CN115936447A - 一种欠薪预警方法、系统、装置以及介质 - Google Patents
一种欠薪预警方法、系统、装置以及介质 Download PDFInfo
- Publication number
- CN115936447A CN115936447A CN202310086975.XA CN202310086975A CN115936447A CN 115936447 A CN115936447 A CN 115936447A CN 202310086975 A CN202310086975 A CN 202310086975A CN 115936447 A CN115936447 A CN 115936447A
- Authority
- CN
- China
- Prior art keywords
- owed
- target
- data
- influence
- project
- 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
本说明书实施例提供一种欠薪预警方法、系统、装置以及介质,该方法由服务器执行,包括:获取目标项目的目标项目数据,目标项目数据包括目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种,目标项目数据由采集终端采集;基于目标项目数据,通过预设的风险评价模型确定目标项目的目标欠薪预警信息,并将目标欠薪预警信息发送至目标终端。该欠薪预警系统包括获取模块以及欠薪预警模块。该欠薪预警方法可以通过欠薪预警装置实现。该欠薪预警方法还可以通过计算机可读存储介质存储的计算机指令被读取后运行。
Description
技术领域
本说明书涉及信息处理领域,特别涉及一种欠薪预警方法、系统、装置以及介质。
背景技术
在工程建筑领域、密集劳动用工领域常发生欠薪事件。欠薪事件容易引发群体事件,造成社会不良影响。目前存在对项目监管不全面、不到位、不及时的问题。
所以,亟需一种欠薪预警方法、系统、装置以及介质,能够加大各监管机构对项目欠薪情况的监管力度。综合多个容易想到的直接维度,乃至不易想到的间接维度对发生欠薪事件的影响进行量化评估,从而更准确地确定用工单位的欠薪风险。在需要时将预警信息发送至各监管机构,从而使各监管机构能够对存在欠薪风险的用工单位加强监管,弥补当前监管的时效性缺陷,将欠薪事件的事后补救变为事前管控,有效地保障务工人员的权益。
发明内容
发明内容包括一种欠薪预警方法,该方法由服务器执行,包括:获取目标项目的目标项目数据,所述目标项目数据包括所述目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种,所述目标项目数据由采集终端采集;基于所述目标项目数据,通过预设的风险评价模型确定所述目标项目的目标欠薪预警信息,并将所述目标欠薪预警信息发送至目标终端。
发明内容包括一种欠薪预警系统,包括:获取模块,用于获取目标项目的目标项目数据,所述目标项目数据包括所述目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种,所述目标项目数据由采集终端采集;欠薪预警模块,用于基于所述目标项目数据,通过预设的风险评价模型确定所述目标项目的目标欠薪预警信息,并将所述目标欠薪预警信息发送至目标终端。
发明内容包括一种欠薪预警装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如前述实施例中任一项所述的欠薪预警方法。
发明内容包括一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如前述实施例中任意一项所述的欠薪预警方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的欠薪预警系统的应用场景示意图;
图2是根据本说明书一些实施例所示的欠薪预警方法的示例性流程图;
图3是根据本说明书一些实施例所示的又一欠薪预警方法的示例性流程图;
图4是根据本说明书一些实施例所示的确定有效欠薪影响维度及其对应的有效欠薪影响因子的示例性流程图;
图5是根据本说明书一些实施例所示的又一确定有效欠薪影响维度及其对应的有效欠薪影响因子的示例性流程图;
图6是根据本说明书一些实施例所示的确定目标项目的欠薪预警类型的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的欠薪预警系统的应用场景示意图。
如图1所示,欠薪预警系统100的应用场景图可以包括采集对象110、采集终端120、网络130、服务器140以及目标终端150。在一些实施例中,欠薪预警系统100可以通过对采集终端120对采集对象110进行采集,获得目标项目数据。服务器140可以通过网络130获取目标项目的目标项目数据,并对其进行分析处理,从而确定目标项目的目标欠薪预警信息。服务器140还可以通过网络130发送至目标终端150,从而实现对目标项目欠薪风险的监管。其中,目标项目可以指需要进行欠薪风险监管的项目。例如,目标项目可以为某一小区的修建项目。关于目标项目数据、目标欠薪预警信息的更多内容可以参见图2及其相关描述。
采集对象110可以为目标项目数据的来源。目标项目数据可以包括与目标项目相关的多种类型的数据。例如,目标项目数据可以包括目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种。又例如,目标项目数据还可以包括目标项目的区域位置以及用于描述区域位置的特征数据。再例如,目标项目数据还可以包括目标项目中用工人员的用工反馈数据。再例如,目标项目还可以包括目标项目的项目进展数据。对应的,采集对象110包括多种与目标项目相关的对象。如图1所示,采集对象110可以包括但不限于目标项目的施工工地、与目标项目存在业务往来的银行、与目标项目相关的机构(例如,目标项目所在地的机构、目标项目的用工单位注册地的机构等)、目标项目的用工人员等。
采集终端120可以对采集对象的相关数据进行采集,以获得目标项目数据。采集终端120可以包括多种类型的终端,以对不同的采集对象110进行采集,获得不同的目标项目数据。例如,当采集对象110为目标项目的施工工地时,采集终端120可以包括摄像装置。欠薪预警系统100可以通过摄像装置对目标项目的施工工地进行拍摄,从而获取目标项目的项目进展数据。又例如,当采集对象110为银行或机构时,采集终端120可以包括电脑或其他数据交换设备。欠薪预警系统100可以通过电脑获取银行或机构中的相关信息(如,项目资金数据、项目信用数据、目标项目的区域位置以及用于描述所述区域位置的特征数据等)。再例如,当采集对象110为目标项目的用工人员时,采集终端120可以包括打卡机。欠薪预警系统100可以通过打卡机获取目标项目的项目用工数据。当采集对象110为目标项目的用工人员时,采集终端120还可以包括手机或其他信息发送设备(例如,平板、电脑等)。欠薪预警系统100可以通过手机向用工人员所使用的终端发送用工反馈请求,并采集用工人员对用工反馈请求的反馈,以获取目标项目的用工反馈数据。关于用工反馈数据的更多内容可以参见图2及其相关描述。
