CN114626713A - 企业间关联关系的评估方法、系统及其装置 - Google Patents
企业间关联关系的评估方法、系统及其装置 Download PDFInfo
- Publication number
- CN114626713A CN114626713A CN202210242626.8A CN202210242626A CN114626713A CN 114626713 A CN114626713 A CN 114626713A CN 202210242626 A CN202210242626 A CN 202210242626A CN 114626713 A CN114626713 A CN 114626713A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- enterprise
- association
- evaluating
- 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
- 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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了企业间关联关系的评估方法、系统及其装置,用于获取企业之间的关联关系,且准确性较高。本申请实施例方法包括:获取目标企业第一数据;根据目标评估规则对所述目标企业第一数据进行评估;得到目标企业关联关系的第一关联类型和第一关联程度。
Description
技术领域
本申请实施例涉及企业征信数据处理领域,尤其涉及企业间关联关系的评估方法、系统及其装置。
背景技术
在加强稳定供应链的大背景下,如何建立起企业之间的关系通道,如何评估企业之间的关系重要程度,都成为现在的热点问题急需解决。
目前获取企业之间的关联关系主要通过构建企业关联关系图谱,通过企业关联关系图谱中提取相关的企业关联关系的信息和数据。
但是构建企业关联关系图谱大多是采用全量的工商库的形式,根据企业的股权关系、管理层关系建立起来企业关联关系图谱,这就使得在构建图谱的过程中使用到的数据种类不全或者数据的时效性较差,从而使得得到的企业关联关系不够准确或者存在时效性不准确的信息。
发明内容
本申请实施例提供了企业间关联关系的评估方法、系统及其装置,用于获取企业之间的关联关系,且准确性较高。
本申请实施例提供的一种企业间关联关系的评估方法,包括:
获取目标企业第一数据;
根据目标评估规则对所述目标企业第一数据进行评估;
得到目标企业关联关系的第一关联类型和第一关联程度。
可选的,在所述得到目标企业关联关系的第一关联类型和第一关联程度之后,所述方法还包括:
对得到的所述第一关联类型和所述第一关联程度进行完整性评价,得到目标关联关系完整度。
可选的,在所述得到目标关联关系完整度之后,所述方法还包括:
若满足关联关系补全的触发条件,则触发关联关系补全的迭代步骤;
所述关联关系补全的迭代步骤包括:
实时获取目标企业第二数据;
根据目标评估规则对所述目标企业第二数据进行评估,得到第二关联类型和第二关联程度;
重复迭代获取目标企业第二数据,直至不满足关联关系补全的触发条件。
可选的,所述关联关系补全的触发条件为所述目标关联程度满足预设的关联程度阈值且所述目标关联关系完整度未达到预设的关联关系完整度阈值。
可选的,所述根据目标评估规则对所述目标企业第一数据进行评估包括:
建立目标评估模型,所述目标评估模型中保存有目标评估规则;
将所述目标企业第一数据输入至所述目标评估模型中,所述目标评估模型根据目标评估规则对所述目标企业第一数据进行评估。
可选的,所述获取目标企业第一数据包括:
实时获取目标企业的经营数据、工商数据以及司法数据作为样本数据;
对所述样本数据进行清洗并整理为规范化格式,得到目标企业第一数据,以使得所述目标企业第一数据可以直接输入至目标评估模型中得到目标企业关联关系的第一关联类型和第一关联程度。
可选的,所述目标评估规则中包括目标评估指标和指标权重,所述目标评估指标对应所述目标企业第一数据的数据种类,所述指标权重用于表示各目标评估指标在所有目标评估指标中的占比。
本申请实施例提供的一种企业间关联关系的评估系统,包括:
获取单元,用于获取目标企业第一数据;
评估单元,用于根据目标评估规则对所述目标企业第一数据进行评估;
