CN115310900A - 一种网络货运平台诚信管理的大数据预警系统 - Google Patents

一种网络货运平台诚信管理的大数据预警系统 Download PDF

Info

Publication number
CN115310900A
CN115310900A CN202210912414.6A CN202210912414A CN115310900A CN 115310900 A CN115310900 A CN 115310900A CN 202210912414 A CN202210912414 A CN 202210912414A CN 115310900 A CN115310900 A CN 115310900A
Authority
CN
China
Prior art keywords
data
module
early warning
integrity
index
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
Application number
CN202210912414.6A
Other languages
English (en)
Inventor
张永
孙靖宜
虞悦
宋国森
晏远春
王帅琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202210912414.6A priority Critical patent/CN115310900A/zh
Publication of CN115310900A publication Critical patent/CN115310900A/zh
Pending legal-status Critical Current

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • 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
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0834—Choice of carriers

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种网络货运平台诚信管理的大数据预警系统，包括流程和内评应用模块、业务操作模块、数据仓库模块、数据分析模块和决策支持模块；流程和内评应用模块、业务操作模块，分别单独地通过数据收集用于将收集的数据输入至数据仓库模块内部；数据仓库模块，通过对数据加工、分类处理将其数据传送至数据分析模块；数据分析模块，通过将传送到的数据进行生成评估报告，用于决策处理；决策支持模块，用于输出数据分析模块的决策处理及对决策处理数据进行反馈处理。该系统能够根据预警级别制定相应的处理措施，能够保证无车承运人诚信管理体系的顺利建设，维护平台用户的离异，规范运输市场秩序。