网络130连接欠薪预警系统100的各组成部分和/或连接系统与外部资源部分。网络130使得各组成部分之间,以及与系统之外其他部分之间可以进行通讯,促进数据和/或信息的交换。在一些实施例中,网络130可以是有线网络或无线网络中的任意一种或多种。例如,网络130可以包括电缆网络、光纤网络、电信网络、互联网、局域网络、广域网络、无线局域网络、城域网、公共交换电话网络、蓝牙网络、紫蜂网络、近场通信、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中,网络130可以包括一个或以上网络接入点。例如,网络130可以包括有线或无线网络接入点。欠薪预警系统100的一个或多个组件可以通过这些进出点连接到网络130上,以交换数据和/或信息。
服务器140可以处理从欠薪预警系统100的各组成部分和/或系统外部获得的数据和/或信息。服务器140可以基于这些数据、信息和/或处理结果执行程序指令,以实现一个或多个本说明书中描述的功能。例如,服务器140可以基于目标项目数据,执行流程200~600,以实现一个或多个对目标项目的欠薪预警。在一些实施例中,服务器140可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如,服务器140可以是分布式系统),可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中,服务器140可以是区域的或者远程的。在一些实施例中,服务器140可以在云平台上实施,或者以虚拟方式提供。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
目标终端150可以为用户所使用的一个或多个终端设备或软件。前述用户可以为需要了解目标项目的欠薪预警情况的人员或组织。例如,用户可以包括各监管机构。再例如,用户还可以为目标项目的用工人员。目标终端150可以包括处理单元、显示单元、输入/输出单元、感知单元、存储单元等。如图1所示,目标终端150可以包括移动设备、平板计算机、膝上型计算机、台式计算机等其他具有输入和/或输出功能的设备中的一种或其任意组合。
应当注意的是,欠薪预警系统100的应用场景仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景还可以包括数据库。又例如,应用场景可以在其他设备上实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
在一些实施例中,欠薪预警系统100可以包括获取模块和欠薪预警模块。
获取模块可以用于获取目标项目的目标项目数据,目标项目数据包括目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种,目标项目数据由采集终端采集。
欠薪预警模块可以用于基于目标项目数据,通过预设的风险评价模型确定目标项目的目标欠薪预警信息,并将目标欠薪预警信息发送至目标终端。
在一些实施例中,欠薪预警模块还可以进一步用于基于目标项目数据、有效欠薪影响维度及其对应的有效欠薪影响因子,确定目标欠薪影响因子,其中,有效欠薪影响维度表征对项目是否会发生欠薪存在影响的维度,有效欠薪影响因子表征与其对应的有效欠薪影响维度对项目是否会发生欠薪的影响程度;基于目标欠薪影响因子,通过预设的风险评价模型确定目标项目的目标欠薪预警信息。
在一些实施例中,欠薪预警模块还可以进一步用于获取多个参考项目中每一个对应的参考项目数据,其中,参考项目数据包括参考项目的参考项目资金数据、参考项目信用数据以及参考项目用工数据中的至少一种,还包括参考项目的参考项目欠薪数据;针对每一个参考项目,基于该参考项目的参考项目资金数据、参考项目信用数据以及参考项目用工数据中的至少一种,确定参考项目的多个初始欠薪影响维度分别对应的第一欠薪影响因子,其中,初始欠薪影响维度表征初步确定的对项目是否会发生欠薪存在影响的维度,第一欠薪影响因子表征与其对应的初始欠薪影响维度对目标项目是否会发生欠薪的影响程度;基于各个参考项目对应的多个第一欠薪影响因子以及参考项目数据,从多个初始欠薪影响维度中确定有效欠薪影响维度及其对应的有效欠薪影响因子。
在一些实施例中,欠薪预警模块还可以进一步用于针对每一个参考项目,基于该参考项目的参考项目资金数据、参考项目信用数据以及参考项目用工数据中的至少一种,确定参考项目的多个初始欠薪影响维度分别对应的第一欠薪影响因子,其中,初始欠薪影响维度表征初步确定的对项目是否会发生欠薪存在影响的维度,第一欠薪影响因子表征与其对应的初始欠薪影响维度对项目是否会发生欠薪的影响程度;基于各个参考项目对应的多个第一欠薪影响因子以及参考项目数据,从多个初始欠薪影响维度中确定有效欠薪影响维度及其对应的有效欠薪影响因子。
在一些实施例中,欠薪预警模块还可以进一步用于针对多个第一欠薪影响因子中每一个,基于至少一组第一参考项目对应的参考项目数据,确定与第一欠薪影响因子对应的初始欠薪影响维度的精准率;基于精准率以及第一欠薪影响因子,确定该初始欠薪影响维度对应的第二欠薪影响因子;基于至少一个第二参考项目对应的参考项目数据对第二欠薪影响因子进行修正,获得修正后的第二欠薪影响因子;当修正后的第二欠薪影响因子满足预设条件时,将该初始欠薪影响维度确定为有效欠薪影响维度,并将修正后的第二欠薪影响因子确定为有效欠薪影响维度对应的有效欠薪影响因子。
在一些实施例中,欠薪预警模块还可以进一步用于获取目标项目的至少一个预警系数;基于至少一个预警系数,确定目标项目对应的至少一个预警阈值;基于目标项目数据,通过预设的风险评价模型确定目标项目的目标欠薪风险值;基于目标欠薪风险值以及至少一个预警阈值,确定目标项目的欠薪预警类型。
在一些实施例中,欠薪预警模块还可以进一步用于确定目标项目中有效欠薪影响维度的维度数量;针对至少一个预警系数中的每一个,基于预警系数以及维度数量,确定目标项目在该预警系数下的预警阈值。
关于以上所示的欠薪预警系统100的各模块的具体描述,可以参考本说明书流程图部分,例如,图2及其相关说明。
需要注意的是,以上对于各个模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,前述获取模块和欠薪预警模块可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的欠薪预警方法的示例性流程图。在一些实施例中,流程200可以由服务器执行。如图2所示,流程200包括下述步骤:
步骤210,获取目标项目的目标项目数据。在一些实施例中,步骤210可以由获取模块执行。
目标项目数据可以指目标项目的相关数据。一些实施例中,目标项目数据可以包括目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种。