输出单元,用于得到目标企业关联关系的第一关联类型和第一关联程度。
可选的,所述企业间关联关系的评估系统还包括:
评价单元,用于对得到的所述第一关联类型和所述第一关联程度进行完整性评价,得到目标关联关系完整度。
可选的,所述企业间关联关系的评估系统还包括:
迭代单元,用于若满足关联关系补全的触发条件,则触发关联关系补全的迭代步骤;
所述关联关系补全的迭代步骤包括:
实时获取目标企业第二数据;
根据目标评估规则对所述目标企业第二数据进行评估,得到第二关联类型和第二关联程度;
重复迭代获取目标企业第二数据,直至不满足关联关系补全的触发条件。
可选的,所述关联关系补全的触发条件为所述目标关联程度满足预设的关联程度阈值且所述目标关联关系完整度未达到预设的关联关系完整度阈值。
可选的,所述企业间关联关系的评估系统还包括:
建立单元,用于建立目标评估模型,所述目标评估模型中保存有目标评估规则;
将所述目标企业第一数据输入至所述目标评估模型中,所述目标评估模型根据目标评估规则对所述目标企业第一数据进行评估。
可选的,所述获取单元具体用于实时获取目标企业的经营数据、工商数据以及司法数据作为样本数据;
对所述样本数据进行清洗并整理为规范化格式,得到目标企业第一数据,以使得所述目标企业第一数据可以直接输入至目标评估模型中得到目标企业关联关系的第一关联类型和第一关联程度。
可选的,所述目标评估规则中包括目标评估指标和指标权重,所述目标评估指标对应所述目标企业第一数据的数据种类,所述指标权重用于表示各目标评估指标在所有目标评估指标中的占比。
本申请实施例提供的一种企业间关联关系的评估装置,其特征在于,包括:
中央处理器,存储器以及输入输出接口;
所述存储器为短暂存储存储器或持久存储存储器;
所述中央处理器配置为与所述存储器通信,并执行所述存储器中的指令操作以执行前述企业间关联关系的评估方法。
本申请实施例提供的一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行前述企业间关联关系的评估方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
通过对获取到的目标企业第一数据根据目标评估规则进行评估得到用来表示目标企业关联关系的第一关联类型和第一关联程度,其中,目标企业第一数据是实时获取的与评价企业关联关系相关的多维度数据,目标评估规则是结合人工经验预先设置的,所以得到的企业之间的关联关系准确性较高。
附图说明
图1为本申请实施例提供的企业间关联关系的评估方法的一种实施方式的示意图;
图2为本申请实施例提供的企业间关联关系的评估方法的另一种实施方式的示意图;
图3为本申请实施例提供的企业间关联关系的评估系统的一种实施方式的示意图;
图4为本申请实施例提供的企业间关联关系的评估装置的一种实施方式的示意图。
具体实施方式
本申请实施例提供了企业间关联关系的评估方法、系统及其装置,用于获取企业之间的关联关系,且准确性较高。
在加强稳定供应链的大背景下,如何建立起企业之间的关系通道,如何评估企业之间的关系重要程度,都成为现在的热点问题急需解决。
目前获取企业之间的关联关系主要通过构建企业关联关系图谱,通过企业关联关系图谱中提取相关的企业关联关系的信息和数据。
但是构建企业关联关系图谱大多是采用全量的工商库的形式,根据企业的股权关系、管理层关系建立起来企业关联关系图谱,这就使得在构建图谱的过程中使用到的数据种类不全或者数据的时效性较差,从而使得得到的企业关联关系不够准确或者存在时效性不准确的信息。
请参阅图1,本申请实施例提供的企业间关联关系的评估方法的一种实施方式包括步骤101至步骤103。
101、获取目标企业第一数据。
实时获取目标企业的经营数据、工商数据以及司法数据作为样本数据,对样本数据进行清洗并整理为规范化格式,得到目标企业第一数据,以使得目标企业第一数据可以直接输入至目标评估模型中得到目标企业关联关系的第一关联类型和第一关联程度。
