CN115936440A - 一种风险预测评价方法、计算机设备及可读存储介质 - Google Patents
一种风险预测评价方法、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN115936440A CN115936440A CN202211689397.0A CN202211689397A CN115936440A CN 115936440 A CN115936440 A CN 115936440A CN 202211689397 A CN202211689397 A CN 202211689397A CN 115936440 A CN115936440 A CN 115936440A
- Authority
- CN
- China
- Prior art keywords
- risk
- case
- dispute
- cases
- point
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于法治纠纷案件的风险预测评价方法。该方法包括以下步骤:提取包括纠纷案件风险点和多个特征项的原始数据值,并将之以预定格式存储于数据表中;通过数据处理程序对原始数据表执行首次运算,建立纠纷案件风险点与主特征项的逻辑关联,将运算结果存储到主特征数据表中;通过对主特征数据表执行第二次运算,计算各个纠纷案件风险点的参数值,生成包含参数的风险预测评价数据表;最后对风险预测评价数据表中的数据值加以权重值并进行排序运算得出法治纠纷案件的风险点,并对其进行排名。使用本方法能够针对法治纠纷案件数据进行全面分析,从而可以覆盖所有可能的风险点,使风险预测更加全面,更具有准确性和客观性。
Description
技术领域
本发明涉及数据分析应用领域,具体而言,涉及一种基于法治纠纷案件的风险预测评价方法、一种计算机设备、一种计算机可读存储介质。
背景技术
目前,面向全集团各成员单位及下属公司的法治法规情况数据填报平台仅能实现数据填报等基础功能,无法发现法治纠纷案件的风险,导致缺乏集团总部对全集团法治工作的整体管控以及为集团法治法规管理工作提供态势分析、风险预测和辅助决策的能力。
发明内容
为了改善上述技术问题至少之一,本发明的一个目的在于提供一种基于法治纠纷案件的风险预测评价方法,简称风险预测评价方法。
为实现上述目的,本发明第一方面的技术方案提供了一种基于法治纠纷案件的风险预测评价方法,包括如下步骤:
步骤S1,从已有法治纠纷案件中提取纠纷案件的风险点及纠纷案件的特征项;其中,风险点为风险类别,特征项包括案由、立案时间、案件标的金额、案件主要发生领域中的一种或多种;
步骤S2,建立每个风险点与每个特征项间的逻辑关联;
步骤S3,根据逻辑关联获取每个风险点的参数值,参数值包括发生概率、案件标的总金额、案件总费用支出、胜诉率中的一项或多项,并根据每个风险点的参数值,获取每个风险点的期望值参数;
步骤S4,根据每个风险点的期望值参数和预设权重,得到每个风险点的最终参数值,并将全部最终参数值由大到小进行排序,得到纠纷案件风险点排名。
本技术方案所提供的风险预测评价方法通过数据分析方法以定量的方式对法治纠纷案件风险进行评价,能够更直观的发现法治纠纷案件的风险,提供更加准确的数据。
另外,本发明提供的上述技术方案中的基于法治纠纷案件的风险预测评价方法还可以具有如下附加技术特征:
在上述技术方案中,步骤S2包括:
为每个风险点设置唯一编号;
以风险点的唯一编号作为主索引项,以逻辑值表征风险点是否存在于已有案件中,并据此建立案件-风险点关联表;
根据案件-风险点关联表建立风险点的唯一编号与案件编号、立案时间、案件标的金额之间的关联。
在上述技术方案中,步骤S3包括:
步骤S31,按照纠纷案件风险点对案件-风险点关联表进行统计运算,用某一风险点的案件数C1除以案件总数C2计算每一风险点的发生概率P;
步骤S32,以案件-风险点关联表作为索引表,通过关联查表运算,统计某一风险点的所有的案件标的金额A之和M;
步骤S33,将M除以所有案件总的案件标的金额B之和再乘以设定系数S得到每一风险点的损失度X;
步骤S34,根据每一风险点的对应的损失度X与发生概率P的乘积得到风险点的期望值参数。
在上述技术方案中,风险类别包括以下各种风险中的一种或一种以上的组合:合同风险、票据风险、担保风险、违规操作风险、内部欺诈风险、监管不当风险、诉讼行为风险
在上述技术方案中,在步骤S4之后还包括:步骤S5,显示纠纷案件风险点排名。
在上述技术方案中,在步骤S1之前还包括:上传法治纠纷案件的数据的步骤。
在上述技术方案中,在步骤S1中,提取纠纷案件的风险点的方式包括:
从判决文书中通过词频统计进行自动提取;和/或根据经验从判决文书中进行提取。
在上述技术方案中,特征项还包括原告、被告、案件处理方式、我方诉讼主体地位、对方性质、是否结案、支出费用、避免和挽回经济损失、已造成实际损失金额中的一种或多种。