Description

一种网络货运平台诚信管理的大数据预警系统
技术领域
本发明属于无人承运人管理平台的技术领域，特别涉及一种网络货运平台诚信管理的大数据预警系统。
背景技术
无车承运人是指以承运人身份与托运人签订运输合同，再同各国委托实际承运人完成运输任务的道路货物运输经营者，具体是通过构建物流信息平台，进行吸纳和整合社会车辆、物流站场、零散货源等，来减少运输交易的中间环节，提升运输组织效率，推动货运物流行业的转型升级。
现有的大多数从事货运行业的人员素质参差不齐，有时候经常出现偷货、骗货、逃避货损责任或者骗运费的情况，如何构建一套对诚信为制约的管理平台十分的紧迫。
发明内容
本发明所要解决的技术问题是针对背景技术的问题，本发明结合了定性与定量分析的原则进行指标筛选，通过定性分析完成对指标的初选，进一步通过搜集定性指标有关的数据，完成对指标的中选，采用分析的方法，进行确定诚信评价指标体系，提供了一种网络货运平台诚信管理的大数据预警系统，包括流程和内评应用模块、业务操作模块、数据仓库模块、数据分析模块和决策支持模块；
所述流程和内评应用模块、业务操作模块，分别通过数据采集将收集的数据输入至数据仓库模块内部；
所述数据仓库模块，通过对数据加工、分类处理将其数据传送至数据分析模块；
所述数据分析模块，通过将传送到的数据进行生成评估报告，用于决策处理；
所述决策支持模块，用于输出数据分析模块的决策处理及对决策处理数据进行反馈处理。
作为改进，所述流程和内评应用模块，是通过与网络货运平台进行对接，将申请为用户的车主和/或货主提交的个人身份资料信息进行审核，包括但不限于学历，月收入，从业年限和资质认证情况等；其中所述审核的方式，包括在备用数据库中根据对已经登记记录的个人身份资料信息进行审核是否通过、对没有登记记录的信息通过互联网社交媒体或银行信息数据进行审核是否通过、对用户画像通过互联网和查询信用平台进行聚类查找、分析和/或风险计算处理、后续监管处理。
这一模块，收集数据后，能够有效地进行信用风险计算和后续监管等流程管控，且获得得信息量数据多、准确。
作为改进，所述业务操作模块，用于网络货运平台上进行交易操作的模块，用于记录实际承运人日常事务处理的过程中的数据，所述数据包括但不限于货物的种类数据、数量数据、运输距离数据、时间和运费数据。
这一模块能够记录实际承运人日常事务处理的过程中的相关数据，且能够作为信用风险管理环节中必不可少的数据源。
作为改进，所述数据仓库模块，用于流程和内评应用模块以及业务操作模块输入的与诚信得分相关的数据存储；流程和内评应用模块输入至数据仓库模块的数据包括但不限于，互联网中涉及诚信数据的网站或环保、工商、税务等政府部门网站公告的用户负面舆情数据、网络货运平台用户的账户收支变化数据；业务操作模块输入至数据仓库模块的数据包括但不限于，实际承运人线下和线上交易业务过程中关于货物的种类、数量、运输距离、时间和运费等用于诚信评分的数据。
这一模块能够在数据平台上，对从流程和内评应用模块以及业务操作模块输入存储的数据整合并根据承运人诚信评价准则按照基本情况数据、运输服务质量数据、社会评价数据、经营行为数据和保障措施数据这五类对数据进行分类汇总。
作为改进，所述数据分析模块，具体为：通过设定包括多项评价指标和指标权重的评价指标体系，进行构建评估模型，计算用户的诚信得分，根据得分进行划分用户的得分区间，且按照不同的比例将区间内的用户数量进行划分，来确定不同的诚信等级，根据分析等级结果，形成内部诚信管理报告，将报告作为无车承运人进行运输服务选择提供决策依据。
这一模块，是基于积累的数据，来计算用户的诚信得分，划定用户的得分区间，例如可以将得分前10％的用户的最低分和最高分划分为一个区间，诚信评级确定为“优秀”等。
作为改进，决策支持模块，用于通过设置多项不良行为指标，进行诚信预警分析，通过运用正态分布原则，确定诚信预警的阈值，并根据预警级别给出相应的处理方法，包括生成评估报告，进行披露预警结果，进行分级整理，给出不良评估结果记录；其中不良行为指标包括但不限于货损货差率X、社会投诉率X2、道路诚信考核记录X3、资产负债率X4。
这一模块，一方面通过对现有用户不良信用指标的计算得分后，按照严重程度，设定预警阈值，划分不同的预警等级，对不同等级的用户制定不同的治理措施；另一方面是进行不诚信行为的监控与防范，对平台产生的交易欺诈行为进行动态监控。
作为改进，所述评价指标进行确定的具体方法为：
(1)根据基础条件数据、运输服务质量数据、经营行为数据、社会评价数据、保障措施数据五项进行诚信指标初选，设置包括目标层、准则层、指标层的评价指标体系；
(2)通过对上述五项数据进行原始数据采集，进行去噪处理，再通过主成分分析方法进行数据处理，包括采取样本充足度测量KMO法和Bartlett球形度检验法进行分析；当KMO法计算出的KMO值在0～0.5时，对原始数据进行二次筛选，筛除公因子方差小的指标，进行再次计算KMO值，直至KMO值在0.5～1内；
