CN116011809A - 风险事件的评估方法、装置、设备及存储介质 - Google Patents
风险事件的评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116011809A CN116011809A CN202211621272.4A CN202211621272A CN116011809A CN 116011809 A CN116011809 A CN 116011809A CN 202211621272 A CN202211621272 A CN 202211621272A CN 116011809 A CN116011809 A CN 116011809A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- risk
- evaluation result
- result
- evaluated
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种风险事件的评估方法、装置、设备及存储介质,其中,所述方法包括:获取待评估风险事件;对所述待评估风险事件进行评估获取第一评估结果,所述第一评估结果是基于预设的风险评估模型获取的;确定与所述待评估风险事件对应的评估专家,并将所述待评估的风险事件和所述第一评估结果发送给所述评估专家;获取所述评估专家针对所述待评估风险事件进行评估给出的第二评估结果;根据第一评估结果和第二评估结果,确定目标评估结果。采用本发明,可以提高风险事件评估的准确性和可解释性。
Description
技术领域
本发明涉及风险评估技术领域,尤其涉及一种风险事件的评估方法、装置、计算机设备及计算机可读存储介质。
背景技术
风险事件的管理一般包括风险事件监测、风险事件评估、风险事件处置3个环节,其中,对监测到的风险事件的严重程度及影响的评估是风险事件后续跟进处置的基础。在目前的风险事件监测中,一般是通过系统全自动化方式完成的,系统自动识别监测到的风险事件是否存在风险,但是这种风险事件评估难以结合事件背后的起因、进展以及其他因素进行深层分析,导致评估结果在实操层面指导性不足,可解释性不强。
发明内容
基于此,有必要针对上述问题,提出了一种风险事件的评估方法、装置、计算机设备及计算机可读存储介质。
在本发明的第一部分,提供了一种风险事件的评估方法,所述方法包括:
获取待评估风险事件;
对所述待评估风险事件进行评估获取第一评估结果,所述第一评估结果是基于预设的风险评估模型获取的;
确定与所述待评估风险事件对应的评估专家,并将所述待评估的风险事件和所述第一评估结果发送给所述评估专家;
获取所述评估专家针对所述待评估风险事件进行评估给出的第二评估结果;
根据第一评估结果和第二评估结果,确定目标评估结果。
可选的,所述根据第一评估结果和第二评估结果,确定目标评估结果的步骤,还包括:将所述目标评估结果发送给用户,获取用户针对所述目标评估结果给出的反馈结果;根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化。
可选的,所述对所述待评估风险事件进行评估获取第一评估结果的步骤,还包括:确定所述待评估风险事件的风险维度和判定规则,根据所述确定的风险维度和判定规则、通过所述预设的风险评估模型对所述待评估风险事件进行评估,获取所述预设的风险评估模型的输出结果作为所述第一评估结果,其中,所述第一评估结果包括与待评估风险事件对应的第一评估等级。
可选的,所述确定与所述待评估风险事件对应的评估专家的步骤,还包括:计算所述待评估风险事件与专家库中的评估专家之间的匹配度,其中,计算所述待评估风险事件的风险维度、所述待评估风险事件对应的属性信息与评估专家的属性信息之间的匹配度作为所述待评估风险事件与所述评估专家之间的匹配度;根据所述匹配度在所述专家库中确定与所述待评估风险事件对应的评估专家;其中,所述待评估风险事件对应的属性信息包括所述待评估风险事件的监测企业及其所属行业、地区中的一个或多个;所述评估专家的属性信息包括评估专家对应的行业、地区、企业主体、当前评估任务量、评估时效、历史评估记录中的一个或多个。
可选的,所述根据第一评估结果和第二评估结果,确定目标评估结果的步骤,还包括:若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级匹配,则将所述第二评估结果作为所述目标评估结果;若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级不匹配,则:根据所述第一评估结果和第二评估结果,按照预设的评估结果合成方法生成目标评估结果;或,将所述第一评估结果和第二评估结果发送给预设的评估审核人员,并接收评估审核人员根据第一评估结果和/或第二评估结果给出的第三评估结果,将第三评估结果作为目标评估结果。