具体地,为了应对流量激增的高并发场景,可以引入分布式消息引擎作为承上启下的缓存区。针对每各业务数据创建消息主题,以生产+订阅方式异步处理。数据经后台服务采集上报到kafka消息引擎后,flink流处理应用通过订阅主题获取消息,按数据类型如工商数据、司法数据,提取相关字段组装关系数据。按照流式处理模式,对于不同类别的数据进行解析。具体包括:提取报文中的关键字段,字段内容包含关系ID、关系类型、关系发生时间、关系产生方(企业或者个人)、关系接收方(企业或者个人),关系的方向(单项或者双向)、关系内容备注,例如关系的金额、交易品种等内容;如工商数据:提取企业股东关系,股东的股份占比和排位用于生成关系数据;司法关系:提取裁判文书司法信息,涉及原告和被告,审理状态、案由和判决金额,用于生成司法关系数据。通过对关联数据进行解析,形成统一的关系描述格式,包含关系的发起节点、目标节点、关系发生的原始时间和关系的关键属性内容,关系数据用于后续的指标计算。
例如:kafka消息引擎采集到消息:“A公司诉B公司生产的某产品涉及知识产权侵权,涉诉产品估值2000万元。”其中“诉”、“涉诉”为司法数据关键词,flink流处理应用订阅“诉”、“涉诉”为司法数据关键词,通过本条消息提取相关字段后组装关系得到:A公司与B公司之间的关联关系为司法关联关系,关联关系中涉及金额2000万元。
通过大数据实时计算框架对海量数据进行分布式流计算,计算的逻辑由关系数据解析、关系权重计算、基础图库形成等部分串行。为了防止重复数据,通过内存kv数据库存储海量的关系ID,当满足一定的内存大小或时间周期会刷写到分布式文件系统,既提升去重的时效性,又确保了缓存数据的高可靠性。
为了满足业务场景的灵活探索,关系数据的存储围绕“一个基础大图+N个场景图”展开。其中,基础大图的本体模型较完整标准,数据覆盖范围广,能支持快速构建场景图。本申请实施例中,例如企业关系图谱或者股权结构图为基础大图。场景图则依据业务场景,按需构建,为了保证业务场景数据的准确性,还通过olap数据库保留一份完整的原始数据,可以通过sparkSQL按照新的业务逻辑进行批量清洗修复库中的脏数据。例如:如果想获知A公司与B公司之间的关联关系,则需要构建表示A公司与B公司之间的关联关系的场景图,在该场景图中,仅体现两个公司之间关联关系相关的信息和数据,而不显示两个公司与评估这两个公司之间关联关系无关的工商数据、司法数据以及经营数据等数据。
102、根据目标评估规则对目标企业第一数据进行评估。
目标评估规则是人为预先设定的,目标评估规则中主要包括目标评估指标和指标权重,目标评估指标对应目标企业第一数据的数据种类,指标权重用于表示各目标评估指标在所有目标评估指标中的占比。先对不同类型的数据分别设置指标,通过指标对企业的相关信息和数据进行衡量,并且当衡量某一指标的相关数据有多种时,规则中还明确规定了这几种数据各自在计算这一指标时所占的权重,以使得当获取到数据时,能够对数据进行计算得到较为准确的评估结果。
具体地,规则参数主要涉及到基础图的关系权重和场景图的关系权重。在基础图中,评估规则是基于单条关系内容来设定的,如在司法数据中,案由为经济纠纷,案件类型为民事案件的关系权重为60%,案由为刑事案件的关系权重为80%。在场景图中,规则是基于业务统计指标来设定的,在风险分析场景,评估规则如:近3年企业失信人记录数大于5时记该项风险分数为80分(该项风险分数最高值100分)、法定代表人更换频率大于每两年3次时记该项风险分数为70分(该项风险分数最高值100分),还有一些复杂的交易规则,在基础图中提取特征,如企业关联关系80分以内出现风险企业的个数、企业与高危企业在关联关系在80分以上等。
103、得到目标企业关联关系的第一关联类型和第一关联程度。
根据目标评估规则对目标企业第一数据进行评估后,得到目标企业关联关系的第一关联类型和第一关联程度。其中,本实施例仅体现用第一关联类型和第一关联程度来表现目标企业之间的关联关系,还可以有其他的指标或者衡量标准用来表示目标企业之间的关联关系,具体此处不做限定。
具体地,在流处理模式中,每进入一条数据解析成关系数据后,会根据关系内容按照设定的基础库规则匹配,获取相应权重分数。在场景库中,会根据业务统计指标,以SQL方式实时统计图库中企业的关系特征,匹配场景库规则获取权重分数。分别进行计算,从而得到目标企业关联关系的第一关联类型和第一关联程度。
本实施例中,通过对获取到的目标企业第一数据根据目标评估规则进行评估得到用来表示目标企业关联关系的第一关联类型和第一关联程度,其中,目标企业第一数据是实时获取的与评价企业关联关系相关的多维度数据,目标评估规则是结合人工经验预先设置的,所以得到的企业之间的关联关系准确性较高。
请参阅图2,本申请提供的企业间关联关系的评估方法的一种实施方式包括步骤201至步骤206。