项目资金数据可以指目标项目中资金的相关数据。例如,项目资金数据可以包括但不限于目标项目的专户资金数据、农民工工资保证金数据、发薪数据、水电欠费数据、企业纳税数据、预售监管资金数据、社保登记数据、公积金登记数据、个税缴纳数据等。专户资金数据可以包括但不限于目标项目是否未开有专户、资金来源是否非登记建设单位、专户人工费是否未按时入账、专户人工费入账金额和进度是否未匹配、专户人工费是否未按时发放等;农民工工资保证金数据可以包括但不限于是否未缴纳农民工工资保证金以及保证金是否未经准许被使用等;发薪数据可以包括但不限于当前发薪率是否低于预设的发薪率阈值、是否预设的发薪间隔(例如,60天)内未出现发薪、当前未发薪金额是否超过保证金、发薪是否低于预设的薪水阈值(例如,5000)、逾期未发的薪水金额、发薪的逾期时间、发薪的逾期人数;预设的发薪观察时间段内(例如,3个月内)是否有逾期发薪记录等;水电欠费数据可以包括但不限于自来水欠费金额、时间等;电费欠费金额、时间等,其中,水电欠费数据的查询对象可以包括目标项目的施工工地、用工单位所在地以及建设单位所在地等;企业纳税数据可以包括但不限于是否年度周期未报税、纳税金额的降幅是否超预设的金额降幅阈值、欠税金额、税务处罚以及是否被列入纳税非正常户名单等,其中,企业纳税数据的查询对象可以包括目标项目的用工单位和/或建设单位;预售监管资金数据可以包括但不限于目标项目的建设单位的剩余金额和进度是否不匹配以及是否存在异常划拨等;社保登记数据可以包括但不限于社保缴纳人数的降幅是否超预设的社保人数降幅阈值、社保缴纳金额的降幅是否超预设的社保金额降幅阈值以及是否存在社保欠费等,其中,社保登记数据的查询对象可以包括目标项目的用工单位和/或建设单位等;公积金登记数据可以包括但不限于公积金缴纳人数的降幅是否超预设的公积金人数降幅阈值以及公积金缴纳金额的降幅是否超预设的公积金金额降幅阈值等,其中,公积金登记数据的查询对象可以包括目标项目的用工单位和/或建设单位等;个税缴纳数据可以包括但不限于代缴个税人数的降幅是否超预设的个税人数降幅阈值等,其中,个税缴纳数据的查询对象可以包括目标项目的用工单位和/或建设单位。
项目信用数据可以指目标项目中信用的相关数据。例如,项目信用数据可以包括但不限于目标项目的企业经营风险数据、企业欠薪数据、企业信用数据等。企业经营风险数据可以包括但不限于是否破产、是否存在债务逾期以及标普、穆迪、惠誉的信用评级等;企业欠薪数据可以包括但不限于是否发生欠薪投诉以及是否存在拖欠工资历史等;企业信用数据可以包括但不限于是否受到公共信用库行政处罚、是否被列入企业黑名单、是否被列入企业经营异常名录以及企业的行政处罚基本信息等。其中,前述各类项目信用数据的查询对象可以包括目标项目的用工单位和/或建设单位。
项目用工数据可以指目标项目中用工的相关数据。项目用工数据可以包括派工记工数据。派工记工数据可以包括目标项目的是否超过预设的派工时间阈值(例如、一周)无新增派工、考勤记工率是否低于预设的考勤记工率阈值、记工考勤率是否低于预设的记工考勤率阈值、是否超过预设的记工时间阈值无新增记工以及是否存在记工超预设的记工确认时间阈值未确认等。
在一些实施例中,服务器可以通过采集终端对相应的采集对象进行采集,以获得目标项目数据。关于通过采集终端获得目标项目数据的更多内容可以参见图1及其相关描述。
在一些实施例中,服务器可以获取所有的目标项目数据。在一些实施例中,服务器可以仅获取目标项目数据中有效欠薪影响维度对应的数据。关于有效欠薪影响维度的更多内容可以参见图3及其相关描述。例如,当有效欠薪影响维度仅包括专户资金数据中的资金来源非登记建设单位以及发薪数据中的当前发薪率低于预设的发薪率阈值时,服务器获取的目标项目数据可以仅包括专户资金数据中的资金来源是否非登记建设单位以及发薪数据中的当前发薪率是否低于预设的发薪率阈值。
在一些实施例中,目标项目数据还可以包括目标项目的区域位置以及用于描述前述区域位置的特征数据。其中,目标项目的区域位置可以通过用工单位的相关项目登记信息获取。前述区域位置的特征数据可以指目标区域所在位置的相关数据。在一些实施例中,特征数据中至少一个数据受区域位置用工政策的影响。例如,区域位置的特征数据可以包括区域位置的欠薪惩罚特征数据和/或按时发薪奖励特征数据,其中,区域位置的欠薪惩罚特征数据和/或按时发薪奖励特征数据可以基于该区域位置的用工政策确定。欠薪惩罚特征数据可以表征当区域位置存在欠薪行为时,对企业(例如,目标项目的用工单位和/或建设单位)的相关惩罚,包括但不限于罚款金额、赔偿额、列入失信惩戒名单的时长、是否吊销证书等;按时发薪奖励特征数据可以表征当区域位置的目标项目按时发薪时,对企业的相关奖励,包括但不限于按时发薪的奖励、积极处理后的奖励等。服务器可以获取目标项目的区域位置,再基于目标项目的区域位置,获取区域位置的特征数据。服务器可以获取目标项目的区域位置,再通过采集装置获取区域位置所在地的用工政策,并对前述用工政策进行特征提取,从而获得区域位置的特征数据。服务器还可以基于目标项目的区域位置,对预设的用工政策数据库进行检索,确定对应的用工政策。其中,前述用工政策数据库可以包括各个区域位置的用工政策,服务器可以获取各个区域位置的用工政策,从而构建用工政策数据库。
在一些实施例中,目标项目数据还可以包括目标项目中用工人员的用工反馈数据。服务器可以通过采集终端向所述用工人员发送用工反馈请求,并采集用工人员对用工反馈请求的反馈,从而获得用工反馈数据,用工反馈请求可以指对目标项目的相关情况的咨询请求,相应地,用工反馈数据可以指用工人员对目标项目的相关情况的反馈。例如,服务器可以通过采集终端向目标项目的用工人员的手机通过调查问卷的形式发送用工反馈请求。调查问卷的内容可以包括但不限于项目发薪是否正常、项目施工进度是否正常等。用工人员可以对调查问卷进行答复,并发送至服务器,其中,答复后的调查问卷即为用工反馈数据。
在一些实施例中,服务器可以根据预设的发送频率,向目标项目的所有用工人员发送用工反馈请求。在一些实施例中,用工反馈请求的发送频率与发送范围可以与第一风险值相关。服务器可以基于第二风险值,根据预设规则,确定用工反馈请求的发送频率与发送范围。例如,当第二风险值属于[8,9]时,服务器可以确定用工反馈请求的发送频率为1月/次,发送范围为目标项目中用工人员总数的50%。关于第一风险值的更多内容可以参见步骤220及其相关描述。
在本说明书的一些实施例中,通过引入用户反馈数据作为目标项目数据的一种,进一步保证的目标项目数据的真实性,可以更清楚地了解目标项目的实际情况,从而准确地对目标项目的欠薪风险进行预测。
步骤220,基于目标项目数据,通过预设的风险评价模型确定目标项目的目标欠薪预警信息,并将目标欠薪预警信息发送至目标终端。在一些实施例中,步骤220可以由欠薪预警模块执行。
目标欠薪预警信息可以指用于提醒目标项目可能发生欠薪的信息。
在一些实施例中,目标欠薪预警信息可以包括目标欠薪风险值。前述目标欠薪风险值可以指目标项目可能发生欠薪的风险数值。目标欠薪风险值可以为某一具体数值(例如,10、100或1000),前述目标欠薪风险值越小,表征该目标项目发生欠薪的风险越高。
在一些实施例中,服务器可以通过预设的风险评价模型对目标项目数据进行处理,确定目标项目的目标欠薪预警信息。
在一些实施例中,预设的风险评价模型可以包括作为机器学习模型的风险评价模型。服务器可以直接将目标项目数据输入风险评价模型,还可以对目标项目数据进行特征提取,获得目标项目数据对应的特征向量,并将其输入至风险评价模型。风险评价模型的输出可以包括目标项目的目标欠薪风险值。风险评价模型可以为深度神经网络模型或其他可实现该功能的机器学习模型。
在一些实施例中,服务器可以通过训练获取前述风险评价模型。
服务器可以获取多组第一训练样本。针对每一组第一训练样本,第一训练样本可以包括第一样本项目的第一样本项目资金数据、第一样本项目信用数据以及第一样本项目用工数据中的至少一种,还可以包括第一样本项目的第一样本区域位置以及用于描述所述第一样本区域位置的第一样本特征数据。前述第一训练样本可以通过第一样本项目的历史数据获取,第一训练样本中的第一样本特征数据可以基于用工政策数据库获取,关于用工政策数据库的更多内容参见本说明书上文。
第一训练样本对应的第一训练标签可以包括第一样本项目的第一样本欠薪风险值。第一样本欠薪风险值可以通过多种方式获取。在一些实施例中,服务器可以获取第一样本项目的用工人员的样本用工反馈数据,并基于前述样本用工反馈数据,根据预设规则,确定该第一样本项目的第一样本欠薪风险值。第一样本欠薪风险值是通过用工人员的样本用工反馈数据确定的第一样本项目的欠薪风险值。在一些实施例中,服务器可以直接将第一样本欠薪风险值确定为第一样本项目的样本欠薪风险值。
