CN116069987B - 一种企业关联关系识别方法 - Google Patents
一种企业关联关系识别方法 Download PDFInfo
- Publication number
- CN116069987B CN116069987B CN202310355360.2A CN202310355360A CN116069987B CN 116069987 B CN116069987 B CN 116069987B CN 202310355360 A CN202310355360 A CN 202310355360A CN 116069987 B CN116069987 B CN 116069987B
- Authority
- CN
- China
- Prior art keywords
- association
- control
- enterprise
- relation
- equity
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种企业关联关系识别方法。方法包括步骤S10,以选定的企业为初始节点,通过工商信息中的股权关系获取与该企业相关联的关联对象作为关联节点,构建由初始节点和若干关联节点组成的企业股权关系森林网络;步骤S20,根据关联关系识别算法遍历企业股权关系森林网络,在遍历过程中确定关联节点与初始节点的关联关系;步骤S30,获取目标对象所属关联节点,并获取步骤S20遍历过程中自初始节点至目标对象所属关联节点的所有关系路径,选取最短路径的关联关系为初始节点与目标对象所属关联节点的最终关联关系。根据本公开实施例的方法,能利用股权关系自动识别企业间关联关系,以便于进行并表和风险管理。
Description
技术领域
本公开的实施例总体上涉及金融科技领域,特别地涉及一种企业关联关系识别方法。
背景技术
在金控行业,金融控股公司应当对纳入并表管理范围内所控股机构的公司治理、资本和杠杆率等进行全面持续管控,有效识别、计量、监测和控制金融控股集团的总体风险状况。企业集团整体被认定为金融控股集团的,应当对集团内从事金融活动的机构实行并表管理。在并表管理过程中,需要对关联方进行挖掘和识别。现有识别方法主要依赖人工识别,基于央行对于“关联方”的认定标准进行。人工识别效率低,且存在遗漏。
发明专利申请CN103699645A公开了一种企业关联关系识别系统及其识别方法,并具体公开了方法包括:(1)将企业征信系统中的企业数据迁移至中间表模块;中间表模块对企业的高管信息、担保信息、集团信息、资本构成信息及借款人基本信息进行分析和运算,得出投资关联关系企业、高管兼职关联关系企业、个人出资关联企业、个人担保关联企业、担保关联关系企业、集团母子关联企业、家族关联企业、地址关联企业和电话关联企业;(2)商业银行用户登录关联查询系统,输入被查询企业,选择需查询的关联关系种类及关联层级,按照查询条件发送查询指令给中间表模块;(3)中间表模块运算与被查询企业间存在关联关系的企业列表,并根据展示规则形成关联关系图谱发送给关联查询系统,所述关联查询系统把接收的关联关系图谱反馈给商业银行用户端。该方法是基于征信系统跨金融机构的海量数据的基础上实现。一方面相关依赖系统的门槛很高,不适用于金融控股公司;另一方面其所述方法不满足金融控股公司关联方的认定标准。
发明专利申请CN114154905A公开了获取企业关联关系的方法及系统,并具体公开了方法包括:步骤S1:根据维度配置关联参数,根据企业关联关系指标配置关联关系阈值;步骤S2:提交企业名录,实时向外部数据源获取企业关系信息数据包;步骤S3:对企业信息关系数据包中的数据按规则解析并存储至数据库中,得到结构化数据;步骤S4:对结构化数据进行预处理,对于正常数据按照设定的关联参数维度,得出企业之间的关联关系值;步骤S5:进行数据分类,存储至数据库中;步骤S6:将企业关系进行展示。该方法是基于多个维度(包含股权关系、高管关系、企业征信、企业工商处罚)来获取企业关联关系,并且获取的关联仅识别关系强弱性,而无法得到关联类型。
发明内容
本公开的实施例提供了一种企业关联关系识别方法,旨在解决上述问题以及其他潜在的问题中的一个或多个。
根据本公开的第一方面,提供了一种企业关联关系识别方法,
步骤S10,基于选定的企业,通过获取工商信息中的股权关系,获得与该选定的企业相关联的若干关联对象,继而构建由以该选定的企业为初始节点向上游、下游无限穿透的企业股权关系森林网络,若干关联对象为分布在上游、下游的关联节点;
其中,所述关联对象为上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人;
步骤S20,根据关联关系识别算法遍历所述企业股权关系森林网络,在遍历过程中确定关联节点与初始节点的关联关系,并将确定的关联关系以及与关联关系对应的遍历路径顺序存储在对应的关联节点处;
其中,所述关联关系识别算法包括多个识别子算法,每个识别子算法用于识别一类关联关系;