(3)增加多项公因子方差小的评价指标项，包括但不限于学历数据、违约泄密记录数据、突发事件紧急预案数据、投保承运人责任情况数据、服务跟踪与反馈机制数据，再按照步骤(2)进行二次分析；
(4)按照特征值标准、解释变异比例标准、最小共性标准和碎石图标准中任一种标准进行筛选并得出主成分的个数；
(5)通过因子旋转法产生不同的因子负载，进行提取因子后，获得主成分，进行主成分分析，确定评价指标体系。
作为改进，所述指标权重进行确定的具体方法为：第一步，确定指标在不同主成分中线性组合的系数；第二步，进行求各评价指标在主成分中的整体贡献率；第三步，确定包括个人身份特征、运输服务质量、经营行为和社会评价这四类主成分的成分权重。
作为改进，第一步具体方法为：用旋转成分矩阵或成分矩阵中的载荷数除以各成分特征值的开方，获得目标指标在该成分中的线性组合系数Zi，如下：
Figure BDA0003774310390000031
其中，Xi为指标成分系数，λi为成分的特征值。
作为改进，第二步中计算贡献率是通过计算指标权重Wi进行表示的，具体为
Figure BDA0003774310390000032
其中，Wi为各指标在整体模型中计算的权重，Xij为第i个指标在第j个主成分中的权重fj为第j个主成分的方差贡献率。
本发明采用以上技术方案所具有的有益效果：
本发明是基于流程和内评应用模块、业务操作模块、数据仓库模块、数据分析模块和决策支持模块的架构上，结合评分指标体系，构建模型，通过不良行为指标、诚信指标，进行诚信预警，最后运用正态分布的原理，确定诚信预警的阈值，进一步根据预警级别制定相应的处理措施，能够保证无车承运人诚信管理体系的顺利建设，维护平台用户的离异，规范运输市场秩序。
附图说明
图1为本发明大数据预警系统架构示意图。
图2为本发明基于基础条件数据下的评价指标体系。
图3为本发明大数据预警系统的最终数据下的评价指标体系。
图4为本发明大数据预警系统的决策支持模块的架构示意图。
具体实施方式
下面对本发明附图结合实施例作出进一步说明。
一种网络货运平台诚信管理的大数据预警系统，包括流程和内评应用模块、业务操作模块、数据仓库模块、数据分析模块和决策支持模块；
所述流程和内评应用模块、业务操作模块，分别单独地通过数据收集用于将收集的数据输入至数据仓库模块内部；
所述数据仓库模块，通过对数据加工、分类处理将其数据传送至数据分析模块；
所述数据分析模块，通过将传送到的数据进行生成评估报告，用于决策处理；
所述决策支持模块，用于输出数据分析模块的决策处理及对决策处理数据进行反馈处理，具体的流程见图1所示。
作为本发明的具体实施方式，所述流程和内评应用模块，是通过与网络货运平台进行对接，将申请为用户的车主和/或货主提交的资料数据进行审核；其中所述审核的方式，包括在备用数据库中根据对已经登记记录的可查信息进行审核是否通过、对没有登记记录的信息通过互联网社交媒体或银行信息数据进行审核是否通过、对用户画像通过互联网和查询信用平台进行聚类查找、分析和/或风险计算处理、后续监管处理。
作为本发明的具体实施方式，所述业务操作模块，用于网络货运平台上进行交易操作的模块，用于记录实际承运人日常事务处理的过程中的数据，所述数据包括但不限于货物的种类数据、数量数据、运输距离数据、时间和运费数据。
作为本发明的具体实施方式，所述数据仓库模块，用于网络货运平台中收到的与诚信得分相关的数据存储；其中数据包括但不限于，线下和线上交易业务过程中产生的诚信评分数据、互联网中涉及诚信数据的网站或政府部门官方网站公告中数据、网络货运平台用户的账户收支变化进行采集数据。
作为本发明的具体实施方式，所述数据分析模块，具体为：通过设定包括多项评价指标和指标权重的评价指标体系，进行构建评估模型，计算用户的诚信得分，根据得分进行划分用户的得分区间，且按照不同的比例将区间内的用户数量进行划分，来确定不同的诚信等级，根据分析等级结果，形成内部诚信管理报告，将报告作为无车承运人进行运输服务选择提供决策依据。
作为本发明的具体实施方式，决策支持模块，用于通过设置多项不良行为指标，进行诚信预警分析，通过运用正态分布原则，确定诚信预警的阈值，并根据预警级别给出相应的处理方法，包括生成评估报告，进行披露预警结果，进行分级整理，给出不良评估结果记录；其中不良行为指标包括但不限于货损货差率X、社会投诉率X2、道路诚信考核记录X3、资产负债率X4。
作为本发明的具体实施方式，所述评价指标进行确定的具体方法为：
(1)根据基础条件数据、运输服务质量数据、经营行为数据、社会评价数据、保障措施数据五项进行诚信指标初选，设置包括目标层、准则层、指标层的评价指标体系，见图2所示；