综上,本发明所提供的基于法治纠纷案件的风险预测评价方法,能够针对法治纠纷案件数据进行全面分析,从而可以覆盖所有可能的风险点,使风险预测更加全面;并且,由于测评过程是由程序按照特定算法定量计算,因此更具有准确性和客观性。
本发明第二方面的技术方案提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现本发明的第一方面的技术方案提出的任一项的基于法治纠纷案件的风险预测评价方法的步骤。
在该技术方案中,处理器执行计算机程序时实现本发明的第一方面的技术方案提出的任一项的基于法治纠纷案件的风险预测评价方法的步骤,因此具有上述本发明的第一方面的技术方案的全部有益效果,在此不再赘述。
本发明第三方面的技术方案提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本发明的第一方面的技术方案提出的任一项的基于法治纠纷案件的风险预测评价方法的步骤。
在该技术方案中,计算机可读存储介质其上存储有计算机程序,计算机程序被处理器执行时实现本发明的第一方面的技术方案提出的任一项的基于法治纠纷案件的风险预测评价方法的步骤,因此具有上述本发明的第一方面的技术方案的全部有益效果,在此不再赘述。
此外,该计算机设备或该计算机可读存储介质基于收集到的全集团法治建设数据及法治纠纷案件数据,有助于实现集团总部对全集团法治工作的整体管控以及为集团法治法规管理工作提供态势分析、风险预测和辅助决策的能力。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明的一些实施例的基于法治纠纷案件的风险预测评价方法的流程框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1描述本发明一些实施例中的基于法治纠纷案件的风险预测评价方法。
本申请的一些实施例提供了一种基于法治纠纷案件的风险预测评价方法。
本实施例所提供的风险预测评价方法,其主要包括以下步骤:
1)从法治纠纷案件中提取包括纠纷案件风险点和多个特征项的原始数据值,并将之以预定格式存储于数据表中,其中,特征值包括主特征值和非主特征值;
2)通过数据处理程序对原始数据表执行首次运算,建立纠纷案件风险点与主特征项的逻辑关联,将运算结果存储到主特征数据表中;
3)通过对主特征数据表执行第二次运算,计算各个纠纷案件风险点的参数值,生成包含参数的风险预测评价数据表;
最后对风险预测评价数据表中的数据值加以权重值并进行排序运算得出法治纠纷案件的风险点,并对其进行排名。
具体地,如图1所示,在一些具体实施例中,风险预测评价方法包括以下步骤:
1)首先需要跟据所选案件提取包括纠纷案件风险点和多个特征项的原始数据,创建初始的数据表,并将其以预定格式存储于数据表中,其中,特征项包括主特征项和非主特征项。主特征项包括案由、立案时间、案件标的金额、案件主要发生领域;非主特征项包括原告/申请人、被告/被申请人、案件处理方式、我方诉讼主体地位、对方性质、是否结案、支出费用、避免和挽回经济损失、已造成实际损失金额等法律性质中的一种或一种以上。纠纷案件风险点是根据行业不同而有所不同,可以从判决文书中通过词频统计进行自动提取,也可以由专家根据经验进行提取和完善。以本单位法治纠纷案件为例,纠纷案件风险点可以分为以下几大类别,风险类别包括以下各种风险中的一种或一种以上的组合:合同风险、票据风险、担保风险、违规操作风险、内部欺诈风险、监管不当风险、诉讼行为风险。而具体的风险点在每一大类下又可根据需要设置几个到几十个不等。风险点个数的设定不同不会超出本发明的思想和范围。要说明的是,这里虽然是以本单位为例,但是本发明的思想和方法完全可以用于其它行业。只是风险点的选择和风险类别的划分有可能不同。
2)通过程序对原始数据表执行首次运算,建立纠纷案件风险点与主特征项的逻辑关联,得到并创建主特征数据表。所谓特征逻辑关联是指各个风险点与主特征项的对应关系,例如风险点与案件数量的关系,风险点与案件标的金额的关系,风险点与案件主要发生领域的相互关系。步骤2可以这样实现主特征数据表,包括风险点唯一编号、案件编号、时间、案件标的金额、案件-风险点关联性。建立纠纷案件风险点与主特征项的逻辑关联的首次运算包括以风险点唯一编号作为主索引项,以逻辑值表征风险点是否存在于案件中并据此建立案件-风险点关联表,根据案件-风险点关联表建立风险点唯一编号与案件编号、立案时间、案件标的金额之间的关联。
3)通过对主特征数据表执行第二次运算,计算各个纠纷案件风险点的参数值,并生成包含参数值的风险预测评价数据表。这里参数值包括根据风险点对应的案件数量,计算包含每一风险点的风险行为的发生概率;根据风险点对应的案件标的金额,计算包含每一风险点的风险行为的损失度;以及包括每一风险点的风险行为的损失度和发生概率,计算风险行为的期望值。