步骤S30,获取目标对象所属关联节点,并获取步骤S20遍历过程中自初始节点至目标对象所属关联节点的所有关系路径,选取所有关系路径中最短路径的关联关系为初始节点与目标对象所属关联节点的最终关联关系。
根据本公开实施例的方法通过公开的工商信息构建以选定企业为中心的企业股权关系森林网络,并通过遍历上述网络,利用关联关系识别算法自动识别关联对象与选定企业间的关联关系,便于金融控股公司进行并表和风险管理。
在一些实施例中,方法还包括步骤S00,在步骤S10前,选取具有上游和下游关系的企业为初始节点。
在一些实施例中,所述步骤S10包括:
步骤S11,基于选定的企业,检索工商信息中的股权关系;
步骤S12,将通过步骤S11获得的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息作为一级数据对象存储在该选定企业所属集合内;
步骤S13,遍历上述该选定企业所属集合,对集合内的数据对象各自进行工商信息获取,将获得的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息作为二级数据对象存储在对应一级数据对象所属集合内;重复上述过程,直到该选定企业所属集合内不再出现新的数据对象;
步骤S14,根据步骤S13最终获得的该选定企业所属集合,获取与每个数据对象相关的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息以及控制关联信息,并将上述信息以对象属性方式存储在对应数据对象下;
其中,所述控制关联信息包括控制比例、控制关系;
步骤S15,以选定的企业为初始节点,根据步骤S14的存储信息向上游、下游无限穿透,形成企业股权关系森林网络;根据步骤S13最终获得的该选定企业所属集合内的若干数据对象作为关联节点分布在企业股权关系森林网络的上游、下游。
在一些实施例中,所述步骤S13还包括,对已经获取过工商信息的数据对象进行标记,当遍历到带有标记的数据对象时,跳过此数据对象,遍历下一个未带有标记的数据对象。
在一些实施例中,所述步骤S20中的关联关系识别算法预先配置于引擎处,在执行步骤S20时调用引擎对企业股权关系森林网络进行识别。
在一些实施例中,步骤S20中的关联关系识别算法包括用于识别企业关联关系的识别子算法和用于识别自然人关联关系的识别子算法。
在一些实施例中,所述用于识别自然人关联关系的识别子算法包括自然人类识别子算法和自然人控制类识别子算法;
所述自然人类识别子算法具体为:自初始节点出发,对企业股权关系森林网络逐层遍历,当存在与初始节点相关的关联自然人时,或者当存在与初始节点相关的上级股东、实际控制人、受益所有人、一致行动人为自然人时,或者当存在与初始节点相关的上级股东的关联自然人时,或者当存在与初始节点相关的上级股东的实际控制人、受益所有人、一致行动人为自然人时,获取上述自然人的近亲属,将近亲属所属关联节点与初始节点的关联关系判定为自然人类;
所述自然人控制类识别子算法具体为:自初始节点出发,对企业股权关系森林网络逐层遍历,当存在与初始节点相关的关联自然人时,或者当存在与初始节点相关的上级股东、实际控制人、受益所有人、一致行动人为自然人时,或者当存在与初始节点相关的上级股东的关联自然人时,或者当存在与初始节点相关的上级股东的实际控制人、受益所有人、一致行动人为自然人时,以上述所有自然人所属关联节点为起点;若向下游钻取具有控股大于第一比例阈值的关联节点时,将控股大于第一比例阈值的关联节点与初始节点的关联关系判定为自然人控制类。
在一些实施例中,用于识别企业关联关系的识别子算法包括控股关系识别子算法、上级关联钻取算法、同级关联钻取算法、下级关联钻取算法;
所述控股关系识别子算法具体为:自初始节点出发,对企业股权关系森林网络向上进行首层遍历,当存在与初始节点相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为直接控股股东,当存在与初始节点相关的控股比例大于第二比例阈值且不大于第一比例阈值的上级股东时,将此上级股东判定为主要股东;之后以直接控股股东和主要股东为起点,对企业股权关系森林网络向上进行逐层遍历,当存在与直接控股股东相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为间接控股股东,当存在与主要股东相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为主要股东的控股股东,接着以主要股东的控制股东为起点继续向上钻取,直至不再有上级控股,将控制比例大于第一比例阈值的上级股东判定为与前一级股东相关的主要股东的控股股东;