(2)通过对上述五项数据进行原始数据采集，进行去噪处理，再通过主成分分析方法进行数据处理，包括采取样本充足度测量KMO法和Bartlett球形度检验法进行分析；当KMO值在0～0.5时，对原始数据进行二次筛选，筛除相关性低的指标，进行再次计算KMO值，直至KMO值在0.5～1内；
其中KMO(Kaiser-Meyer---Olkin Measure of Sampling Adequacy)法，是样本充足度测量值，表示由隐含因子造成的在各个被标准化的指示变量中有共同变化的比率，KMO值越大，主成分分析越准确。
Bartlett球状检验是根据相关系数矩阵的行列式得到的，用于各个检验变量是否各自独立，包括df值和sig值，df值越大，且对应的sig值相伴概率值小于默认的显著性水平，判定为因子分析越准确。
(3)增加多项公因子方差小的评价指标项，包括但不限于学历数据、违约泄密记录数据、突发事件紧急预案数据、投保承运人责任情况数据、服务跟踪与反馈机制数据，再按照步骤(2)进行二次分析；
(4)按照特征值标准、解释变异比例标准、最小共性标准和碎石图标准中任一种标准进行筛选出主成分；
(5)通过因子旋转法产生不同的因子负载，进行提取因子后，获得主成分，进行主成分分析，确定评价指标体系，见图3。
所述指标权重进行确定的具体方法为：第一步，确定指标在不同主成分中线性组合的系数；第二步，进行求各评价指标在主成分中的整体贡献率；第三步，确定包括个人身份特征、运输服务质量、经营行为和社会评价在内的多项关键因子的成分权重。
第一步具体方法为：用旋转成分矩阵或成分矩阵中的载荷数除以各成分特征值的开方，获得目标指标在该成分中的线性组合系数，如下：
Figure BDA0003774310390000061
其中，Xi为指标成分系数，λi为成分的特征值。
第二步中计算贡献率是通过计算指标权重Wi进行表示的，具体为
Figure BDA0003774310390000062
其中，Wi为各指标在整体模型中计算的权重，Xij为第i个指标在第j个主成分中的权重fj为第j个主成分的方差贡献率。
下面本发明对上面的评价指标进行确定的时候，最终确定的主成分及权重的计算，进行详细的介绍和描述。
实施例1
本发明中最终确定的主成分包括四个，由运输服务质量相关的变量数据F1、由信息化水平F2、货损货差F3、投诉处理率和行车记录表准确性数据F4，通过公式，
Figure BDA0003774310390000063
来进行计算组合系数具体数据如下表1的载荷数数值，再对系数进行线性表达后，获得数值见表1的线性组合中的系数，进行线性组合如下：
F1＝-0.232X4+0.386X5+0.2446X6+0.4146X7+0.2366X8-0.3776X9；
F2＝-0.609X4+0.428X10+0.681X11+0.673X12；
F3＝0.448X1+0.366X2+0.390X3；
F4＝0.631X13-0.646X14+0.390X15。
表1求解线性组合中的系数
Figure BDA0003774310390000071
再通过计算指标权重Wi进行表示的：
Figure BDA0003774310390000081
计算后得到整体模中的指标系数，由此来得到综合得分模型，具体如下：
F＝0.118X1+0.139X2++0.410X3-0.292X4+0.275X5+0.142X6+0.218X7+0.254X8-0.226X9+0.148X10+0.287X11+0.234X12+0.230X13-0.142X14-0.042X15。
获得的成分权重如下所示：
表2各主成分在整体模型中的权重
主成分F1 主成分F2 主成分F3 主成分F4
主成分特征根 5.512 3.731 1.44 1.113
主成分权重 0.467277043 0.31629 0.12208 0.08435
由表2中可以看出四个主成分，运输服务质量F1的权重是47％，经营行为F2为32％，身份特征F3为12％，社会评价F4为9％。
以上所述实施例仅表达了本发明的几种实施方式，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和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种网络货运平台诚信管理的大数据预警系统，其特征在于，包括：流程和内评应用模块、业务操作模块、数据仓库模块、数据分析模块和决策支持模块；
所述流程和内评应用模块、业务操作模块，分别用于单独将收集的数据输入至数据仓库模块内部；
所述数据仓库模块，通过对数据加工、分类处理将其数据传送至数据分析模块；
所述数据分析模块，通过将传送到的数据进行生成评估报告，用于决策处理；
所述决策支持模块，用于输出数据分析模块的决策处理及对决策处理数据进行反馈处理。