可选的,所述获取待评估风险事件的步骤之前,还包括:基于风险监测规则对风险事件进行监测,当满足预设的风险监测规则时将监测到的风险事件作为待评估风险事件;其中,所述风险监测规则包括风险事件的定义、风险规则、风险维度、风险判定规则中的一个或多个,所述风险维度包括监测目标、监测目标类型、风险类型、关联度、风险关键词中的一个或多个。
可选的,所述根据第一评估结果和第二评估结果,确定目标评估结果的步骤之后,还包括:将所述目标评估结果发送给用户,获取用户针对所述目标评估结果给出的反馈结果;根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化。
可选的,所述根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化的步骤,还包括:对人工评估结果与第一评估结果进行比较,并根据比较结果确定反馈调节值,其中,所述人工评估结果包括反馈结果和第二评估结果;在反馈调节值满足预设条件的情况下,根据反馈调节值对所述风险评估模型中的模型因子进行调整以获取多个候选模型,其中,模型因子的调节步长是根据反馈调节值确定的;基于候选模型对待评估风险事件进行评估获取候选评估结果,根据候选评估结果与人工评估结果之间的差异在所述多个候选模型中确定优化之后的风险评估模型。
在本发明的第二部分,提供了一种风险事件的评估装置,所述装置包括:
风险事件监测模块,用于获取待评估风险事件;
第一评估模块,用于对所述待评估风险事件进行评估获取第一评估结果,所述第一评估结果是基于预设的风险评估模型获取的;
第二评估模块,用于确定与所述待评估风险事件对应的评估专家,并将所述待评估的风险事件和所述第一评估结果发送给所述评估专家,获取所述评估专家针对所述待评估风险事件进行评估给出的第二评估结果;
结果合并模块,用于根据第一评估结果和第二评估结果,确定目标评估结果。
在本发明的第三部分,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本发明的第一部分所述的方法的步骤。
在本发明的第四部分,提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器有可执行代码,当所述可执行代码在所述处理器上运行以实现如本发明的第一部分所述的方法。
采用本发明实施例,具有如下有益效果:
采用了上述风险事件的评估方法、装置、计算机设备及计算机可读存储介质之后,对风险事件进行监测,获取需要进行评估的风险事件,然后基于风险评估系统进行第一次自动化的评估得到第一评估结果,然后进一步的由评估专家进行二次评估,形成系统评估+专家评估的风险事件评估框架,得到最终的评估结果。相对于单纯的系统评估,用户可以连接到评估专家,获取评估专家全面的、专业的、可解释的风险事件评估结果,减少用户收到评估结果后进一步进行分析的工作量,提升风险事件管理的专业度和效率,提高风险事件评估的准确性和可解释性。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为一个实施例中一种风险事件的评估方法的流程示意图;
图2为一个实施例中一种风险事件的评估装置的结构示意图;
图3为一个实施例中运行上述风险事件的评估方法的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少区域地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
在本实施例中,提供了一种风险事件的评估方法,该方法可以对风险事件进行监测和评估,使得用户可以获取风险资讯的准确的风险等级及相关情况,从而及时的针对相应的风险进行应对。
与相关技术方案中通过系统自动评估方式对风险事件进行评估的方式对比,在本实施例中,采用系统自动评估与人工评估相结合的方式,避免了单纯采用系统自动评估的方式中难以结合事件背后的起因、进展以及其他因素进行深层分析从而导致评估结果在实操层面指导性不足、可解释性不强的情况,本实施例在系统自动评估的基础上进一步结合事件背后的起因、进展以及其他因素进行二次评估,得到人工评估结果及评估理由,作为后续风险事件处置的部分依据,提高了风险事件评估的准确性和可解释性。