所述上级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络进行逐层遍历,在遍历过程中利用上述控股关系识别子算法识别出直接控股股东、主要股东、间接控股股东、主要股东的控制股东,且在识别过程中存在与初始节点相关的直接控股股东时,或者存在与初始节点相关的控股比例大于第二比例阈值且不大于第一比例阈值的实际控制人时,或者存在与初始节点相关的主要股东时,或者存在与初始节点相关的间接控股股东时,或者存在主要股东的控股股东时,或者存在与直接控股股东、主要股东、间接控股股东、主要股东的控股股东相关的实际控制人、一致行动人,受益所有人时,将上述股东的所属关联节点与初始节点的关联关系判定为上级控股类,将实际控制人、一致行动人,受益所有人的所属关联节点与初始节点的关联关系判定为实控人类;
所述同级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络进行逐层遍历,在遍历过程中利用上述控股关系识别子算法识别出直接控股股东、主要股东、间接控股股东、主要股东的控制股东;在识别得到实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人,控股股东的受益所有人后,自实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人、控股股东的受益所有人所属关联节点出发,若向下钻取得到单独控股比例大于第一比例阈值的企业或共同控股比例大于第一比例阈值的企业,则将该企业所属关联节点与初始节点的关联关系判定为同级关联控制类;在识别得到主要股东、主要股东的控股股东、主要股东的实际控制人、主要股东的一致行动人、主要股东的受益所有人后,自主要股东、主要股东的控股股东、主要股东的实际控制人、主要股东的一致行动人、主要股东的受益所有人所属关联节点出发,若向下钻取得到单独控股比例大于第一比例阈值的企业或共同控股比例大于第一比例阈值的企业,则将该企业所属关联节点与初始节点的关联关系判定为同级关联控制类;
所述下级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络向下进行首层遍历时,若存在控股比例大于第一比例阈值的企业时,该企业判定为直接控制企业;继续向下逐层钻取,直到无下级企业,若存在控股比例大于第一比例阈值的企业时,该企业判定为间接控制企业;以初始节点、直接控制企业所属关联节点、间接控制企业所属关联节点出发,若向下钻取存在共同控股比例大于第一比例阈值的多个企业时,该多个企业判定为所控关联方多家控制企业;直接控制企业、间接控制企业、所控关联方多家控制企业所属关联节点与初始节点的关联关系判定为下级关联控制类。
在一些实施例中,所述同级关联算法还包括:在同级关联钻取算法识别中,若存在单独控股比例大于第二比例阈值且不大于第一比例阈值的企业时,或者存在共同控股大于第二比例阈值且不大于第一比例阈值的企业时,该企业所属关联节点与中心节点的关联关系判定为同级关联重大影响类。
在一些实施例中,所述步骤S30包括:
步骤S31,获取目标对象所属关联节点;
步骤S32,获取存储在目标对象所属关联节点处的关联关系以及与关联关系相对应的遍历路径顺序,继而确定初始节点与目标对象所属关联节点的若干不重复的关系路径并确定每条关系路径的关联关系层级;
步骤S33,从若干关系路径中选取关联关系层级最少的作为最短路径;并将最短路径的关联关系确定为初始节点与目标对象所属关联节点的最终关联关系。
在一些实施例中,所述步骤S33还包括,当存在至少两个相同关联关系层级的最短路径时,则选取最先识别出的最短路径。
在一些实施例中,方法还包括步骤S40,依据步骤S30获得初始节点分别与多个目标对象所属关联节点的关联关系后,形成与选定企业关联的关联对象列表;所述关联对象列表存储关联对象、关联关系。
附图说明
通过参考附图阅读下文的详细描述,本公开的实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例而非限制性的方式示出本公开的若干实施例。
图1示出根据本公开的实施例的一种企业关联关系识别方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
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“至少部分地基于”。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”。
现有企业关联关系主要是根据征信信息确定,用于投资风险管理用。对于金融控股公司与其所控股金融机构之间、所控股金融机构之间以及所控股金融机构与金融控股集团内其他机构之间的集团内部交易,需要按照企业会计准则进行会计处理,这就涉及并表管理。现有利用征信信息来实现金融控股集团内的内部交易并表管理毫无疑义,在并表管理中需要明确各个企业、自然人在金融控股集团内的联系,现有基于金融集团内金融控股公司关联方挖掘主要依靠人工识别实现,显然识别低效且易出错。而现有其他的关联关系识别方案由于用途不同,也不适用于本案应用环境下。