2.根据权利要求1所述网络货运平台诚信管理的大数据预警系统，其特征在于：所述流程和内评应用模块，是通过与网络货运平台进行对接，将申请为用户的车主和/或货主提交的资料数据进行审核；其中所述审核的方式，包括在备用数据库中根据对已经登记记录的可查信息进行审核是否通过、对没有登记记录的信息通过互联网社交媒体或银行信息数据进行审核是否通过、对用户画像通过互联网和查询信用平台进行聚类查找、分析和/或风险计算处理、后续监管处理。
3.根据权利要求1所述网络货运平台诚信管理的大数据预警系统，其特征在于：所述业务操作模块，是网络货运平台上进行交易操作的模块，用于记录实际承运人日常事务处理的过程中的数据，所述数据包括：货物的种类数据、数量数据、运输距离数据、时间和运费数据。
4.根据权利要求1所述网络货运平台诚信管理的大数据预警系统，其特征在于：所述数据仓库模块，用于网络货运平台中收到的与诚信得分相关的数据存储；其中数据包括：线下和线上交易业务过程中产生的诚信评分数据、互联网中涉及诚信数据的网站或政府部门官方网站公告中数据、网络货运平台用户的账户收支变化进行的采集数据。
5.根据权利要求1所述网络货运平台诚信管理的大数据预警系统，其特征在于：所述数据分析模块，具体为：通过设定包括多项评价指标和指标权重的评价指标体系，进行构建评估模型，计算用户的诚信得分，根据得分进行划分用户的得分区间，且按照不同的比例将区间内的用户数量进行划分，来确定不同的诚信等级，根据分析等级结果，形成内部诚信管理报告，将报告作为无车承运人进行运输服务选择提供决策依据。
6.根据权利要求1所述网络货运平台诚信管理的大数据预警系统，其特征在于：决策支持模块，用于通过设置多项不良行为指标，进行诚信预警分析，通过运用正态分布原则，确定诚信预警的阈值，并根据预警级别给出相应的处理方法，包括生成评估报告，进行披露预警结果，进行分级整理，给出不良评估结果记录；其中不良行为指标包括：货损货差率X、社会投诉率X2、道路诚信考核记录X3、资产负债率X4。
7.根据权利要求5所述网络货运平台诚信管理的大数据预警系统，其特征在于：所述评价指标进行确定的具体方法为：
(1)根据基础条件数据、运输服务质量数据、经营行为数据、社会评价数据、保障措施数据五项进行诚信指标初选，设置包括目标层、准则层、指标层的评价指标体系；
(2)通过对上述五项数据进行原始数据采集，进行去噪处理，再通过主成分分析方法进行数据处理，包括采取样本充足度测量KMO法和Bartlett球形度检验法进行分析；当KMO值在0～0.5时，对原始数据进行二次筛选，筛除相关性低的指标，进行再次计算KMO值，直至KMO值在0.5～1内；
(3)增加多项公因子方差小的评价指标项，包括：学历数据、违约泄密记录数据、突发事件紧急预案数据、投保承运人责任情况数据、服务跟踪与反馈机制数据，再按照步骤(2)进行二次分析；
(4)按照特征值标准、解释变异比例标准、最小共性标准和碎石图标准中任一种标准进行筛选出主成分；
(5)通过因子旋转法产生不同的因子负载，进行提取因子后，获得主成分，进行主成分分析，确定评价指标体系。
8.根据权利要求7所述网络货运平台诚信管理的大数据预警系统，其特征在于：所述指标权重进行确定的具体方法为：
第一步，确定指标在不同主成分中线性组合的系数；
第二步，进行求各评价指标在主成分中的整体贡献率；
第三步，确定包括个人身份特征、运输服务质量、经营行为和社会评价在内的多项关键因子的成分权重。
9.根据权利要求8所述网络货运平台诚信管理的大数据预警系统，其特征在于：第一步具体方法为：用旋转成分矩阵或成分矩阵中的载荷数除以各成分特征值的开方，获得目标指标在该成分中的线性组合系数，具体如下：
Figure FDA0003774310380000021
其中，Xi为指标成分系数，λi为成分的特征值。
10.根据权利要求8所述网络货运平台诚信管理的大数据预警系统，其特征在于：第二步中计算贡献率是通过计算指标权重Wi进行表示的，具体为
Figure FDA0003774310380000031
其中，Wi为各指标在整体模型中计算的权重，Xij为第i个指标在第j个主成分中的权重fj为第j个主成分的方差贡献率。
CN202210912414.6A 2022-07-30 2022-07-30 一种网络货运平台诚信管理的大数据预警系统 Pending CN115310900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210912414.6A CN115310900A (zh) 2022-07-30 2022-07-30 一种网络货运平台诚信管理的大数据预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210912414.6A CN115310900A (zh) 2022-07-30 2022-07-30 一种网络货运平台诚信管理的大数据预警系统

