整,得到所述知识图谱。
在一种可能的示例中,获取单元201具体用于基于所述目标企业的标识从预设网站中获取所述目标企业的第一信息;基于所述第一信息获取预设维度对应的至少两个第二信息;基于所述预设维度对应的预设顺序规则对所述第二信息进行组合,得到所述目标企业的第一基本信息;基于所述第一基本信息获取所述目标企业的第一事件信息。
在一种可能的示例中,所述第一基本信息包括所述目标企业的行业类型,所述获取单元201具体用于从所述第一基本信息中提取所述目标企业的关键词基于所述行业类型和所述关键词确定目标网站;从所述目标网站中搜索所述目标企业的第一事件信息。
在一种可能的示例中,获取单元201具体用于对所述第一事件信息和所述第二事件信息进行解析,得到事件参数;从所述关系结构图中查找与所述事件参数关联的第一节点和第二节点;获取所述事件参数对应的影响值;基于所述影响值对所述第一节点和所述第二节点之间的关联值进行更新,得到所述知识图谱。
在一种可能的示例中,所述风险信息包括目标风险值,所述确定单元202具体用于确定所述目标事件参数对应的目标影响值;基于所述关联节点和所述连接节点之间的关联参数和所述目标影响值确定所述目标企业的第一子风险值和所述关联企业的第二子风险值;从所述贷款信息中确定所述目标企业的第一贷款金额和所述关联企业的第二贷款金额;基于所述第一子风险值和所述第一贷款金额,所述第二子风险值和所述第二贷款金额计算所述目标风险值。
在一种可能的示例中,该风险识别装置200还包括调整单元203,用于基于所述风险信息调整所述贷款信息。
该风险识别装置200中各个单元执行详细过程可以参见前述方法实施例中的执行步骤,此处不在赘述。
与图1的实施例一致,请参照图3,图3是本申请实施例提供的一种计算机设备的结构示意图。如图3所示,该计算机设备300包括处理器310、存储器320和通信接口330。处理器310、存储器320和通信接口330之间通过总线350互相连接。图2所示的获取单元201、确定单元202和调整单元203所实现的相关功能可通过处理器310来实现。
上述存储器320中存储有一个或多个程序340,由上述处理器310执行,包括用于执行以下步骤的指令:
获取供应链对应的知识图谱和贷款信息;
若存在与所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数;
从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点;
基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。
在一个可能的示例中,在所述获取供应链对应的知识图谱和贷款信息之前,所述程序340还用于执行以下步骤的指令:
基于所述目标企业的标识获取所述目标企业的第一基本信息和第一事件信息;
基于关联企业的标识获取所述关联企业的第二基本信息和第二事件信息,所述关联企业是所述供应链上除所述目标企业之外的企业;
基于所述第一基本信息和所述第二基本信息获取所述供应链的关联事项和所述关联事项对应的节点之间的关联参数,所述关联参数包括关联关系和关联值;
基于所述关联关系对所述关联事项对应的节点进行连接,得到所述供应链的关系结构图;
基于所述第一事件信息和所述第二事件信息,对所述关系结构图中的关联值进行调整,得到所述知识图谱。
在一个可能的示例中,在所述基于所述目标企业的标识获取所述目标企业的第一基本信息和第一事件信息方面,所述程序340具体用于执行以下步骤的指令:
基于所述目标企业的标识从预设网站中获取所述目标企业的第一信息;
基于所述第一信息获取预设维度对应的至少两个第二信息;
基于所述预设维度对应的预设顺序规则对所述第二信息进行组合,得到所述目标企业的第一基本信息;
基于所述第一基本信息获取所述目标企业的第一事件信息。
在一个可能的示例中,所述第一基本信息包括所述目标企业的行业类型,在所述基于所述第一基本信息获取所述目标企业的第一事件信息方面,所述程序340具体用于执行以下步骤的指令:
从所述第一基本信息中提取所述目标企业的关键词;
基于所述行业类型和所述关键词确定目标网站;
从所述目标网站中搜索所述目标企业的第一事件信息。
在一个可能的示例中,在所述基于所述第一事件信息和所述第二事件信息,对所述关系结构图中的关联参数进行调整,得到所述知识图谱方面,所述程序340具体用于执行以下步骤的指令:
对所述第一事件信息和所述第二事件信息进行解析,得到事件参数;
从所述关系结构图中查找与所述事件参数关联的第一节点和第二节点;
获取所述事件参数对应的影响值;
基于所述影响值对所述第一节点和所述第二节点之间的关联值进行更新,得到所述知识图谱。
在一个可能的示例中,所述风险信息包括目标风险值,在所述基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息方面,所述程序340具体用于执行以下步骤的指令:
确定所述目标事件参数对应的目标影响值;
基于所述关联节点和所述连接节点之间的关联参数和所述目标影响值确定所述目标企业的第一子风险值和所述关联企业的第二子风险值;
从所述贷款信息中确定所述目标企业的第一贷款金额和所述关联企业的第二贷款金额;
基于所述第一子风险值和所述第一贷款金额,所述第二子风险值和所述第二贷款金额计算所述目标风险值。
在一个可能的示例中,在所述基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息之后,所述程序340还用于执行以下步骤的指令:
基于所述风险信息调整所述贷款信息。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于存储计算机程序,该计算机程序使得计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤,计算机包括电子设备和服务器。