针对此,根据本公开实施例,提供一种企业关联关系识别方法,应用于金融控股集团内的控制端。通过确定集团内的某个企业为初始节点,结合公开的工商信息,获得与该企业关联的集团内的其他企业、自然人(即本公开所提的关联对象),继而构建企业股权关系森林网络。之后,本公开通过关联关系识别算法识别网络中每个节点,来确定关联对象所属关联节点与初始节点的关联关系。这样,可自动智能确定整个网络各个节点与初始节点的关联关系。当需要确定目标企业与初始节点的关联关系时,则获取该目标企业所属关联节点,即可获知。即,通过算法对整个网络进行一次识别后,后期需要知晓哪一个或哪几个目标企业时,均能快速、高效获得两者之间的关联关系,有利于进行并表管理。
图1示出了根据本公开的实施例的一种关联关系识别方法的流程图。方法包括:
步骤S10,基于选定的企业,通过获取工商信息中的股权关系,获得与该选定的企业相关联的若干关联对象,继而构建由以该选定的企业为初始节点向上游、下游无限穿透的企业股权关系森林网络,若干关联对象为分布在上游、下游的关联节点;
其中,所述关联对象为上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人;
步骤S20,根据关联关系识别算法遍历所述企业股权关系森林网络,在遍历过程中确定关联节点与初始节点的关联关系,并将确定的关联关系以及与关联关系对应的遍历路径顺序存储在对应的关联节点处;
其中,所述关联关系识别算法包括多个识别子算法,每个识别子算法用于识别一类关联关系;
步骤S30,获取目标对象所属关联节点,并获取步骤S20遍历过程中自初始节点至目标对象所属关联节点的所有关系路径,选取所有关系路径中最短路径的关联关系为初始节点与目标对象所属关联节点的最终关联关系。
在步骤S10中,所述选定的企业可以为金融控股公司。具体地,在步骤S10前,从金融控股集团内选择具有上下游的关联对象的公司为步骤S10中选定的企业。确定后,可获得该企业的工商注册名称(全称)、统一社会信用代码、注册号、类型、法人、注册资本、所属行业、高管任职等信息。
所述工商信息可通过接入工商局网站接口获得,也可以从工商局网站获得公开的工商信息后存入内部数据库,并定期更新。
根据选定的企业,检索工商信息中的股权关系,获得若干关联对象,可从股权关系中确定每个关联对象位于选定的企业的上游或下游。进而,由选定的企业作为初始节点,若干关联对象作为分布在上游、下游的关联节点一同组成企业股权关系森林网络。
具体地,所述步骤S10包括:
步骤S11,基于选定的企业,检索工商信息中的股权关系;确定与选定企业关联的企业、自然人(本公开的实施例统称为关联对象)。关联对象为上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人。
步骤S12,将通过步骤S11获得的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息作为一级数据对象存储在该选定企业所属集合内;
步骤S13,遍历上述该选定企业所属集合,对集合内的数据对象各自进行工商信息获取,将获得的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息作为二级数据对象存储在对应一级数据对象所属集合内;重复上述过程,直到该选定企业所属集合内不再出现新的数据对象;
步骤S14,根据步骤S13最终获得的该选定企业所属集合,获取与每个数据对象相关的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息以及控制关联信息,并将上述信息以对象属性方式存储在对应数据对象下;其中,所述控制关联信息包括控制比例、控制关系;
步骤S15,以选定的企业为初始节点,根据步骤S14的存储信息向上游、下游无限穿透,形成企业股权关系森林网络;根据步骤S13最终获得的该选定企业所属集合内的若干数据对象作为关联节点分布在企业股权关系森林网络的上游、下游。
此过程中一层层检索股权关系,继而能完整追溯自初始节点开始到再无新关联节点的整个股权关系。
若当该金融控股集团内开设或并购或关闭企业时,当需要增加新关联节点时,需获取该企业的工商信息,确定与该企业具有最直接关系的上层或下层企业,继而将新增企业所属关联节点与上层或下层企业所属关联节点建立网络连接,而当需要减少关联节点时,则需获取该企业所属关联节点,若是最末层,则直接删除该企业所属关联节点。若不是最末层,则需要获取与其关联的下层企业的工商信息,更新下层企业所属关联节点内存储信息,如控制比例、控制关系,并更新下层企业所属关联节点在网络中的连接关系。若上述两种情况存在合并控股,则需查询合并控股的上级控股企业的工商信息,更新上级控股企业所述关联节点内存储信息,如控制比例、控制关系。若当企业内的股权发生变化,也需要查询工商信息,对相关关联节点内存储信息进行更新,如控制比例、控制关系。为此,当首次构建完企业股权关系森林网络后,后期无需重新生成新的网络,根据增减的关联节点情况进行网络局部更新。对于控制比例、控制关系的更新则定期查询工商信息进行节点更新。