在一些实施例中,服务器还可以通过作为数学模型的风险评价模型对第一训练样本进行处理,获得第一样本项目对应的第二样本欠薪风险值。第二样本欠薪风险值是通过作为数学模型的风险评价模型确定的第一样本项目的欠薪风险值。在一些实施例中,服务器可以直接将第二样本欠薪风险值确定为第一样本项目的样本欠薪风险值。关于作为数学模型的风险评价模型的更多内容可以参见图3及其相关描述。
在一些实施例中,服务器还可以基于第一样本欠薪风险值以及第二样本欠薪风险值,确定第一样本项目的样本欠薪风险值。例如,服务器可以根据预设规则,确定第一样本欠薪风险值以及第二样本欠薪风险值分别对应的权重,并对第一样本欠薪风险值以及第二样本欠薪风险值进行加权求和,将加权求和的结果确定为第一样本项目的样本欠薪风险值。
服务器可以将第一训练样本输入初始风险评价模型,基于初始风险评价模型的输出和第一训练标签构建损失函数,并基于损失函数迭代更新初始风险评价模型的参数。直至满足预设训练条件,训练完成,获得训练好的风险评价模型。前述训练条件可以包括但不限于损失函数收敛、训练周期达到阈值等。
在一些实施例中,当用工政策数据库中的用工政策发生变化时(例如,某一区域位置的用工政策有更新时),可以再次对前述训练好的风险评价模型进行训练,获得新的风险评价模型。
服务器可以获取多组第二训练样本。针对每一组第二训练样本,该第二训练样本可以包括第二样本项目的第二样本项目资金数据、第二样本项目信用数据以及第二样本项目用工数据中的至少一种,还可以包括第二样本项目的第二样本区域位置以及用于描述所述第二样本区域位置的第二样本特征数据。其中,前述第二样本特征数据相关于发生变化的用工政策。前述第二训练样本可以通过第二样本项目的历史数据获取,第二训练样本中的第二样本特征数据可以基于更新后的用工政策数据库获取。关于第二训练标签的获取方式可以参见本说明书上文第一训练标签的获取方式。
服务器可以基于多组第二训练样本对前述风险评价模型进行训练,获得新的风险评价模型。关于再次对风险评价模型进行训练的更多内容可以参见本说明书上文中对初始风险评价模型进行训练。
本说明书的一些实施例通过作为机器学习模型的风险评价模型对目标项目的项目数据进行处理,可以更加快速、准确地获取目标欠薪风险值。另外,当用工政策存在更新时,还可以对训练好的风险评价模型进行再次训练,获得新的风险评价模型,保证风险评价模型的时效性与准度性。
在一些实施例中,服务器可以基于目标项目的目标欠薪风险值,确定目标欠薪预警信息。例如,服务器可以直接将目标欠薪风险值确定为目标欠薪预警信息。
在一些实施例中,目标欠薪预警信息还可以包括目标项目的欠薪预警类型。不同的欠薪预警类型表征目标项目发生欠薪的不同概率。例如,欠薪预警类型可以包括Ⅰ级欠薪风险、Ⅱ级欠薪风险以及Ⅲ级欠薪风险,欠薪预警类型的等级越低,表征目标项目的欠薪风险越高。又例如,欠薪预警类型还可以包括黄色预警、橙色预警以及红色预警,其中,黄色预警、橙色预警以及红色预警表征目标项目的欠薪风险依次递增。再例如,欠薪预警类型还可以包括目标项目无欠薪风险以及目标项目存在欠薪风险。
在一些实施例中,服务器可以基于目标欠薪风险值,通过多种方式确定欠薪预警类型。服务器可以基于目标欠薪风险值,确定对应的预警范围,从而确定该预警范围对应的欠薪预警类型。在一些实施例中,前述预警范围可以与预警系数相关。关于预警系数的更多内容可以参见图6及其相关描述。预警范围还可以直接预设。
在一些实施例中,目标欠薪预警信息还可以包括对目标项目的监管建议。服务器可以基于目标欠薪风险值和/或欠薪预警类型,根据预设规则,确定对目标项目的监管建议。例如,当目标项目的欠薪预警类型为红色预警时,服务器可以根据预设规则,确定监管建议可以包括委派监管组对该项目进行进一步地实地考察,加强对该项目的监管。
在一些实施例中,预设的风险评价模型可以包括作为数学模型的风险评价模型。前述作为数学模型的风险评价模型可以基于有效欠薪影响维度及其对应的有效欠薪影响因子构建。关于有效欠薪影响维度、其对应的有效欠薪影响因子以及如何构建作为数学模型的风险评价模型的更多内容可以参见图3~5及其相关描述。
在一些实施例中,服务器可以基于目标项目数据、有效欠薪影响维度及其对应的有效欠薪影响因子,确定目标欠薪影响因子;基于目标欠薪影响因子,通过前述风险评价模型确定目标项目的目标欠薪预警信息。关于上述实施例的更多内容可以参见图3及其相关描述。
在一些实施例中,预设的风险评价模型可以包括作为机器学习模型的风险评价模型以及作为数学模型的风险评价模型。其中,作为机器学习模型的风险评价模型又可以称为第一风险评价模型,作为数学模型的风险评价模型又可以称为第二风险评价模型。即,预设的风险评价模型可以包括第一风险评价模型与第二风险评价模型。
在一些实施例中,服务器可以基于第一风险评价模型对目标项目数据进行处理,从而确定目标项目的第一风险值。第一风险值可以指基于第一风险评价模型确定的目标项目的欠薪风险值。关于确定第一风险值的更多内容可以参见本说明书上文。
在一些实施例中,服务器可以基于目标项目数据、有效欠薪影响维度及其对应的有效欠薪影响因子,确定目标欠薪影响因子;基于目标欠薪影响因子,通过第二风险评价模型,确定目标项目的第二风险值。第二风险值可以为基于第二风险评价模型确定的目标项目的欠薪风险值。关于确定第二风险值的更多内容可以参见图3及其相关描述。
在一些实施例中,服务器还可以获取目标项目的用工反馈数据,并基于用工反馈数据,根据预设规则,确定目标项目的第三风险值。第三风险值可以为基于目标项目中用工人员的用工反馈数据确定的目标项目的欠薪风险值。
在一些实施例中,服务器可以基于第一风险值、第二风险值以及第三风险值中的至少一种,确定目标欠薪风险值。例如,服务器可以直接将第一风险值、第二风险值或第三风险值确定为目标欠薪风险值。再例如,服务器可以确定第一风险值以及第二风险值分别对应的权重,并对第一风险值以及第二风险值进行加权求和,将加权求和的结果确定为目标欠薪风险值。
在一些实施例中,服务器可以将目标欠薪预警信息发送至目标终端,以便使用目标终端的用户可以清楚地了解到目标项目可能存在的欠薪风险。
本说明书的一些实施例通过对多个直接或间接维度的目标项目数据进行分析处理,可以确定目标项目的目标欠薪预警信息,预先了解目标项目的欠薪风险,从而可以使得各监管机构提前加强对目标项目的发薪监管,将欠薪事件的事后补救变为事前管控,避免欠薪事件的发生,保障务工人员的合法权益。
图3是根据本说明书一些实施例所示的又一欠薪预警方法的示例性流程图。在一些实施例中,流程300可以由服务器执行。如图3所示,流程300包括下述步骤:
步骤310,基于目标项目数据、有效欠薪影响维度及其对应的有效欠薪影响因子,确定目标欠薪影响因子。在一些实施例中,步骤310可以由欠薪预警模块执行。
有效欠薪影响维度可以指对项目是否会发生欠薪事件存在影响的维度。例如,有效欠薪影响维度可以包括但不限于专户资金数据中的资金来源非登记建设单位、发薪数据中的当前发薪率低于预设的发薪率阈值等。服务器可以确定一个或多个有效欠薪影响维度,每一有效欠薪影响维度均对目标项目是否会发生欠薪事件存在影响。