本申请实施例还提供一种计算机程序产品,计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,计算机程序可操作来使计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,计算机包括电子设备和服务器。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模式并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,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,例如至少一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接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
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,或者也可以分布到至少一个网络单元上。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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模式的形式实现。
集成的单元如果以软件程序模式的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。根据这样的理解,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该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(read-only memory,ROM)、随机存取存储器(random accessmemory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于知识图谱的风险识别方法,其特征在于,包括:
获取供应链对应的知识图谱和贷款信息;
若存在与所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数;
从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点;
基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。
2.根据权利要求1所述的方法,其特征在于,在所述获取供应链对应的知识图谱和贷款信息之前,所述方法还包括:
基于所述目标企业的标识获取所述目标企业的第一基本信息和第一事件信息;
基于关联企业的标识获取所述关联企业的第二基本信息和第二事件信息,所述关联企业是所述供应链上除所述目标企业之外的企业;
基于所述第一基本信息和所述第二基本信息获取所述供应链的关联事项和所述关联事项对应的节点之间的关联参数,所述关联参数包括关联关系和关联值;
基于所述关联关系对所述关联事项对应的节点进行连接,得到所述供应链的关系结构图;
基于所述第一事件信息和所述第二事件信息,对所述关系结构图中的关联值进行调整,得到所述知识图谱。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标企业的标识获取所述目标企业的第一基本信息和第一事件信息,包括:
基于所述目标企业的标识从预设网站中获取所述目标企业的第一信息;
基于所述第一信息获取预设维度对应的至少两个第二信息;
基于所述预设维度对应的预设顺序规则对所述第二信息进行组合,得到所述目标企业的第一基本信息;
基于所述第一基本信息获取所述目标企业的第一事件信息。
4.根据权利要求3所述的方法,其特征在于,所述第一基本信息包括所述目标企业的行业类型,所述基于所述第一基本信息获取所述目标企业的第一事件信息,包括:
从所述第一基本信息中提取所述目标企业的关键词;
基于所述行业类型和所述关键词确定目标网站;
从所述目标网站中搜索所述目标企业的第一事件信息。
5.根据权利要求2所述的方法,其特征在于,所述基于所述第一事件信息和所述第二事件信息,对所述关系结构图中的关联值进行调整,得到所述知识图谱,包括:
对所述第一事件信息和所述第二事件信息进行解析,得到事件参数;
从所述关系结构图中查找与所述事件参数关联的第一节点和第二节点;
获取所述事件参数对应的影响值;
基于所述影响值对所述第一节点和所述第二节点之间的关联值进行更新,得到所述知识图谱。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述风险信息包括目标风险值,所述基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息,包括:
确定所述目标事件参数对应的目标影响值;
基于所述关联节点和所述连接节点之间的关联参数和所述目标影响值确定所述目标企业的第一子风险值和所述关联企业的第二子风险值;
从所述贷款信息中确定所述目标企业的第一贷款金额和所述关联企业的第二贷款金额;
基于所述第一子风险值和所述第一贷款金额,所述第二子风险值和所述第二贷款金额计算所述目标风险值。
7.根据权利要求1-5中任一项所述的方法,其特征在于,在所述基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息之后,还包括:
基于所述风险信息调整所述贷款信息。
8.一种基于知识图谱的风险识别装置,其特征在于,包括:
获取单元,用于获取供应链对应的知识图谱和贷款信息;若存在与所述供应链中目标企业具有业务相关性的目标事件,则获取所述目标事件的目标事件参数;
确定单元,用于从所述知识图谱中确定所述目标事件参数对应的关联节点和所述关联节点的连接节点;基于所述关联节点和所述连接节点之间的关联参数、所述贷款信息和所述目标事件参数确定所述供应链的风险信息。
9.一种计算机设备,其特征在于,包括处理器、存储器和通信接口,其中,所述存储器中存储有一个或多个程序,被配置由所述处理器执行,所述程序包括用于执行权利要求1-7中任一项方法中的步骤的指令。