201、建立目标评估模型。
建立目标评估模型,目标评估模型中保存有目标评估规则。其中,目标评估模型是人为预先建立的,目标评估规则中主要包括目标评估指标和指标权重,目标评估指标对应目标企业第一数据的数据种类,指标权重用于表示各目标评估指标在所有目标评估指标中的占比。先对不同类型的数据分别设置指标,通过指标对企业的相关信息和数据进行衡量,并且当衡量某一指标的相关数据有多种时,规则中还明确规定了这几种数据各自在计算这一指标时所占的权重,以使得当获取到数据时,能够对数据进行计算得到较为准确的评估结果。
具体地,规则参数主要涉及到基础图的关系权重和场景图的关系权重。在基础图中,评估规则是基于单条关系内容来设定的,如在司法数据中,案由为经济纠纷,案件类型为民事案件的关系权重为60%,案由为刑事案件的关系权重为80%。在场景图中,规则是基于业务统计指标来设定的,在风险分析场景,评估规则如:近3年企业失信人记录数大于5时记该项风险分数为80分(该项风险分数最高值100分)、法定代表人更换频率大于每两年3次时记该项风险分数为70分(该项风险分数最高值100分),还有一些复杂的交易规则,在基础图中提取特征,如企业关联关系80分以内出现风险企业的个数、企业与高危企业在关联关系在80分以上等。
202、获取目标企业第一数据。
实时获取目标企业的经营数据、工商数据以及司法数据作为样本数据,对样本数据进行清洗并整理为规范化格式,得到目标企业第一数据,以使得目标企业第一数据可以直接输入至目标评估模型中得到目标企业关联关系的第一关联类型和第一关联程度。
具体地,为了应对流量激增的高并发场景,可以引入分布式消息引擎作为承上启下的缓存区。针对每各业务数据创建消息主题,以生产+订阅方式异步处理。数据经后台服务采集上报到kafka消息引擎后,flink流处理应用通过订阅主题获取消息,按数据类型如工商数据、司法数据,提取相关字段组装关系数据。按照流式处理模式,对于不同类别的数据进行解析。具体包括:提取报文中的关键字段,字段内容包含关系ID、关系类型、关系发生时间、关系产生方(企业或者个人)、关系接收方(企业或者个人),关系的方向(单项或者双向)、关系内容备注,例如关系的金额、交易品种等内容;如工商数据:提取企业股东关系,股东的股份占比和排位用于生成关系数据;司法关系:提取裁判文书司法信息,涉及原告和被告,审理状态、案由和判决金额,用于生成司法关系数据。通过对关联数据进行解析,形成统一的关系描述格式,包含关系的发起节点、目标节点、关系发生的原始时间和关系的关键属性内容,关系数据用于后续的指标计算。
例如:kafka消息引擎采集到消息:“A公司诉B公司生产的某产品涉及知识产权侵权,涉诉产品估值2000万元。”其中“诉”、“涉诉”为司法数据关键词,flink流处理应用订阅“诉”、“涉诉”为司法数据关键词,通过本条消息提取相关字段后组装关系得到:A公司与B公司之间的关联关系为司法关联关系,关联关系中涉及金额2000万元。
通过大数据实时计算框架对海量数据进行分布式流计算,计算的逻辑由关系数据解析、关系权重计算、基础图库形成等部分串行。为了防止重复数据,通过内存kv数据库存储海量的关系ID,当满足一定的内存大小或时间周期会刷写到分布式文件系统,既提升去重的时效性,又确保了缓存数据的高可靠性。
为了满足业务场景的灵活探索,关系数据的存储围绕“一个基础大图+N个场景图”展开。其中,基础大图的本体模型较完整标准,数据覆盖范围广,能支持快速构建场景图。本申请实施例中,例如企业关系图谱或者股权结构图为基础大图。场景图则依据业务场景,按需构建,为了保证业务场景数据的准确性,还通过olap数据库保留一份完整的原始数据,可以通过sparkSQL按照新的业务逻辑进行批量清洗修复库中的脏数据。例如:如果想获知A公司与B公司之间的关联关系,则需要构建表示A公司与B公司之间的关联关系的场景图,在该场景图中,仅体现两个公司之间关联关系相关的信息和数据,而不显示两个公司与评估这两个公司之间关联关系无关的工商数据、司法数据以及经营数据等数据。
203、将目标企业第一数据输入至目标评估模型中,得到目标评估模型根据目标评估规则输出的第一关联类型和第一关联程度。
根据目标评估规则对目标企业第一数据进行评估后,得到目标企业关联关系的第一关联类型和第一关联程度。其中,本实施例仅体现用第一关联类型和第一关联程度来表现目标企业之间的关联关系,还可以有其他的指标或者衡量标准用来表示目标企业之间的关联关系,具体此处不做限定。