具体的,请参见图1,给出了上述风险事件的评估方法的流程示意图,如图1所示,该方法包括如图1所示的步骤S102-S110:
步骤S102:获取待评估风险事件。
待评估风险事件是需要进行风险评估的风险事件,在本步骤中,风险事件可以是指定的风险事件,也可以是进行自动化监测监测到的风险事件。具体的,在一个实施例中,预先设置风险事件的定义、监测规则、风险评估所涉及的风险维度和判定规则等风险监测规则,然后基于这些预先设置的风险监测规则进行监测,在风险监测规则被满足的情况下,获取相应的监测到的监测事件作为待评估风险事件。其中,所述风险监测规则包括风险事件的定义、风险规则、风险维度、风险判定规则中的一个或多个,所述风险维度包括监测目标、监测目标类型、风险类型、关联度、风险关键词中的一个或多个。
也就是说,在上述步骤S102之前,还包括步骤S101:基于风险监测规则对风险事件进行监测,当满足预设的风险监测规则时将监测到的风险事件作为待评估风险事件。其中,所述风险监测规则包括风险事件的定义、风险规则、风险维度、风险判定规则中的一个或多个,所述风险维度包括监测目标、监测目标类型、风险类型、关联度、风险关键词中的一个或多个。
步骤S104:对所述待评估风险事件进行评估获取第一评估结果,所述第一评估结果是基于预设的风险评估模型获取的。
具体的,需要结合待评估风险事件的风险维度和判定规则,并通过预设的风险评估模型对待评估风险事件进行评估,获取预设的风险评估模型的输出结果作为第一评估结果,其中,第一评估结果包括与待评估风险事件对应的第一评估等级。这里,第一评估结果是系统初评得到的系统初评等级。这里,风险评估模型可以是预训练完成的神经网络模型或者其他模型,可以对风险事件的风险等级进行评估。需要说明的是,在本实施例中,上述风险评估模型还可以基于风险事件对风险因子进行分析,从而确定存在风险的原因,以供用户在分析时进行参考。
相对于相关技术方案中,仅通过预设的风险评估模型对风险事件进行风险评估,也就是说,相关技术方案中对风险事件的评估仅包含上述步骤S104(系统初评环节),在本实施例中,风险事件的评估方法还进一步的包括专家二次评估(人工评估环节),以弥补系统初评环节存在的缺陷。具体的,请进一步的参见下述步骤S106-S108。
步骤S106:确定与所述待评估风险事件对应的评估专家,并将所述待评估的风险事件和所述第一评估结果发送给所述评估专家。
在本实施例中,系统中还预先设置了评估专家的相关信息,其中包含了每一个评估专家负责的评估目标类型、评估目标、专家层级以及该评估专家的历史评估记录等。在本步骤中,可以根据评估专家的相关信息为当前的待评估风险事件选择对应的评估专家,以使该评估专家对待评估风险事件进行二次评估。这里,将待评估风险事件分配至该评估专家的评估任务列表,评估专家从评估任务列表中逐个完成相应的评估任务。
具体的,上述步骤S106中,所述确定与所述待评估风险事件对应的评估专家的步骤,还包括:计算所述待评估风险事件与专家库中的评估专家之间的匹配度,其中,计算所述待评估风险事件的风险维度、所述待评估风险事件对应的属性信息与评估专家的属性信息之间的匹配度作为所述待评估风险事件与所述评估专家之间的匹配度;根据所述匹配度在所述专家库中确定与所述待评估风险事件对应的评估专家;其中,所述待评估风险事件对应的属性信息包括所述待评估风险事件的监测企业及其所属行业、地区中的一个或多个;所述评估专家的属性信息包括评估专家对应的行业、地区、企业主体、当前评估任务量、评估时效、历史评估记录中的一个或多个。
为了提高专家进行人工评估的准确性和有效性,在本步骤中,需要从众多评估专家中选择一个合适的评估专家来进行评估,这里的合适是待评估风险事件与评估专家之间的匹配度,从而根据匹配度选择评估专家,例如,选择匹配度最大的评估专家,或选择匹配度大于预设阈值的评估专家。
其中,待评估风险事件与评估专家之间的匹配度需要考虑待评估风险事件的风险维度、以及对应的属性信息,以及考虑评估专家的属性信息。其中,所述待评估风险事件对应的属性信息包括所述待评估风险事件的监测企业及其所属行业、地区中的一个或多个的组合,在这里不进行限定;所述评估专家的属性信息包括评估专家对应的行业、地区、企业主体、当前评估任务量、评估时效、历史评估记录中的一个或多个的组合,在这里不进行限定。
在一个具体的实施例中,匹配度的计算可以是基于预设的匹配度评估模型计算的,其中,匹配度评估模型可以为一预设的算法公式,也可以是一预设的神经网络模型或深度网络模型或人工智能模型,在这里不进行限定。
在确定了待评估风险事件的评估专家之后,即可将待评估风险事件发送给评估专家,需要说明的是,这里,发送给评估专家的可以不仅仅包含了待评估风险事件的相关信息,还可以包含了上述系统初评的第一评估结果,以供评估专家进行参考。