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存储计算机程序,所述计算机程序使得计算机执行以实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111265795.5A CN113902553A (zh) | 2021-10-28 | 2021-10-28 | 基于知识图谱的风险识别方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111265795.5A CN113902553A (zh) | 2021-10-28 | 2021-10-28 | 基于知识图谱的风险识别方法、装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902553A true CN113902553A (zh) | 2022-01-07 |
Family
ID=79027292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111265795.5A Pending CN113902553A (zh) | 2021-10-28 | 2021-10-28 | 基于知识图谱的风险识别方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902553A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565256A (zh) * | 2022-02-23 | 2022-05-31 | 江苏小微云链金融科技有限公司 | 一种基于区块链的企业集群式供应链风险管控方法及系统 |
-
2021
- 2021-10-28 CN CN202111265795.5A patent/CN113902553A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565256A (zh) * | 2022-02-23 | 2022-05-31 | 江苏小微云链金融科技有限公司 | 一种基于区块链的企业集群式供应链风险管控方法及系统 |
CN114565256B (zh) * | 2022-02-23 | 2023-10-31 | 江苏小微云链金融科技有限公司 | 一种基于区块链的企业集群式供应链风险管控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI759620B (zh) | 確定用戶金融違約風險的方法及裝置與電腦可讀儲存媒體及計算設備 | |
US9208437B2 (en) | Personalized information pushing method and device | |
US20190311395A1 (en) | Estimating click-through rate | |
US20130332385A1 (en) | Methods and systems for detecting and extracting product reviews | |
US20140122294A1 (en) | Determining a characteristic group | |
US11893632B2 (en) | Systems and methods for determining financial security risks using self-supervised natural language extraction | |
CN107679916A (zh) | 用于获取用户兴趣度的方法及装置 | |
US9460163B1 (en) | Configurable extractions in social media | |
CN108694174B (zh) | 内容投放数据的分析方法及装置 | |
JP2019185595A (ja) | 情報処理装置、情報処理方法、情報処理プログラム、判定装置、判定方法及び判定プログラム | |
CN111429214A (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN113902553A (zh) | 基于知识图谱的风险识别方法、装置、计算机设备及介质 | |
CN115131084A (zh) | 推荐方法及相关设备 | |
Basnet et al. | Marriage between credit cards and the Internet: Buying is just a click away! | |
CN109711984B (zh) | 一种基于催收的贷前风险监控方法及装置 | |
CN111858686A (zh) | 数据显示方法、装置、终端设备及存储介质 | |
US10679227B2 (en) | Systems and methods for mapping online data to data of interest | |
US20220027916A1 (en) | Self Learning Machine Learning Pipeline for Enabling Binary Decision Making | |
CN114925261A (zh) | 关键词确定方法、装置、设备、存储介质及程序产品 | |
JP2021136033A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN113807950A (zh) | 基于自然语言处理模型的业务分析方法及相关装置 | |
JP6395966B1 (ja) | 仕訳ルール作成支援装置、仕訳ルール作成支援方法、及び仕訳ルール作成支援プログラム | |
US20200334595A1 (en) | Company size estimation system | |
Arnold et al. | Semi-automatic identification of counterfeit offers in online shopping platforms | |
CN113849731B (zh) | 基于自然语言处理的信息推送方法、装置、设备及介质 |
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 |