在步骤S20中,在遍历过程确定关联关系,且遍历过程中因为采用的识别子算法其遍历路径也是不同的,为此还将根据不同遍历路径对应其关联关系存储。也就是,一个关联节点可能存在至少一个关联关系。上述存储信息存储在关联节点的哈希表内。
所述步骤S20中的关联关系识别算法预先配置于引擎处,在执行步骤S20时调用引擎对企业股权关系森林网络进行识别。所述关联关系识别算法可根据需要设置,在本方法执行前在引擎处配置。关联关系识别算法包括用于识别企业关联关系的识别子算法和用于识别自然人关联关系的识别子算法。
所述用于识别自然人关联关系的识别子算法包括自然人类识别子算法和自然人控制类识别子算法。所述自然人类识别子算法具体为:自初始节点出发,对企业股权关系森林网络逐层遍历,当存在与初始节点相关的关联自然人时,或者当存在与初始节点相关的上级股东、实际控制人、受益所有人、一致行动人为自然人时,或者当存在与初始节点相关的上级股东的关联自然人时,或者当存在与初始节点相关的上级股东的实际控制人、受益所有人、一致行动人为自然人时,获取上述自然人的近亲属,将近亲属所属关联节点与初始节点的关联关系判定为自然人类。在一示例下,获取起初节点关联自然人中的董监高、决策人员;以上述董监高、决策人员为起点,获取他们的近亲属;遍历上级股东,如控股股东(包括直接控股股东、间接控股股东)、主要股东(主要股东主要指控股比例大于50%的控股股东),如果为自然人,获取他们的近亲属;遍历上级股东的实际控制人、一致行动人、受益所有人,如果为自然人,获取他们的近亲属;遍历上级股东,获取他们的董监高,并以这些董监高为起点获取他们的近亲属。上述近亲属所属关联节点内存储器与初始节点的关联关系为自然人类,并将遍历路径顺序也对应关联关系存储在对应关联节点内。其中,近亲属信息通过人工收集后与相关自然人关联在一起,最终以关联节点形式在网络中相关联。在关联后,即可进行遍历。例如,在依据上述方式遍历获得上级股东的实际控制人、一致行动人、受益所有人、董监高所属关联节点后,可遍历得到近亲属所属的关联节点。
所述自然人控制类识别子算法具体为:自初始节点出发,对企业股权关系森林网络逐层遍历,当存在与初始节点相关的关联自然人时,或者当存在与初始节点相关的上级股东、实际控制人、受益所有人、一致行动人为自然人时,或者当存在与初始节点相关的上级股东的关联自然人时,或者当存在与初始节点相关的上级股东的实际控制人、受益所有人、一致行动人为自然人时,以上述所有自然人所属关联节点为起点;若向下游钻取具有控股大于第一比例阈值的关联节点时,将控股大于第一比例阈值的关联节点与初始节点的关联关系判定为自然人控制类。其中,第一比例阈值优选为50%,也可以是其他大于50%的数值,可根据需要进行设置。
用于识别企业关联关系的识别子算法包括控股关系识别子算法、上级关联钻取算法、同级关联钻取算法、下级关联钻取算法。所述控股关系识别子算法具体为:自初始节点出发,对企业股权关系森林网络向上进行首层遍历,当存在与初始节点相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为直接控股股东,当存在与初始节点相关的控股比例大于第二比例阈值且不大于第一比例阈值的上级股东时,将此上级股东判定为主要股东;之后以直接控股股东和主要股东为起点,对企业股权关系森林网络向上进行逐层遍历,当存在与直接控股股东相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为间接控股股东,当存在与主要股东相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为主要股东的控股股东,接着以主要股东的控制股东为起点继续向上钻取,直至不再有上级控股,将控制比例大于第一比例阈值的上级股东判定为与前一级股东相关的主要股东的控股股东。
所述上级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络进行逐层遍历,在遍历过程中利用上述控股关系识别子算法识别出直接控股股东、主要股东、间接控股股东、主要股东的控制股东,且在识别过程中存在与初始节点相关的直接控股股东时,或者存在与初始节点相关的控股比例大于第二比例阈值且不大于第一比例阈值的实际控制人时,或者存在与初始节点相关的主要股东时,或者存在与初始节点相关的间接控股股东时,或者存在主要股东的控股股东时,或者存在与直接控股股东、主要股东、间接控股股东、主要股东的控股股东相关的实际控制人、一致行动人,受益所有人时,将上述股东的所属关联节点与初始节点的关联关系判定为上级控股类,将实际控制人、一致行动人,受益所有人的所属关联节点与初始节点的关联关系判定为实控人类。所述第二比例阈值可根据需要设定,例如设定为20%或者低于50%且大于10%的其他数值。