步骤S108:获取所述评估专家针对所述待评估风险事件进行评估给出的第二评估结果。
本步骤中,评估专家对待评估风险事件进行评估,给出风险评估等级及对应的评估理由,作为第二评估结果。其中,评估理由包括待风险评估事件涉及的评估目标的基本情况,风险事件本身的分析内容、风险事件关联的其它因素等的分析内容等,具体在这里不进行限定。
在本实施例中,风险事件的专家评估框架包括评估维度、评估流程和算法、评估标准、保障机制等。评估维度包括风险事件本身、风险事件相关的其他信息等。
步骤S110:根据第一评估结果和第二评估结果,确定目标评估结果。
在本实施例中,结合第一评估结果和第二评估结果,形成最终的目标评估结果。
在一个可选的实施例中,目标评估结果是包括第一评估结果和第二评估结果,也就是说,直观的将第一评估结果和第二评估结果合并,作为目标评估结果,由用户自己进一步的根据第一评估结果和第二评估结果进行风险事件的应对。
在另一个可选的实施例中,还需要进一步的对第一评估结果和第二评估结果进行分析,例如,比较二者是否是一致的,根据二者是否是一致的来确定最终的目标评估结果。其中,若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级匹配,则将所述第二评估结果作为所述目标评估结果;若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级不匹配,则根据所述第一评估结果和第二评估结果,按照预设的评估结果合成方法生成目标评估结果。这里,可以是将第一评估结果和第二评估结果进行合并给出目标评估结果,也可以是,根据第一评估结果和第二评估结果的置信度对评估结果按照预设的算法进行混合,从而确定最终的目标评估结果。
在另一个可选的实施例中,若第一评估结果中的第一风险等级与第二评估结果中的第二风险等级不一致,则需要评估审核人员介入,以进一步的对评估结果进行校正。具体的,确定一个评估审核人员,由该评估审核人员进一步的对待评估风险事件进行评估。将待评估风险事件和/或对应的第一评估结果和第二评估结果将发送给预设的评估审核人员,并接收评估审核人员根据第一评估结果和/或第二评估结果给出的第三评估结果,将第三评估结果作为目标评估结果。其中,评估审核人员需要对第二评估结果中的第二风险等级及相应的评估理由进行审核,确定是否认可相应的评估结果,若认可,则将第二评估结果作为第三评估结果,并将第三评估结果作为目标评估结果。反之,若不认可,则由评估审核人员针对待评估风险事件给出相应的风险评估结果(即为第三评估结果),然后将第三评估结果作为最终的目标评估结果,完成对待评估风险事件的风险评估。在另一个实施例中,在评估审核人不认可的情况下,可以将待评估风险事件重新发回给评估专家进行评估,以使评估专家根据审核人的意见重新进行评估并提交给评估审核人员进行审核,审核通过之后根据重新评估的第二评估结果和原来的第一评估结果确定最终的目标评估结果。
进一步的,为了提高对风险事件的评估效率,在本实施例中,还需要根据步骤S104之后的其它步骤的结果,对步骤S104中的进行系统初评的风险评估模型进行进一步的调整和优化,以提高风险评估模型的评估准确性,从而减少第一评估结果与第二评估结果不一致的情况,提高风险评估的效率。
具体的,在目标评估结果得到之后,还需要将所述目标评估结果发送给用户,获取用户针对所述目标评估结果给出的反馈结果;根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化。
用户在收到待评估风险事件以及对应的目标评估结果之后,根据目标评估结果进行风险事件的应对。但是,在一个可能的情况下,用户可能并不认可接收到的目标评估结果,在这种情况下,用户可以针对目标评估结果进行意见的反馈,从而可以进一步的调整系统初评环节的风险评估模型或者对人工评估环节中的专家评估标准进行调整。具体的,接收用户针对待评估风险事件及其对应的目标评估结果给出的反馈结果,该反馈结果可能包括同意、不同意以及具体的反馈理由等,在这里不进行限制,然后系统在接收到用户的反馈结果之后,根据第二评估结果和/或该反馈结果进行自学习,然后基于自学习的结果对前述风险评估模型进行优化,并且还可以进一步的对评估专家进行评估的专家评估标准进行修改,从而使得步骤S108中评估专家在进行风险评估时参考新的专家评估标准对待评估风险事件进行评估。
在一个可选的实施例中,第一评估结果的给出中可以采用决策树算法,根据第二评估结果及用户的反馈结果进行自学习优化,在自动优化已无法达到评估准确率阈值要求时,人工介入相应的算法的调整;专家评估标准的调整则可以采用专家讨论确定的方式进行。