具体地,在流处理模式中,每进入一条数据解析成关系数据后,会根据关系内容按照设定的基础库规则匹配,获取相应权重分数。在场景库中,会根据业务统计指标,以SQL方式实时统计图库中企业的关系特征,匹配场景库规则获取权重分数。分别进行计算,从而得到目标企业关联关系的第一关联类型和第一关联程度。
204、对得到的第一关联类型和第一关联程度进行完整性评价,得到目标关联关系完整度。
对得到的第一关联类型和第一关联程度进行完整性评价,得到目标关联关系完整度。完整性评价主要是评估企业重要关联关系的资料完整情况。评估的对象是与当前企业关系重要的企业,即当第一关联程度达到阈值时则视为重要关系。
205、若满足关联关系补全的触发条件,则触发关联关系补全的迭代步骤。
关联关系补全的迭代步骤包括:实时获取目标企业第二数据,根据目标评估规则对目标企业第二数据进行评估,得到第二关联类型和第二关联程度。具体地,关联关系补全的触发条件为目标关联程度满足预设的关联程度阈值且目标关联关系完整度未达到预设的关联关系完整度阈值。
其中,目标企业第二数据为实时获取的用于评价企业间关联关系的较目标企业第一数据更具实时性且数据类型更多的数据,从而使得多维度的数据对评估企业间关联关系起到更强大的数据支撑作用。具体可以通过调用数据采集平台进行工商、司法、经营数据补充,补充后的数据上传到消息引擎,按照上述步骤进行关系处理。
206、重复迭代获取目标企业第二数据,直至不满足关联关系补全的触发条件。
将重要关系对象记录到关系迭代表中,对于重要的关联对象,经过多轮迭代,直到关联关系衰减到低于阈值退出循环。
本实施例中,通过对获取到的目标企业第一数据根据目标评估规则进行评估得到用来表示目标企业关联关系的第一关联类型和第一关联程度,其中,目标企业第一数据是实时获取的与评价企业关联关系相关的多维度数据,目标评估规则是结合人工经验预先设置的,还能对关联程度为重要关系的关联关系进行完整性评价,若完整度不达标,则对关系进行数据补全并重新计算关联程度,所以得到的企业之间的关联关系准确性较高。
下面对本申请实施例提供的企业间关联关系的评估系统进行描述,请参阅图3,本申请实施例提供的企业间关联关系的评估系统的一种实施方式包括:
获取单元301,用于获取目标企业第一数据;
评估单元302,用于根据目标评估规则对目标企业第一数据进行评估;
输出单元303,用于得到目标企业关联关系的第一关联类型和第一关联程度。
可选的,企业间关联关系的评估系统还包括:
评价单元304,用于对得到的第一关联类型和第一关联程度进行完整性评价,得到目标关联关系完整度。
可选的,企业间关联关系的评估系统还包括:
迭代单元305,用于若满足关联关系补全的触发条件,则触发关联关系补全的迭代步骤;
关联关系补全的迭代步骤包括:
实时获取目标企业第二数据;
根据目标评估规则对目标企业第二数据进行评估,得到第二关联类型和第二关联程度;
重复迭代获取目标企业第二数据,直至不满足关联关系补全的触发条件。
可选的,关联关系补全的触发条件为目标关联程度满足预设的关联程度阈值且目标关联关系完整度未达到预设的关联关系完整度阈值。
可选的,企业间关联关系的评估系统还包括:
建立单元306,用于建立目标评估模型,目标评估模型中保存有目标评估规则;
将目标企业第一数据输入至目标评估模型中,目标评估模型根据目标评估规则对目标企业第一数据进行评估。
可选的,获取单元301具体用于实时获取目标企业的经营数据、工商数据以及司法数据作为样本数据;
对样本数据进行清洗并整理为规范化格式,得到目标企业第一数据,以使得目标企业第一数据可以直接输入至目标评估模型中得到目标企业关联关系的第一关联类型和第一关联程度。
可选的,目标评估规则中包括目标评估指标和指标权重,目标评估指标对应目标企业第一数据的数据种类,指标权重用于表示各目标评估指标在所有目标评估指标中的占比。
本实施例企业间关联关系的评估系统中各组成部分所执行的功能以及流程与前述图1至图2中各组成部分所执行的功能和流程类似,此处不再赘述。
图4是本申请实施例提供的一种企业间关联关系的评估装置的示意图,该企业间关联关系的评估装置400可以包括一个或一个以上中央处理器(central processingunits,CPU)401和存储器405,该存储器405中存储有一个或一个以上的应用程序或数据。