在一具体示例下,从初始节点开始,向上钻取控股比例大于50%的上级控股股东、控股比例大于20%但小于50%的主要股东以及实际控制人,分别记录到各自所属关联节点的哈希表中,以企业或自然人的唯一编码作为key,数据对象作为value进行存储。向上钻取直到不再有上级控股股东。从直接控股股东、主要股东开始,逐级向上钻取控股比例大于50%的上级控股股东,记录到各自所属关联节点的哈希表中,即为间接控股股东、主要股东的控股股东。其中以主要股东的控股股东的钻取,以每一个主要股东为起点单线隔离,分别记录。上述所有直接控股股东、间接控股股东、主要股东、主要股东的控股股东所属关联节点为起点,获取他们的实际控制人、一致行动人,受益所有人。按照其自然人或企业的分类,将关联关系“上级控股类”机、“实控人类”记录到各自所属关联节点的哈希表中。
所述同级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络进行逐层遍历,在遍历过程中利用上述控股关系识别子算法识别出直接控股股东、主要股东、间接控股股东、主要股东的控制股东;在识别得到实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人,控股股东的受益所有人后,自实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人、控股股东的受益所有人所属关联节点出发,若向下钻取得到单独控股比例大于第一比例阈值的企业或共同控股比例大于第一比例阈值的企业,则将该企业所属关联节点与初始节点的关联关系判定为同级关联控制类;在识别得到主要股东、主要股东的控股股东、主要股东的实际控制人、主要股东的一致行动人、主要股东的受益所有人后,自主要股东、主要股东的控股股东、主要股东的实际控制人、主要股东的一致行动人、主要股东的受益所有人所属关联节点出发,若向下钻取得到单独控股比例大于第一比例阈值的企业或共同控股比例大于第一比例阈值的企业,则将该企业所属关联节点与初始节点的关联关系判定为同级关联控制类。在一具体示例下,以实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人,控股股东的受益所有人所属关联节点为起点,循环向下进行单独控股比例大于50%的企业钻取与共同控股比例大于50%的企业钻取,钻取出来的企业对象加入各自所属关联节点的哈希表中,并参与循环下钻。已经进行过单独控股下钻的对象进行标记,下一次循环时跳过单独控股下钻,而共同控股下钻每一次循环都重复进行。直到所有对象都完成单独控股下钻,并且共同控股也不再产生新的企业对象,则终止。在另一具体示例下,以主要股东、主要股东的控股股东、主要股东的实际控制人、主要股东的一致行动人、主要股东的受益所有人所属关联节点为起点,单线隔离,进行与上述步骤相同的单独控股下钻和共同控股下钻。
其中,上述共同控股下钻方法具体为:遍历起点对象如直接控股股东,找到它向下控股比例小于50%的企业,之后遍历其他所有的实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人、控股股东的受益所有人,找到其中同样控股该企业的对象,记录下控股比例。将所有对象对该企业的控股比例进行累加,如果大于50%,则为控股股东共同控制等关系,该企业对象参与下一次循环的单独控股下钻和共同控股下钻。
所述下级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络向下进行首层遍历时,若存在控股比例大于第一比例阈值的企业时,该企业判定为直接控制企业;继续向下逐层钻取,直到无下级企业,若存在控股比例大于第一比例阈值的企业时,该企业判定为间接控制企业;以初始节点、直接控制企业所属关联节点、间接控制企业所属关联节点出发,若向下钻取存在共同控股比例大于第一比例阈值的多个企业时,该多个企业判定为所控关联方多家控制企业;直接控制企业、间接控制企业、所控关联方多家控制企业所属关联节点与初始节点的关联关系判定为下级关联控制类。在一具体示例下,以起初节点为起点,向下钻取控股比例大于50%的企业,即为直接控制企业。之后逐级向下钻取控股比例大于50%的企业,即为间接控制企业。以起始节点、直接控制企业所属关联节点、间接控制企业所属关联节点为起点,进行共同控股比例大于50%的钻取,即为所控关联方多家共同控制。将直接控制企业、间接控制企业、所控关联方多家共同控制企业所述关联节点内存储关联关系为下级关联控制类。
所述同级关联算法还包括:在同级关联钻取算法识别中,若存在单独控股比例大于第二比例阈值且不大于第一比例阈值的企业时,或者存在共同控股大于第二比例阈值且不大于第一比例阈值的企业时,该企业所属关联节点与中心节点的关联关系判定为同级关联重大影响类。在一具体示例下,在钻取同级关联的过程中,如有单独控股或共同控股大于20%但小于50%的企业,被认定为统计关联重大影响类,进行记录,但不参与循环下钻。