在一个具体的实施例中,对上述根据用户的反馈结果对前述预设的风险评估模型进行优化调整的实现阐述如下。
获取用户针对待评估风险事件及其目标评估结果给出的反馈结果,并将该反馈结果与第二评估结果进行合并或拼接,获取人工评估结果,然后根据人工评估结果和第一评估结果之间是一致的、或存在差异的给出反馈调节值,其中,反馈调节值包括但不限于同意(0)、上调(+1、+2、+3……)、下调(-1、-2、-3……)等。当存在多个不等于0的反馈调节值的情况下,对风险评估模型进行优化调整。例如,当不等于0的反馈调节值的数量大于预设值、或反馈调节值的绝对值的和超过预设值的情况下,进行风险评估模型的优化调整。
具体的,获取风险评估模型的评估因子,其中,评估因子是风险评估模型中的决策因子、影响因子、参数等,根据一个或多个反馈调节值对评估因子(模型因子)进行自动调整,获取一个或多个候选的调整后的风险评估模型。然后基于这一个或多个候选的调整后的风险评估模型,对之前的待评估风险事件进行评估,获取对应的模拟的风险评估结果。其中,在一个具体的实施例中,根据一个或多个反馈调节值对评估因子进行自动调整的实现,可以是,将决策路径上各个决策因子的值基于反馈调节值进行调整,例如,根据反馈调节值将决策因子的值往不同方向上自动增减一定的步长,这里,这个步长是根据反馈调节值来计算得到的。
对于每一个候选的调整后的风险评估模型(备选模型),将其的评估结果与前述人工评估结果进行比较,并根据比较结果确定一个模型作为目标风险评估模型,这里,选择的是模拟的风险评估结果与人工评估结果之间的差异值最小的候选的调整后的风险评估模型。
在确定目标风险评估模型之后,判断目标风险评估模型的准确率是否优于原来的风险评估模型,并且确定目标风险评估模型的准确率是否满足预设的阈值要求,若是,则将目标风险评估模型作为优化后的风险评估模型并替代原来的风险评估模型。若否,则需要进行人工的介入,由人工对评估因子进行调整,以完成对风险评估模型的优化调整。
在另一个实施例中,如图2所示,还提供了一种风险事件的评估装置,具体的,该装置包括:
风险事件监测模块101,用于获取待评估风险事件;
第一评估模块102,用于对所述待评估风险事件进行评估获取第一评估结果,所述第一评估结果是基于预设的风险评估模型获取的;
第二评估模块103,用于确定与所述待评估风险事件对应的评估专家,并将所述待评估的风险事件和所述第一评估结果发送给所述评估专家,获取所述评估专家针对所述待评估风险事件进行评估给出的第二评估结果;
结果合并模块104,用于根据第一评估结果和第二评估结果,确定目标评估结果。
可选的,如图2所示,上述风险事件的评估装置还包括反馈优化模块105,用于将所述目标评估结果发送给用户,获取用户针对所述目标评估结果给出的反馈结果;根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化。
可选的,第一评估模块102还用于确定所述待评估风险事件的风险维度和判定规则,根据所述确定的风险维度和判定规则、通过所述预设的风险评估模型对所述待评估风险事件进行评估,获取所述预设的风险评估模型的输出结果作为所述第一评估结果,其中,所述第一评估结果包括与待评估风险事件对应的第一评估等级。
可选的,第二评估模块103还用于计算所述待评估风险事件与专家库中的评估专家之间的匹配度,其中,计算所述待评估风险事件的风险维度、所述待评估风险事件对应的属性信息与评估专家的属性信息之间的匹配度作为所述待评估风险事件与所述评估专家之间的匹配度;根据所述匹配度在所述专家库中确定与所述待评估风险事件对应的评估专家;其中,所述待评估风险事件对应的属性信息包括所述待评估风险事件的监测企业及其所属行业、地区中的一个或多个;所述评估专家的属性信息包括评估专家对应的行业、地区、企业主体、当前评估任务量、评估时效、历史评估记录中的一个或多个。
可选的,结果合并模块104还用于若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级匹配,则将所述第二评估结果作为所述目标评估结果;若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级不匹配,则:根据所述第一评估结果和第二评估结果,按照预设的评估结果合成方法生成目标评估结果;或,将所述第一评估结果和第二评估结果发送给预设的评估审核人员,并接收评估审核人员根据第一评估结果和/或第二评估结果给出的第三评估结果,将第三评估结果作为目标评估结果。