Publications (1)

Publication Number Publication Date
CN115310900A true CN115310900A (zh) 2022-11-08

Family

ID=83857822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210912414.6A Pending CN115310900A (zh) 2022-07-30 2022-07-30 一种网络货运平台诚信管理的大数据预警系统

Country Status (1)

Country Link
CN (1) CN115310900A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664016A (zh) * 2023-07-27 2023-08-29 北京中关村科金技术有限公司 Esg子议题的筛选方法、装置、电子设备和可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664016A (zh) * 2023-07-27 2023-08-29 北京中关村科金技术有限公司 Esg子议题的筛选方法、装置、电子设备和可读存储介质
CN116664016B (zh) * 2023-07-27 2023-09-26 北京中关村科金技术有限公司 Esg子议题的筛选方法、装置、电子设备和可读存储介质

Similar Documents

Publication Publication Date Title
CN107633030B (zh) 基于数据模型的信用评估方法及装置
CN107993143A (zh) 一种信贷风险评估方法及系统
US20120158678A1 (en) Process and method for data assurance management by applying data assurance metrics
US20140058763A1 (en) Fraud detection methods and systems
Bravo et al. Granting and managing loans for micro-entrepreneurs: New developments and practical experiences
US20050222929A1 (en) Systems and methods for investigation of financial reporting information
CN110807700A (zh) 一种基于政府数据的无监督融合模型个人信用评分方法
EP2329447A1 (en) Evaluating loan access using online business transaction data
CN111476660A (zh) 一种基于数据分析的智能风控系统及方法
CA3205732A1 (en) Systems and methods for outlier detection of transactions
CN112836964B (zh) 一种企业异常的评估系统及评估方法
CN111598682A (zh) 一种针对企业的信用风险评估方法及系统
Hamal et al. A novel integrated AHP and MULTIMOORA method with interval-valued spherical fuzzy sets and single-valued spherical fuzzy sets to prioritize financial ratios for financial accounting fraud detection
Chimonaki et al. Identification of financial statement fraud in Greece by using computational intelligence techniques
Wahab et al. Digital economy tax compliance model in Malaysia using machine learning approach
CN113554310A (zh) 基于智能合约的企业信用动态评估模型
CN115310900A (zh) 一种网络货运平台诚信管理的大数据预警系统
Wang et al. Improving investment suggestions for peer-to-peer lending via integrating credit scoring into profit scoring
CN114118793A (zh) 一种地方交易所风险预警方法、装置及设备
CN113011788A (zh) 一种海上交通事故应急决策方法、终端设备及存储介质
CN117114812A (zh) 一种针对企业的金融产品推荐方法及装置
CN113064883A (zh) 物流风控模型的构建方法、计算机设备和存储介质
CN114819476A (zh) 基于逻辑回归评分卡的营运企业风险评估方法及系统
Shanthini et al. A Performance Comparison of State-of-the-Art Imputation and Classification Strategies on Insurance Fraud Detection
CN114493896A (zh) 基于机器学习的数据评估方法、装置、设备及存储介质

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