可以理解的是,不同的有效欠薪影响维度对项目的影响程度可能不同。在一些实施例中,服务器可以基于有效欠薪影响维度对应的有效欠薪影响因子,表征有效欠薪影响维度对项目是否会发生欠薪事件的影响程度。有效欠薪影响因子可以通过数值表示。例如,有效欠薪影响因子可以为0.1~1的数值,有效欠薪影响因子越大,表征其对应的有效欠薪影响维度的事件发生时,对目标项目是否会发生欠薪事件的影响越大。当有效欠薪影响维度对应的事件未发生时,服务器可以将该有效欠薪影响维度对应的有效欠薪影响因子确定为0。
在一些实施例中,服务器可以获取多个参考项目中每一个对应的参考项目数据,并对其进行处理,从而确定有效欠薪影响维度及其对应的有效欠薪影响因子。关于确定有效欠薪影响维度及其对应的有效欠薪影响因子的更多内容可以参见图4及其相关描述。
目标欠薪影响因子可以指目标项目中存在的有效欠薪影响维度对应的有效欠薪影响因子。服务器可以基于目标项目数据以及有效欠薪影响维度,确定会对目标项目内是否发生有效欠薪影响维度对应的事件,从而确定目标欠薪影响因子。当目标项目中未发生某一有效欠薪影响维度对应的事件时,可以将该有效欠薪影响维度对应的目标欠薪影响因子确定为0。例如,第1个有效欠薪影响维度可以为当前发薪率低于预设的发薪率阈值,当目标项目数据包括当前发薪率未低于预设的发薪率阈值时,服务器可以确定该有效欠薪影响维度对应的目标欠薪影响因子确定为0。当目标项目中发生了某一有效欠薪影响维度对应的事件时,服务器可以根据有效欠薪影响维度与有效欠薪影响因子的对应关系,确定该有效欠薪影响维度对应的目标欠薪影响因子确定为0。
示例性地,当有效欠薪影响维度包括专户资金数据中的资金来源非登记建设单位、发薪数据中的当前发薪率低于预设的发薪率阈值以及当前未发薪金额超过保证金,目标项目数据包括专户资金数据中的资金来源为登记建设单位、发薪数据中的当前发薪率低于预设的发薪率阈值以及当前未发薪金额超过保证金时,服务器可以确定目标项目中未发生有效欠薪影响维度中资金来源非登记建设单位对应的时间,因此,该有效欠薪影响维度对应的目标欠薪影响因子为0。服务器还可以目标项目中发生了有效欠薪影响维度中发薪数据中的当前发薪率低于预设的发薪率阈值以及当前未发薪金额超过保证金对应的时间。服务器可以进一步基于有效欠薪影响维度与有效欠薪影响因子的对应关系,确定前述两个有效欠薪影响维度对应的目标欠薪影响因子。
步骤320,基于目标欠薪影响因子,通过预设的风险评价模型确定目标项目的目标欠薪预警信息。在一些实施例中,步骤320可以由欠薪预警模块执行。
在一些实施例中,服务器可以通过预设的风险评价模型对目标欠薪影响因子进行处理,从而确定目标欠薪风险值。其中,预设的风险评价模型可以为数学模型。
在一些实施例中,风险评价模型可以基于有效欠薪影响维度及其对应的有效欠薪影响因子构建。风险评价模型可以如公式(1)所示:
(1)
其中,表示目标欠薪风险值,表示目标项目预设的初始分值,例如,可以为10或100;可以为有效欠薪影响维度的维度数量;可以为第个有效欠薪影响维度对应的有效欠薪影响因子。
在一些实施例中,服务器可以将目标欠薪风险值确定为目标欠薪预警信息。
在一些实施例中,服务器还可以获取所述目标项目的至少一个预警系数;基于所述至少一个预警系数,确定所述目标项目对应的至少一个预警阈值;基于所述目标项目数据,通过所述预设的风险评价模型确定所述目标项目的目标欠薪风险值;基于所述目标欠薪风险值以及所述至少一个预警阈值,确定所述目标项目的欠薪预警类型。关于上述实施例的更多内容可以参见图6及其相关描述。
本说明书的一些实施例基于目标项目数据,从多个维度对目标项目的欠薪可能性进行评价,可以提前确定目标项目的目标欠薪预警信息,将欠薪事件从事后地被动处理变为事前地欠薪预警,提前消除欠薪隐患,避免舆情事件发生,维持社会稳定。
图4是根据本说明书一些实施例所示的确定有效欠薪影响维度及其对应的有效欠薪影响因子的示例性流程图。在一些实施例中,流程400可以由服务器执行。如图4所示,流程400包括下述步骤:
步骤410,获取多个参考项目中每一个对应的参考项目数据,其中,参考项目数据包括参考项目的参考项目资金数据、参考项目信用数据以及参考项目用工数据中的至少一种,还包括参考项目的参考项目欠薪数据。在一些实施例中,步骤410可以由欠薪预警模块执行。
参考项目可以指用于参考的已完成项目。参考项目数据可以指参考项目的相关数据。在一些实施例中,与目标项目数据类似的,参考项目数据可以包括参考项目的参考项目资金数据、参考项目信用数据以及参考项目用工数据中的至少一种。其中,参考项目资金数据可以指参考项目资金的相关数据,参考项目信用数据可以指参考项目中信用的相关数据,参考项目用工数据可以指参考项目中用工的相关数据。在一些实施例中,参考项目数据还可以包括参考项目的参考项目欠薪数据。参考项目的欠薪数据可以指参考项目是否发生欠薪的相关数据。
服务器可以基于采集终端对参考对象的相关采集对象进行采集,从而获取参考项目数据。例如,服务器可以通过电脑从相关的公示网站获取参考项目的参考项目数据。
步骤420,针对每一个参考项目,基于该参考项目的参考项目资金数据、参考项目信用数据以及参考项目用工数据中的至少一种,确定参考项目的多个初始欠薪影响维度分别对应的第一欠薪影响因子。在一些实施例中,步骤420可以由欠薪预警模块执行。
初始欠薪影响维度可以指表征初步确定的对项目是否会发生欠薪存在影响的维度。初始欠薪影响维度可以预先设定。例如,可以通过人工标注的方式,从参考项目的所述参考项目资金数据、所述参考项目信用数据以及所述参考项目用工数据中的至少一种中,预先设定8个可能会对项目是否会发生欠薪存在影响初始欠薪影响维度。
第一欠薪影响因子可以表征与其对应的初始欠薪影响维度对项目是否会发生欠薪的影响程度。第一欠薪影响因子可以预先设定。例如,可以预先设定各个初始欠薪影响维度对应的第一欠薪影响因子均为1。
步骤430,基于各个参考项目对应的多个第一欠薪影响因子以及参考项目数据,从多个初始欠薪影响维度中确定有效欠薪影响维度及其对应的有效欠薪影响因子。在一些实施例中,步骤430可以由欠薪预警模块执行。
在一些实施例中,服务器可以进行建模或采用各种数据分析算法,例如,回归分析法、判别分析法等,对各个参考项目对应的多个第一欠薪影响因子以及参考项目数据进行分析处理,从多个初始欠薪影响维度中确定有效欠薪影响维度及其对应的有效欠薪影响因子。
在一些实施例中,多个参考项目可以包括至少一组第一参考项目以及至少一个第二参考项目,其中,至少一组第一参考项目中的每一组至少包含一个参考项目。例如,服务器可以将110个参考项目分为10组第一参考项目,与10个第二参考项目,其中每组第一参考项目中包含10个参考项目。第一参考项目可以指用于计算第二欠薪影响因子的参考项目。第二参考项目可以指用于对第二欠薪影响因子进行修正的参考项目。
在一些实施例中,针对多个第一欠薪影响因子中每一个,服务器可以基于至少一组第一参考项目对应的参考项目数据,确定与第一欠薪影响因子对应的初始欠薪影响维度的精准率;基于精准率以及第一欠薪影响因子,确定该初始欠薪影响维度对应的第二欠薪影响因子。在一些实施例中,服务器可以直接将满足预设条件的第二欠薪影响因子确定为有效欠薪影响因子,并将满足预设条件的第二欠薪影响因子对应的初始欠薪影响维度确定为有效欠薪影响维度。关于上述实施例的更多内容可以参见图5及其相关描述。
在一些实施例中,服务器还可以基于至少一个第二参考项目对应的参考项目数据对第二欠薪影响因子进行修正,获得修正后的第二欠薪影响因子;当修正后的第二欠薪影响因子满足预设条件时,将该初始欠薪影响维度确定为有效欠薪影响维度,并将修正后的第二欠薪影响因子确定为有效欠薪影响维度对应的有效欠薪影响因子。关于上述实施例的更多内容可以参见图5及其相关描述。