可选的,风险事件监测模块101还用于基于风险监测规则对风险事件进行监测,当满足预设的风险监测规则时将监测到的风险事件作为待评估风险事件;其中,所述风险监测规则包括风险事件的定义、风险规则、风险维度、风险判定规则中的一个或多个,所述风险维度包括监测目标、监测目标类型、风险类型、关联度、风险关键词中的一个或多个。
可选的,反馈优化模块105还用于对人工评估结果与第一评估结果进行比较,并根据比较结果确定反馈调节值,其中,所述人工评估结果包括反馈结果和第二评估结果;在反馈调节值满足预设条件的情况下,根据反馈调节值对所述风险评估模型中的模型因子进行调整以获取多个候选模型,其中,模型因子的调节步长是根据反馈调节值确定的;基于候选模型对待评估风险事件进行评估获取候选评估结果,根据候选评估结果与人工评估结果之间的差异在所述多个候选模型中确定优化之后的风险评估模型。
图3示出了一个实施例中实现上述风险事件的评估方法的计算机设备的内部结构图。该计算机设备具体可以是终端,也可以是服务器。如图3所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现上述方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行上述方法。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
采用了上述风险事件的评估方法、装置、计算机设备及计算机可读存储介质之后,对风险事件进行监测,获取需要进行评估的风险事件,然后基于风险评估系统进行第一次自动化的评估得到第一评估结果,然后进一步的由评估专家进行二次评估,形成系统评估+专家评估的风险事件评估框架,得到最终的评估结果。相对于单纯的系统评估,用户可以连接到评估专家,获取评估专家全面的、专业的、可解释的风险事件评估结果,减少用户收到评估结果后进一步进行分析的工作量,提升风险事件管理的专业度和效率,提高风险事件评估的准确性和可解释性。
进一步的,在本发明中,整合了风险评估专家库资源,优化了风险事件的评估方法,提供集中式的风险事件专家评估服务,促进专家评估结果共享及同业交流,提升社会效益。
并且,在本发明中,还结合了专家、用户两类人工评估结果,反馈至系统自动化评估的环节,不断优化提升系统自动化评估环节中的评估算法和模型,提高自动化风险评估的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种风险事件的评估方法,其特征在于,所述方法包括:
获取待评估风险事件;
对所述待评估风险事件进行评估获取第一评估结果,所述第一评估结果是基于预设的风险评估模型获取的;
确定与所述待评估风险事件对应的评估专家,并将所述待评估的风险事件和所述第一评估结果发送给所述评估专家;
获取所述评估专家针对所述待评估风险事件进行评估给出的第二评估结果;
根据第一评估结果和第二评估结果,确定目标评估结果。
2.根据权利要求1所述的风险事件的评估方法,其特征在于,所述根据第一评估结果和第二评估结果,确定目标评估结果的步骤,还包括:
将所述目标评估结果发送给用户,获取用户针对所述目标评估结果给出的反馈结果;
根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化。
3.根据权利要求1所述的风险事件的评估方法,其特征在于,所述对所述待评估风险事件进行评估获取第一评估结果的步骤,还包括:
确定所述待评估风险事件的风险维度和判定规则,根据所述确定的风险维度和判定规则、通过所述预设的风险评估模型对所述待评估风险事件进行评估,获取所述预设的风险评估模型的输出结果作为所述第一评估结果,其中,所述第一评估结果包括与待评估风险事件对应的第一评估等级。
4.根据权利要求3所述的风险事件的评估方法,其特征在于,所述确定与所述待评估风险事件对应的评估专家的步骤,还包括:
计算所述待评估风险事件与专家库中的评估专家之间的匹配度,其中,计算所述待评估风险事件的风险维度、所述待评估风险事件对应的属性信息与评估专家的属性信息之间的匹配度作为所述待评估风险事件与所述评估专家之间的匹配度;
根据所述匹配度在所述专家库中确定与所述待评估风险事件对应的评估专家;
其中,所述待评估风险事件对应的属性信息包括所述待评估风险事件的监测企业及其所属行业、地区中的一个或多个;所述评估专家的属性信息包括评估专家对应的行业、地区、企业主体、当前评估任务量、评估时效、历史评估记录中的一个或多个。
5.根据权利要求3所述的风险事件的评估方法,其特征在于,所述根据第一评估结果和第二评估结果,确定目标评估结果的步骤,还包括:
若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级匹配,则将所述第一评估结果或所述第二评估结果作为所述目标评估结果;
若第一评估结果中包含的第一风险等级和第二评估结果中包含的第二风险等级不匹配,则:
根据所述第一评估结果和第二评估结果,按照预设的评估结果合成方法生成目标评估结果;
或,将所述第一评估结果和第二评估结果发送给预设的评估审核人员,并接收评估审核人员根据第一评估结果和/或第二评估结果给出的第三评估结果,将第三评估结果作为目标评估结果。
6.根据权利要求1所述的风险事件的评估方法,其特征在于,所述获取待评估风险事件的步骤之前,还包括:
基于风险监测规则对风险事件进行监测,当满足预设的风险监测规则时将监测到的风险事件作为待评估风险事件;其中,所述风险监测规则包括风险事件的定义、风险规则、风险维度、风险判定规则中的一个或多个,所述风险维度包括监测目标、监测目标类型、风险类型、关联度、风险关键词中的一个或多个。
7.根据权利要求2所述的风险事件的评估方法,其特征在于,所述根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化的步骤,还包括:
对人工评估结果与第一评估结果进行比较,并根据比较结果确定反馈调节值,其中,所述人工评估结果包括反馈结果和第二评估结果;
在反馈调节值满足预设条件的情况下,根据反馈调节值对所述风险评估模型中的模型因子进行调整以获取多个候选模型,其中,模型因子的调节步长是根据反馈调节值确定的;
基于候选模型对待评估风险事件进行评估获取候选评估结果,根据候选评估结果与人工评估结果之间的差异在所述多个候选模型中确定优化之后的风险评估模型。
8.一种风险事件的评估装置,其特征在于,所述装置包括:
风险事件监测模块,用于获取待评估风险事件;
第一评估模块,用于对所述待评估风险事件进行评估获取第一评估结果,所述第一评估结果是基于预设的风险评估模型获取的;
第二评估模块,用于确定与所述待评估风险事件对应的评估专家,并将所述待评估的风险事件和所述第一评估结果发送给所述评估专家,获取所述评估专家针对所述待评估风险事件进行评估给出的第二评估结果;
结果合并模块,用于根据第一评估结果和第二评估结果,确定目标评估结果。
9.根据权利要求8所述的风险事件的评估装置,其特征在于,所述装置还包括反馈优化模块,用于将所述目标评估结果发送给用户,获取用户针对所述目标评估结果给出的反馈结果;根据所述反馈结果和/或所述第二评估结果对所述风险评估模型进行优化。
10.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器有可执行代码,当所述可执行代码在所述处理器上运行以实现如权利要求1至7任一所述的风险事件的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211621272.4A CN116011809A (zh) | 2022-12-16 | 2022-12-16 | 风险事件的评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211621272.4A CN116011809A (zh) | 2022-12-16 | 2022-12-16 | 风险事件的评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116011809A true CN116011809A (zh) | 2023-04-25 |
Family
ID=86029204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211621272.4A Pending CN116011809A (zh) | 2022-12-16 | 2022-12-16 | 风险事件的评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011809A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703255A (zh) * | 2023-08-09 | 2023-09-05 | 深圳市深水水务咨询有限公司 | 节水载体的智能数据处理方法、装置、设备及介质 |
-
2022