具体算法如下所示:
①首先按照纠纷案件风险点对案件-风险点关联表进行统计运算,用存在某一风险点的案件数C1除以案件总数C2计算每一风险点的发生概率P;
②以案件-风险点关联表作为索引表,通过关联查表运算,统计存在某一风险点的所有的案件案件标的金额A之和M;
③将M除以所有案件总的案件标的金额B之和再乘以一基础系数S%计算每一风险点的损失度X;
④最后根据每一风险点的对应的损失度与发生概率的乘积计算风险点的期望值参数。对所得期望数值再乘以相应的权重值进行计算,此处权重值可由业务人员根据业务风险点进行设置,得出最终参数值进行排序运算并据此对纠纷案件风险点进行排名,从而可以将排序结果作为风险判断的依据供用户参考使用。
其中,需要说明的是,数据表不应仅被理解为二维的数值表,而是表示用于表现某一用途或特征的一系列数据组成的关联数据集合。该关联数据集合以现有的某种适于计算机程序访问的数据结构表进行存储。同理,主特征数据表、风险预测评价数据表等也不应仅被理解为二维的数值表。
此外,如图1所示,图中原始纠纷案件可以手工录入收集,例如获取原始案件文档可以使用预先编制的程序从按照指定的格式进行转换为电子数据。而风险点和特征项的提取同样是可以用程序通过语义分析进行识别或人工提取,为了保证精确度,以上原始纠纷案件的收集和风险点和特征项的提取以由专业人士人工进行为佳。
再次,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在本说明书的描述中,术语″一个实施例″、″一些实施例″、″具体实施例″等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于法治纠纷案件的风险预测评价方法,其特征在于,包括如下步骤:
步骤S1,从已有法治纠纷案件中提取纠纷案件的风险点及纠纷案件的特征项;其中,所述风险点为风险类别,所述特征项包括案由、立案时间、案件标的金额、案件主要发生领域中的一种或多种;
步骤S2,建立每个所述风险点与每个所述特征项间的逻辑关联;
步骤S3,根据逻辑关联获取每个风险点的参数值,所述参数值包括发生概率、案件标的总金额、案件总费用支出、胜诉率中的一项或多项,并根据每个风险点的参数值,获取每个风险点的期望值参数;
步骤S4,根据每个风险点的期望值参数和预设权重,得到每个风险点的最终参数值,并将全部最终参数值由大到小进行排序,得到纠纷案件风险点排名。
2.根据权利要求1所述的基于法治纠纷案件的风险预测评价方法,其特征在于,所述步骤S2包括:
为每个风险点设置唯一编号;
以风险点的唯一编号作为主索引项,以逻辑值表征风险点是否存在于已有案件中,并据此建立案件-风险点关联表;
根据案件-风险点关联表建立风险点的唯一编号与案件编号、立案时间、案件标的金额之间的关联。
3.根据权利要求1所述的基于法治纠纷案件的风险预测评价方法,其特征在于,所述步骤S3包括:
步骤S31,按照纠纷案件风险点对所述案件-风险点关联表进行统计运算,用某一风险点的案件数C1除以案件总数C2计算每一风险点的发生概率P;
步骤S32,以案件-风险点关联表作为索引表,通过关联查表运算,统计某一风险点的所有的案件标的金额A之和M;
步骤S33,将M除以所有案件总的案件标的金额B之和再乘以设定系数S得到每一风险点的损失度X;
步骤S34,根据每一风险点的对应的损失度X与发生概率P的乘积得到风险点的期望值参数。
4.根据权利要求1至3中任一项所述的基于法治纠纷案件的风险预测评价方法,其特征在于,
所述风险类别包括以下各种风险中的一种或一种以上的组合:合同风险、票据风险、担保风险、违规操作风险、内部欺诈风险、监管不当风险、诉讼行为风险。
5.根据权利要求1至3中任一项所述的基于法治纠纷案件的风险预测评价方法,其特征在于,还包括:
步骤S5,显示纠纷案件风险点排名。
6.根据权利要求1至3中任一项所述的基于法治纠纷案件的风险预测评价方法,其特征在于,
在步骤S1之前还包括:上传法治纠纷案件的数据的步骤。
7.根据权利要求1至3中任一项所述的基于法治纠纷案件的风险预测评价方法,其特征在于,在步骤S1中,提取纠纷案件的风险点的方式包括:
从判决文书中通过词频统计进行自动提取;和/或
根据经验从判决文书中进行提取。
8.根据权利要求1至3中任一项所述的基于法治纠纷案件的风险预测评价方法,其特征在于,