本说明书的一些实施例中,通过对参考项目数据进行分析处理,从而可以确定地确定出对项目是否会欠薪存在影响的有效欠薪影响维度及其对应的有效欠薪影响因子,从而能够进一步快速准确地预测出目标项目的欠薪风险,便于提前消除目标项目的欠薪隐患。
图5是根据本说明书一些实施例所示的又一确定有效欠薪影响维度及其对应的有效欠薪影响因子的示例性流程图。在一些实施例中,流程500可以由服务器执行。如图5所示,流程500包括下述步骤:
步骤510,针对多个第一欠薪影响因子中每一个,基于至少一组第一参考项目对应的参考项目数据,确定与第一欠薪影响因子对应的初始欠薪影响维度的精准率。在一些实施例中,步骤510可以由欠薪预警模块执行。
精准率可以指当项目发生该初始欠薪影响维度对应的事件时,将会发生欠薪事件的概率。在一些实施例中,针对每一组第一参考项目,服务器可以该组第一参考项目对应的参考项目数据,对每一个初始欠薪影响维度的精准率进行计算。精准率的计算方法如公式(2)所示:
其中,表示第组第一参考项目中第个初始欠薪影响维度的精准率;表示第组第一参考项目中,第个初始欠薪影响维度对应的事件发生的次数,可以基于第组参考项目对应的参考项目数据确定;表示第组第一参考项目中发生了第个初始欠薪影响维度对应的事件,且发生欠薪事件的项目数量,可以基于第组参考项目对应的参考项目欠薪数据确定。
示例性地,第组第一参考项目中有100个第一参考项目发生了水电欠费,其中,前述100个第一参考项目中有80个第一参考项目发生了欠薪事件,服务器则可以确定第组中水电欠费这一初始欠薪影响维度对应的精准率为80/100,即0.8。
步骤520,基于精准率以及第一欠薪影响因子,确定该初始欠薪影响维度对应的第二欠薪影响因子。在一些实施例中,步骤520可以由欠薪预警模块执行。
第二欠薪影响因子可以指综合了多组第一参考项目对应的参考项目数据获得的欠薪影响因子。
在一些实施例中,服务器可以基于各组第一参考项目中各个初始欠薪影响维度的精准率,确定各个初始欠薪影响维度的平均精准率。各个初始欠薪影响维度的平均精准率的计算方法如公式(3)所示:
其中,表示第个初始欠薪影响维度的平均精准率;表示第组第一参考项目中第个初始欠薪影响维度的精准率;表示第一参考项目的组数。
针对每一初始欠薪影响维度,服务器可以基于该初始欠薪影响维度的平均精准率,确定该初始欠薪影响维度对应的第二欠薪影响因子。第二欠薪影响因子的计算方法如公式(4)所示:
其中,表示第个初始欠薪影响维度对应的第二欠薪影响因子;表示第个初始欠薪影响维度对应的第一欠薪影响因子;表示第个初始欠薪影响维度的平均精准率。
在一些实施例中,服务器可以直接将满足预设条件的第二欠薪影响因子确定为有效欠薪影响因子,并将满足预设条件的第二欠薪影响因子对应的初始欠薪影响维度确定为有效欠薪影响维度。例如,服务器可以将大于预设阈值的第二欠薪影响因子确定为有效欠薪影响因子,并将大于预设阈值的第二欠薪影响因子对应的初始欠薪影响维度确定为有效欠薪影响维度。
针对每一初始欠薪影响维度,服务器还可以基于各个初始欠薪影响维度的精准率,确定各个初始欠薪影响维度的精准率标准差。各个初始欠薪影响维度的精准率标准差的计算方法如公式(5)所示:
其中,表示第个初始欠薪影响维度的精准率标准差;表示第组第一参考项目中第个初始欠薪影响维度的精准率;表示第个初始欠薪影响维度的平均精准率;表示第一参考项目的组数。
步骤530,基于至少一个第二参考项目对应的参考项目数据对第二欠薪影响因子进行修正,获得修正后的第二欠薪影响因子。在一些实施例中,步骤530可以由欠薪预警模块执行。
针对每一第二欠薪影响因子,服务器可以基于至少一个第二参考项目对应的参考项目数据对该第二欠薪影响因子进行修正,获得修改后的第二欠薪影响因子。
针对每一个第二参考项目,服务器可以基于该第二参考项目对应的参考项目数据,对各个第二欠薪影响因子进行修正。服务器可以基于第个第二参考项目对应的参考项目数据,对第个初始欠薪影响维度对应的第二欠薪影响因子进行修正,当第个第二参考项目对应的参考项目数据表征第个初始欠薪影响维度对应的事件发生,且该第二参考项目发生欠薪事件时,服务器可以通过公式(6)对第个初始欠薪影响维度对应的第二欠薪影响因子进行修正:
(6)
其中,表示基于第个第二参考项目,对第个初始欠薪影响维度对应的第二欠薪影响因子进行修正后,获得的初始修正后的第二欠薪影响因子;表示第个初始欠薪影响维度对应的第二欠薪影响因子;表示第个初始欠薪影响维度的精准率标准差;表示对第二欠薪影响因子进行修正的第一修正系数,可以通过预先设置获取,例如,可以预先设置为0.1。
当第个第二参考项目对应的参考项目数据表征第个初始欠薪影响维度对应的事件发生,但该第二参考项目未发生欠薪事件时,服务器可以通过公式(7)对第个初始欠薪影响维度对应的第二欠薪影响因子进行修正:
(7)
其中,表示基于第个第二参考项目,对第个初始欠薪影响维度对应的第二欠薪影响因子进行修正后,获得的初始修后正的第二欠薪影响因子;表示第个初始欠薪影响维度对应的第二欠薪影响因子;表示第个初始欠薪影响维度的精准率标准差;表示对第二欠薪影响因子进行修正的第二修正系数,可以通过预先设置获取,例如,也可以预先设置为0.1。
在一些实施例中,服务器可以通过公式(8)确定第个初始欠薪影响维度对应的修正后的第二欠薪影响因子:
其中,表示第个初始欠薪影响维度对应的修正后的第二欠薪影响因子;表示基于第个第二参考项目,对第个初始欠薪影响维度对应的第二欠薪影响因子进行修正后,获得的初始修后正的第二欠薪影响因子;表示第二参考项目的数量。
在一些实施例中,风险评价模型在运行时,服务器还可以不断地基于目标项目的目标项目数据对各个有效欠薪影响维度对应的有效欠薪影响因子继续进行修正,直至前述有效欠薪影响因子收敛。
步骤540,当修正后的第二欠薪影响因子满足预设条件时,将该修正后的第二欠薪影响因子确定为有效欠薪影响因子,并将该修正后的第二欠薪影响因子对应的初始欠薪影响维度确定为有效欠薪影响维度。在一些实施例中,步骤540可以由欠薪预警模块执行。
预设条件可以包括修正后的第二欠薪影响因子大于预设阈值。当修正后的第二欠薪影响因子未大于预设阈值时,可以认为对应的初始欠薪影响维度对项目是否会存在欠薪的影响较小,可以将该维度舍弃。预设阈值可以预先设定。例如,预设条件可以包括修正后的第二欠薪影响因子大于0.1。服务器可以基于预设条件对修正后的第二欠薪影响因子进行筛选,从而获得多个有效欠薪影响维度及其对应的有效欠薪影响因子。
本说明书的一些实施例通过上述方式,可以快速、准确地确定对项目是否会欠薪存在影响的有效欠薪影响维度及其对应的有效欠薪影响因子,从而有利于预测出目标项目的欠薪风险,提前消除目标项目的欠薪隐患。
图6是根据本说明书一些实施例所示的确定目标项目的欠薪预警类型的示例性流程图。在一些实施例中,流程600可以由服务器执行。如图6所示,流程600包括下述步骤:
步骤610,获取目标项目的至少一个预警系数。在一些实施例中,步骤610可以由欠薪预警模块执行。
预警系数可以用于表征对目标项目的监管程度。预警系数可以通过多种方式确定。例如,服务器可以预设有至少一个预警系数。再例如,预警系数可以由用户(例如,各监管机构)根据其对各个项目的监管需求进行设置,服务器可以获取用户所设置的至少一个预警叙述。如,某一监管机构可以基于其对目标项目的监管需求,设置三个预警系数,分别为、以及。
步骤620,基于至少一个预警系数,确定目标项目对应的至少一个预警阈值。在一些实施例中,步骤620可以由欠薪预警模块执行。
预警阈值可以指用于判断是否需要向目标终端发送目标欠薪预警信息的阈值。