- 2022-12-16 CN CN202211621272.4A patent/CN116011809A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703255A (zh) * | 2023-08-09 | 2023-09-05 | 深圳市深水水务咨询有限公司 | 节水载体的智能数据处理方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359866B (zh) | 基于租赁设备的风险隐患监控方法、装置和计算机设备 | |
CN110929036A (zh) | 电力营销稽查管理方法、装置、计算机设备和存储介质 | |
CN111191871A (zh) | 项目基线数据生成方法、装置、计算机设备和存储介质 | |
CN112988538B (zh) | 人工智能开发平台监控告警数据预测方法、装置及介质 | |
CN116011809A (zh) | 风险事件的评估方法、装置、设备及存储介质 | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
CN109324976B (zh) | 管理测试进度的方法、装置、计算机设备以及存储介质 | |
Alencar et al. | A multicriteria decision model for assessment of failure consequences in the RCM approach | |
CN112379913B (zh) | 基于风险识别的软件优化方法、装置、设备及存储介质 | |
Bender et al. | Risk-based cost control for construction | |
Di Martino et al. | Comparing size measures for predicting web application development effort: a case study | |
Wiesweg et al. | Data-driven risk management for requirements engineering: An automated approach based on Bayesian networks | |
US20140297334A1 (en) | System and method for macro level strategic planning | |
Zak et al. | Development and evaluation of a continuous-time Markov chain model for detecting and handling data currency declines | |
Corea et al. | Resolving inconsistencies in declarative process models based on culpability measurement | |
US12106240B2 (en) | Systems and methods for analyzing user projects | |
JP2020071493A (ja) | 結果予測装置、結果予測方法、及びプログラム | |
US20140236667A1 (en) | Estimating, learning, and enhancing project risk | |
CN115239491A (zh) | 期货交易方法和计算机设备 | |
CN114429297A (zh) | 项目的风险监控方法、装置、计算机设备及存储介质 | |
CN114037285A (zh) | 一种配网自动化应用成效分析方法及相关系统 | |
CN115587764A (zh) | 一种用于电网物资管理的供应链导期优化方法和系统 | |
Horber et al. | Identification of Property Change Impacts Based on Requirements-Oriented, Multi-Criteria Decision Models | |
CN114548463A (zh) | 线路信息预测方法、装置、计算机设备和存储介质 | |
Burggräf et al. | Application of stochastic risk simulation to increase depth of production planning |
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 |