在步骤S30中,依据目标对象,获取自初始节点到达目标对象所属关联节点的所有关系路径,可获得依据不同子识别算法遍历后获得的关联关系。此时,需确定出最为准确的关联关系。具体地,所述步骤S30包括:
步骤S31,获取目标对象所属关联节点;
步骤S32,获取存储在目标对象所属关联节点处的关联关系以及与关联关系相对应的遍历路径顺序,继而确定初始节点与目标对象所属关联节点的若干不重复的关系路径并确定每条关系路径的关联关系层级;
步骤S33,从若干关系路径中选取关联关系层级最少的作为最短路径;并将最短路径的关联关系确定为初始节点与目标对象所属关联节点的最终关联关系。
所述步骤S33还包括,当存在至少两个相同关联关系层级的最短路径时,则选取最先识别出的最短路径。在确定出最短路径后,确定出最终关联关系,并摒弃其他关联关系。
此外,本公开实施例的方法还包括步骤S40,依据步骤S30获得初始节点分别与多个目标对象所属关联节点的关联关系后,形成与选定企业关联的关联对象列表;所述关联对象列表存储关联对象、关联关系。
本公开实施例的方法利用公开企业工商信息提供一种最广泛的大数据应用方法,能够确保数据源的稳定与便利,降低使用门槛。同时通过可配置的关联关系识别算法的引擎,可动态配置和调整“管理方法”中认定的企业间关联关系的认证规则和认定条件阈值,从而满足金融控股公司根据旗下管理金融企业所属业态监管要求和特点适当调整关联方认定标准的目的,便于金融控股公司并表统计自身及旗下金融企业关联方交易风险敞口,促进金融控股公司旗下金融企业安全开展业务,助力国家金融业态金融控股公司管理实践。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (6)
1.一种企业关联关系识别方法,其特征在于,包括:
步骤S10,基于选定的企业,通过获取工商信息中的股权关系,获得与该选定的企业相关联的若干关联对象,继而构建由以该选定的企业为初始节点向上游、下游无限穿透的企业股权关系森林网络,若干关联对象为分布在上游、下游的关联节点;
其中,所述关联对象为上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人;
步骤S20,根据关联关系识别算法遍历所述企业股权关系森林网络,在遍历过程中确定关联节点与初始节点的关联关系,并将确定的关联关系以及与关联关系对应的遍历路径顺序存储在对应的关联节点处;
其中,所述关联关系识别算法包括多个识别子算法,每个识别子算法用于识别一类关联关系;
步骤S30,获取目标对象所属关联节点,并获取步骤S20遍历过程中自初始节点至目标对象所属关联节点的所有关系路径,选取所有关系路径中最短路径的关联关系为初始节点与目标对象所属关联节点的最终关联关系;
所述步骤S20中的关联关系识别算法预先配置于引擎处,在执行步骤S20时调用引擎对企业股权关系森林网络进行识别;步骤S20中的关联关系识别算法包括用于识别企业关联关系的识别子算法和用于识别自然人关联关系的识别子算法;所述用于识别自然人关联关系的识别子算法包括自然人类识别子算法和自然人控制类识别子算法;
所述自然人类识别子算法具体为:自初始节点出发,对企业股权关系森林网络逐层遍历,当存在与初始节点相关的关联自然人时,或者当存在与初始节点相关的上级股东、实际控制人、受益所有人、一致行动人为自然人时,或者当存在与初始节点相关的上级股东的关联自然人时,或者当存在与初始节点相关的上级股东的实际控制人、受益所有人、一致行动人为自然人时,获取上述自然人的近亲属,将近亲属所属关联节点与初始节点的关联关系判定为自然人类;
所述自然人控制类识别子算法具体为:自初始节点出发,对企业股权关系森林网络逐层遍历,当存在与初始节点相关的关联自然人时,或者当存在与初始节点相关的上级股东、实际控制人、受益所有人、一致行动人为自然人时,或者当存在与初始节点相关的上级股东的关联自然人时,或者当存在与初始节点相关的上级股东的实际控制人、受益所有人、一致行动人为自然人时,以上述所有自然人所属关联节点为起点;若向下游钻取具有控股大于第一比例阈值的关联节点时,将控股大于第一比例阈值的关联节点与初始节点的关联关系判定为自然人控制类;用于识别企业关联关系的识别子算法包括控股关系识别子算法、上级关联钻取算法、同级关联钻取算法、下级关联钻取算法;
所述控股关系识别子算法具体为:自初始节点出发,对企业股权关系森林网络向上进行首层遍历,当存在与初始节点相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为直接控股股东,当存在与初始节点相关的控股比例大于第二比例阈值且不大于第一比例阈值的上级股东时,将此上级股东判定为主要股东;之后以直接控股股东和主要股东为起点,对企业股权关系森林网络向上进行逐层遍历,当存在与直接控股股东相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为间接控股股东,当存在与主要股东相关的控股比例大于第一比例阈值的上级股东时,将此上级股东判定为主要股东的控股股东,接着以主要股东的控制股东为起点继续向上钻取,直至不再有上级控股,将控制比例大于第一比例阈值的上级股东判定为与前一级股东相关的主要股东的控股股东;