在一些实施例中,服务器可以通过多种方式对至少一个预警系数进行处理,从而确定至少一个预警阈值。
服务器可以将前述至少一个预警系数与项目预设的初始分值相乘,将乘积作为预警阈值。例如,至少一个预警系数可以包括0.6,目标项目预设的初始分值可以为10,服务器可以确定目标项目对应的预警阈值为6。
在一些实施例中,服务器可以确定目标项目中有效欠薪影响维度的维度数量。关于确定有效欠薪影响维度的维度数量的更多内容可以参见图5及其相关描述。
在一些实施例中,针对至少一个预警系数中的每一个,服务器可以基于预警系数以及维度数量,确定目标项目在该预警系数下的预警阈值。服务器可以通过公式(9)确定至少一个预警阈值:
(9)
其中,表示第个预警阈值,表示目标项目预设的初始分值;表示有效欠薪影响维度的数量;表示第个预警系数。
示例性地,当目标项目预设的初始分值为10,服务器获取到目标项目对应有三个预警系数分别为、以及时,服务器可以确定目标项目对应的三个预警阈值,分别为,,。
步骤630,基于目标项目数据,通过预设的风险评价模型确定目标项目的目标欠薪风险值。在一些实施例中,步骤630可以由欠薪预警模块执行。
关于步骤630的更多内容可以参见图3及其相关描述。
步骤640,基于目标欠薪风险值以及至少一个预警阈值,确定目标项目的欠薪预警类型。在一些实施例中,步骤640可以由欠薪预警模块执行。
服务器可以基于至少一个预警阈值构成至少一个预警范围。每一个预警范围可以对应一种欠薪预警类型,预警范围与欠薪预警类型的对应关系可以根据预设规则确定。
例如,当目标项目预设的初始分值为10,且仅对应一个预警阈值6时,服务器可以确定目标项目对应存在两个预警范围,分别为[6,10]以及(-,6)。当目标项目的目标欠薪分值信息属于[6,10]时,可以确定欠薪预警类型为目标项目无欠薪风险;当目标项目的目标欠薪分值信息属于(-,6)时,可以确定欠薪预警类型为目标项目存在欠薪风险。
再例如,当目标项目对应存在三个预警阈值、以及,其中,>时,服务器可以确定目标项目对应存在两个预警范围,分别为[,)、[,) 以及(-,)以及。当目标项目的目标欠薪分值信息属于[,)时,可以确定欠薪预警类型为黄色预警;当目标项目的目标欠薪分值信息属于[,)时,可以确定欠薪预警类型为橙色预警;当目标项目的目标欠薪分值信息属于(-,)时,可以确定欠薪预警类型为红色预警。
本说明书的一些实施例使用户可以根据需要为不同的项目进行不同程度的欠薪监管,使得对项目的欠薪监管更加灵活。同时,还可以近一步对项目的欠薪风险程度进行了解,以便用户根据不同的风险,采取不同的监管行为。例如,加强对存在较高欠薪风险的项目的监管,以避免舆情事件的发生。
本说明书还提供一种欠薪预警装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如本说明书实施例中任一项所述的欠薪预警方法。
本说明书还提供一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如本说明书实施例中任意一项所述的欠薪预警方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种欠薪预警方法,其特征在于,该方法由服务器执行,包括:
获取目标项目的目标项目数据,所述目标项目数据包括所述目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种,所述目标项目数据由采集终端采集;
基于所述目标项目数据,通过预设的风险评价模型确定所述目标项目的目标欠薪预警信息,并将所述目标欠薪预警信息发送至目标终端。
2.如权利要求1所述的方法,其特征在于,所述基于所述目标项目数据,通过预设的风险评价模型确定所述目标项目的目标欠薪预警信息包括:
基于所述目标项目数据、有效欠薪影响维度及其对应的有效欠薪影响因子,确定目标欠薪影响因子,其中,所述有效欠薪影响维度表征对项目是否会发生欠薪存在影响的维度,所述有效欠薪影响因子表征与其对应的有效欠薪影响维度对项目是否会发生欠薪的影响程度;
基于所述目标欠薪影响因子,通过所述预设的风险评价模型确定所述目标项目的目标欠薪预警信息。
3.如权利要求2所述的方法,其特征在于,所述风险评价模型基于所述有效欠薪影响维度及其对应的所述有效欠薪影响因子构建。
4.如权利要求2所述的方法,其特征在于,所述有效欠薪影响维度及其对应的所述有效欠薪影响因子通过以下方式获取:
获取多个参考项目中每一个对应的参考项目数据,其中,所述参考项目数据包括参考项目的参考项目资金数据、参考项目信用数据以及参考项目用工数据中的至少一种,还包括所述参考项目的参考项目欠薪数据;
针对每一个所述参考项目,
基于该参考项目的所述参考项目资金数据、所述参考项目信用数据以及所述参考项目用工数据中的至少一种,确定所述参考项目的多个初始欠薪影响维度以及所述多个初始欠薪影响维度分别对应的第一欠薪影响因子,其中,所述初始欠薪影响维度表征初步确定的对项目是否会发生欠薪存在影响的维度,所述第一欠薪影响因子表征与其对应的初始欠薪影响维度对项目是否会发生欠薪的影响程度;
基于各个参考项目对应的多个第一欠薪影响因子以及所述参考项目数据,从所述多个初始欠薪影响维度中确定所述有效欠薪影响维度及其对应的所述有效欠薪影响因子。
5.如权利要求4所述的方法,其特征在于,所述多个参考项目包括至少一组第一参考项目以及至少一个第二参考项目,其中,所述至少一组第一参考项目中的每一组至少包含一个参考项目,
所述基于各个参考项目对应的多个第一欠薪影响因子以及所述参考项目数据,从所述多个初始欠薪影响维度中确定所述有效欠薪影响维度及其对应的所述有效欠薪影响因子包括:
针对所述多个第一欠薪影响因子中每一个,基于所述至少一组第一参考项目对应的参考项目数据,确定与第一欠薪影响因子对应的初始欠薪影响维度的精准率;
基于所述精准率以及所述第一欠薪影响因子,确定该初始欠薪影响维度对应的第二欠薪影响因子;
基于所述至少一个第二参考项目对应的参考项目数据对所述第二欠薪影响因子进行修正,获得修正后的第二欠薪影响因子;
当所述修正后的第二欠薪影响因子满足预设条件时,将所述修正后的第二欠薪影响因子确定为所述有效欠薪影响因子,并将所述修正后的第二欠薪影响因子对应的初始欠薪影响维度确定为所述有效欠薪影响维度。
6.如权利要求1所述的方法,其特征在于,所述目标欠薪预警信息包括所述目标项目的欠薪预警类型,所述基于所述目标项目数据,通过预设的风险评价模型确定所述目标项目的目标欠薪预警信息包括:
获取所述目标项目的至少一个预警系数;
基于所述至少一个预警系数,确定所述目标项目对应的至少一个预警阈值;
基于所述目标项目数据,通过所述预设的风险评价模型确定所述目标项目的目标欠薪风险值;
基于所述目标欠薪风险值以及所述至少一个预警阈值,确定所述目标项目的欠薪预警类型。
7.如权利要求6所述的方法,其特征在于,所述基于所述至少一个预警系数,确定所述目标项目对应的至少一个预警阈值包括:
确定所述目标项目中有效欠薪影响维度的维度数量,其中,所述有效欠薪影响维度表征对项目是否会发生欠薪存在影响的维度;
针对所述至少一个预警系数中的每一个,基于预警系数以及所述维度数量,确定所述目标项目在该预警系数下的预警阈值。
8.一种欠薪预警系统,其特征在于,包括:
获取模块,用于获取目标项目的目标项目数据,所述目标项目数据包括所述目标项目的项目资金数据、项目信用数据以及项目用工数据中的至少一种,所述目标项目数据由采集终端采集;
欠薪预警模块,用于基于所述目标项目数据,通过预设的风险评价模型确定所述目标项目的目标欠薪预警信息,并将所述目标欠薪预警信息发送至目标终端。