所述特征项还包括原告、被告、案件处理方式、我方诉讼主体地位、对方性质、是否结案、支出费用、避免和挽回经济损失、已造成实际损失金额中的一种或多种。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的基于法治纠纷案件的风险预测评价方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于法治纠纷案件的风险预测评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211689397.0A CN115936440A (zh) | 2022-12-27 | 2022-12-27 | 一种风险预测评价方法、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211689397.0A CN115936440A (zh) | 2022-12-27 | 2022-12-27 | 一种风险预测评价方法、计算机设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936440A true CN115936440A (zh) | 2023-04-07 |
Family
ID=86555688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211689397.0A Pending CN115936440A (zh) | 2022-12-27 | 2022-12-27 | 一种风险预测评价方法、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936440A (zh) |
-
2022
- 2022-12-27 CN CN202211689397.0A patent/CN115936440A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102870129B (zh) | 模拟进程的方法和系统 | |
CN111738549A (zh) | 食品安全风险评估方法、装置、设备及存储介质 | |
CN112668859A (zh) | 基于大数据的客户风险评级方法、装置、设备及存储介质 | |
KR20070061009A (ko) | 보안 위험 관리 시스템 및 방법 | |
CN113177839A (zh) | 一种信用风险评估方法、装置、存储介质和设备 | |
CN116739811A (zh) | 一种自适应风险控制的企业财务信息智能管理系统及方法 | |
CN111144738A (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
KR100524649B1 (ko) | 정보 자산의 위험 분석 시스템 | |
Mohril et al. | XGBoost based residual life prediction in the presence of human error in maintenance | |
CN112966965A (zh) | 进出口大数据的分析和决策方法、装置、设备及存储介质 | |
CN115936440A (zh) | 一种风险预测评价方法、计算机设备及可读存储介质 | |
CN117314347A (zh) | 一种项目管理方法、系统、终端设备及存储介质 | |
CN117132383A (zh) | 一种信贷数据处理方法、装置、设备及可读存储介质 | |
Triantis | Fuzzy non-radial data envelopment analysis (DEA) measures of technical efficiency in support of an integrated performance measurement system | |
JP2018067274A (ja) | 特許価値評価装置及び特許価値評価方法 | |
CN114581251A (zh) | 数据校验方法、装置、计算机设备及计算机可读存储介质 | |
CN114693428A (zh) | 数据确定方法、装置、计算机可读存储介质及电子设备 | |
CN115409226A (zh) | 一种数据处理方法和数据处理系统 | |
CN113537759A (zh) | 一种基于权重自适应的用户体验度量模型 | |
CN113379211A (zh) | 基于区块链的物流信息平台违约风险管控系统及方法 | |
CN109543096B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
CN111178769A (zh) | 虚拟保险产品的评测方法及装置 | |
CN113469826B (zh) | 一种信息处理的方法、装置、设备及存储介质 | |
KR100435193B1 (ko) | 리스크 평가에 의한 온라인 감사관리 시스템 | |
JP6505974B2 (ja) | 事務リスク管理システムおよび事務リスク管理プログラム |
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 |