其中,存储器405可以是易失性存储或持久存储。存储在存储器405的程序可以包括一个或一个以上模块,每个模块可以包括对企业间关联关系的评估系统中的一系列指令操作。更进一步地,中央处理器401可以设置为与存储器405通信,在企业间关联关系的评估装置400上执行存储器405中的一系列指令操作。
企业间关联关系的评估装置400还可以包括一个或一个以上电源402,一个或一个以上有线或无线网络接口403,一个或一个以上输入输出接口404,和/或,一个或一个以上操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
该中央处理器401可以执行前述图1至图2所示实施例中企业间关联关系的评估系统所执行的操作,具体此处不再赘述。
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,装置和单元的具体工作过程,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,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,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,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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种企业间关联关系的评估方法,其特征在于,包括:
获取目标企业第一数据;
根据目标评估规则对所述目标企业第一数据进行评估;
得到目标企业关联关系的第一关联类型和第一关联程度。
2.根据权利要求1所述的企业间关联关系的评估方法,其特征在于,在所述得到目标企业关联关系的第一关联类型和第一关联程度之后,所述方法还包括:
对得到的所述第一关联类型和所述第一关联程度进行完整性评价,得到目标关联关系完整度。
3.根据权利要求2所述的企业间关联关系的评估方法,其特征在于,在所述得到目标关联关系完整度之后,所述方法还包括:
若满足关联关系补全的触发条件,则触发关联关系补全的迭代步骤;
所述关联关系补全的迭代步骤包括:
实时获取目标企业第二数据;
根据目标评估规则对所述目标企业第二数据进行评估,得到第二关联类型和第二关联程度;
重复迭代获取目标企业第二数据,直至不满足关联关系补全的触发条件。
4.根据权利要求1所述的企业间关联关系的评估方法,其特征在于,所述关联关系补全的触发条件为所述目标关联程度满足预设的关联程度阈值且所述目标关联关系完整度未达到预设的关联关系完整度阈值。
5.根据权利要求1所述的企业间关联关系的评估方法,其特征在于,所述根据目标评估规则对所述目标企业第一数据进行评估包括:
建立目标评估模型,所述目标评估模型中保存有目标评估规则;
将所述目标企业第一数据输入至所述目标评估模型中,所述目标评估模型根据目标评估规则对所述目标企业第一数据进行评估。
6.根据权利要求5所述的企业间关联关系的评估方法,其特征在于,所述获取目标企业第一数据包括:
实时获取目标企业的经营数据、工商数据以及司法数据作为样本数据;
对所述样本数据进行清洗并整理为规范化格式,得到目标企业第一数据,以使得所述目标企业第一数据可以直接输入至目标评估模型中得到目标企业关联关系的第一关联类型和第一关联程度。
7.根据权利要求1所述的企业间关联关系的评估方法,其特征在于,所述目标评估规则中包括目标评估指标和指标权重,所述目标评估指标对应所述目标企业第一数据的数据种类,所述指标权重用于表示各目标评估指标在所有目标评估指标中的占比。
8.一种企业间关联关系的评估系统,其特征在于,包括:
获取单元,用于获取目标企业第一数据;
评估单元,用于根据目标评估规则对所述目标企业第一数据进行评估;
输出单元,用于得到目标企业关联关系的第一关联类型和第一关联程度。
9.一种企业间关联关系的评估装置,其特征在于,包括:
中央处理器,存储器以及输入输出接口;
所述存储器为短暂存储存储器或持久存储存储器;