9.一种欠薪预警装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~7任意一项所述的欠薪预警方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求1~7任意一项所述的欠薪预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310086975.XA CN115936447A (zh) | 2023-02-09 | 2023-02-09 | 一种欠薪预警方法、系统、装置以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310086975.XA CN115936447A (zh) | 2023-02-09 | 2023-02-09 | 一种欠薪预警方法、系统、装置以及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936447A true CN115936447A (zh) | 2023-04-07 |
Family
ID=86556204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310086975.XA Pending CN115936447A (zh) | 2023-02-09 | 2023-02-09 | 一种欠薪预警方法、系统、装置以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936447A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853081A (zh) * | 2024-02-06 | 2024-04-09 | 一智科技(成都)有限公司 | 一种记工预警系统 |
-
2023
- 2023-02-09 CN CN202310086975.XA patent/CN115936447A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853081A (zh) * | 2024-02-06 | 2024-04-09 | 一智科技(成都)有限公司 | 一种记工预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11727504B2 (en) | System and method for automated blockchain custody service for managing a set of custodial assets with block chain authenticity verification | |
CA3118308A1 (en) | Adaptive intelligence and shared infrastructure lending transaction enablement platform | |
US20180082368A1 (en) | System and method for detecting fraudulent account access and transfers | |
CA3169998A1 (en) | Artificial intelligence selection and configuration | |
Fella et al. | Education and crime over the life cycle | |
US20170186085A1 (en) | System and method for dynamic monitoring of credit parameters | |
US20130346328A1 (en) | Method and system for assessing compliance risk of regulated institutions | |
KR20150002436U (ko) | 대출 중개 플랫폼 시스템 | |
Heyes | Environmental regulation by private contest | |
US20140222716A1 (en) | Methods And Systems For Processing Debt Portfolios | |
KR102321484B1 (ko) | 문제 해결 시스템 및 문제 해결 방법 | |
CN111433808A (zh) | 全球点对点退休储蓄系统的系统和方法 | |
US20030144933A1 (en) | Method and apparatus for determining a customer's likelihood of reusing a financial account | |
CN115936447A (zh) | 一种欠薪预警方法、系统、装置以及介质 | |
US20150120528A1 (en) | Electronic donation management system and method | |
KR101694363B1 (ko) | 대출 중개 시스템 및 방법 | |
CN107004168A (zh) | 劳务资产信息管理装置、方法以及计算机程序 | |
Michel et al. | Using Financial Regulation to Fight Climate Change: A Losing Battle | |
CN114493218A (zh) | 投标主体的信用评价系统、方法、电子设备及存储介质 | |
Nikolova | Tax Audit and Taxation in the Paradigm of Sustainable Development: The Impact on Economic, Social and Environmental Development | |
Chick | The impact of credit management on the financial performance of microfinance institution | |
KR102322583B1 (ko) | 광고수익을 매개로 한 투자유치 운영컴퓨터, 광고수익을 매개로 한 투자유치 시스템 및 광고수익을 매개로 한 투자유치 방법 | |
Zhao | Regulation and supervision of internet finance and consumer protection in China | |
Ljubanović et al. | TAX PROCEDURES IN DIGITAL DECADE–SITUATION ASSESSMENT AND PERSPECTIVES | |
OVSEYCHIK | Development of internal-ratings based approach towards estimation of credit risk in Russian banking practice |
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 |