所述中央处理器配置为与所述存储器通信,并执行所述存储器中的指令操作以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242626.8A CN114626713A (zh) | 2022-03-11 | 2022-03-11 | 企业间关联关系的评估方法、系统及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242626.8A CN114626713A (zh) | 2022-03-11 | 2022-03-11 | 企业间关联关系的评估方法、系统及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114626713A true CN114626713A (zh) | 2022-06-14 |
Family
ID=81902338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210242626.8A Pending CN114626713A (zh) | 2022-03-11 | 2022-03-11 | 企业间关联关系的评估方法、系统及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114626713A (zh) |
-
2022
- 2022-03-11 CN CN202210242626.8A patent/CN114626713A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784636A (zh) | 欺诈用户识别方法、装置、计算机设备及存储介质 | |
CN103744928B (zh) | 一种基于历史访问记录的网络视频分类方法 | |
CN107818334A (zh) | 一种移动互联网用户访问模式表征和聚类方法 | |
CN106815452A (zh) | 一种作弊检测方法及装置 | |
US11790380B2 (en) | Systems and methods for finding an interaction subset within a set of interactions | |
CN112101807A (zh) | 一种电信行业集团客户价值综合评估的方法及相关装置 | |
CN113724008A (zh) | 一种新营销大数据的数据分析方法 | |
CN112817832B (zh) | 游戏服务器的健康状态获取方法、装置、设备及存储介质 | |
Akca et al. | Run-time measurement of cosmic functional size for java business applications: Initial results | |
CN113723747A (zh) | 分析报告生成方法、电子设备及可读存储介质 | |
CN111652517A (zh) | 一种工程承载能力的量化评估方法及装置 | |
CN114626713A (zh) | 企业间关联关系的评估方法、系统及其装置 | |
WO2023029065A1 (zh) | 数据集质量评估方法、装置、计算机设备及存储介质 | |
CN116245399A (zh) | 模型训练方法、装置、非易失性存储介质及电子设备 | |
CN106227661A (zh) | 数据处理方法及装置 | |
CN115470279A (zh) | 基于企业数据的数源转换方法、装置、设备及介质 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
CN114331665A (zh) | 用于预定申请人的信用判定模型的训练方法、装置和电子设备 | |
CN108694212B (zh) | 一种样本对象的处理方法及装置 | |
CN112308419A (zh) | 数据处理方法、装置、设备及计算机存储介质 | |
CN111311041A (zh) | 一种数据抽取方法及设备和相关装置 | |
Au et al. | Mining rare events data by sampling and boosting: a case study | |
CN117911085B (zh) | 一种基于企业营销的用户管理系统、方法及终端 | |
CN113836313B (zh) | 一种基于图谱的审计信息识别方法与系统 |
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 |