所述上级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络进行逐层遍历,在遍历过程中利用上述控股关系识别子算法识别出直接控股股东、主要股东、间接控股股东、主要股东的控制股东,且在识别过程中存在与初始节点相关的直接控股股东时,或者存在与初始节点相关的控股比例大于第二比例阈值且不大于第一比例阈值的实际控制人时,或者存在与初始节点相关的主要股东时,或者存在与初始节点相关的间接控股股东时,或者存在主要股东的控股股东时,或者存在与直接控股股东、主要股东、间接控股股东、主要股东的控股股东相关的实际控制人、一致行动人,受益所有人时,将上述股东的所属关联节点与初始节点的关联关系判定为上级控股类,将实际控制人、一致行动人,受益所有人的所属关联节点与初始节点的关联关系判定为实控人类;
所述同级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络进行逐层遍历,在遍历过程中利用上述控股关系识别子算法识别出直接控股股东、主要股东、间接控股股东、主要股东的控制股东;在识别得到实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人,控股股东的受益所有人后,自实际控制人、直接控股股东、间接控股股东、控股股东的实际控制人、控股股东的一致行动人、控股股东的受益所有人所属关联节点出发,若向下钻取得到单独控股比例大于第一比例阈值的企业或共同控股比例大于第一比例阈值的企业,则将该企业所属关联节点与初始节点的关联关系判定为同级关联控制类;在识别得到主要股东、主要股东的控股股东、主要股东的实际控制人、主要股东的一致行动人、主要股东的受益所有人后,自主要股东、主要股东的控股股东、主要股东的实际控制人、主要股东的一致行动人、主要股东的受益所有人所属关联节点出发,若向下钻取得到单独控股比例大于第一比例阈值的企业或共同控股比例大于第一比例阈值的企业,则将该企业所属关联节点与初始节点的关联关系判定为同级关联控制类;
所述下级关联钻取算法具体为:自初始节点出发,对企业股权关系森林网络向下进行首层遍历时,若存在控股比例大于第一比例阈值的企业时,该企业判定为直接控制企业;继续向下逐层钻取,直到无下级企业,若存在控股比例大于第一比例阈值的企业时,该企业判定为间接控制企业;以初始节点、直接控制企业所属关联节点、间接控制企业所属关联节点出发,若向下钻取存在共同控股比例大于第一比例阈值的多个企业时,该多个企业判定为所控关联方多家控制企业;直接控制企业、间接控制企业、所控关联方多家控制企业所属关联节点与初始节点的关联关系判定为下级关联控制类。
2.根据权利要求1所述的一种企业关联关系识别方法,其特征在于,所述步骤S10包括:
步骤S11,基于选定的企业,检索工商信息中的股权关系;
步骤S12,将通过步骤S11获得的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息作为一级数据对象存储在该选定企业所属集合内;
步骤S13,遍历上述该选定企业所属集合,对集合内的数据对象各自进行工商信息获取,将获得的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息作为二级数据对象存储在对应一级数据对象所属集合内;重复上述过程,直到该选定企业所属集合内不再出现新的数据对象;
步骤S14,根据步骤S13最终获得的该选定企业所属集合,获取与每个数据对象相关的上级股东、实际控制人、受益所有人、一致行动人、下级控股、关联自然人的信息以及控制关联信息,并将上述信息以对象属性方式存储在对应数据对象下;
其中,所述控制关联信息包括控制比例、控制关系;
步骤S15,以选定的企业为初始节点,根据步骤S14的存储信息向上游、下游无限穿透,形成企业股权关系森林网络;根据步骤S13最终获得的该选定企业所属集合内的若干数据对象作为关联节点分布在企业股权关系森林网络的上游、下游。
3.根据权利要求1所述的一种企业关联关系识别方法,其特征在于,所述同级关联算法还包括:在同级关联钻取算法识别中,若存在单独控股比例大于第二比例阈值且不大于第一比例阈值的企业时,或者存在共同控股大于第二比例阈值且不大于第一比例阈值的企业时,该企业所属关联节点与中心节点的关联关系判定为同级关联重大影响类。
4.根据权利要求1所述的一种企业关联关系识别方法,其特征在于,所述步骤S30包括:
步骤S31,获取目标对象所属关联节点;
步骤S32,获取存储在目标对象所属关联节点处的关联关系以及与关联关系相对应的遍历路径顺序,继而确定初始节点与目标对象所属关联节点的若干不重复的关系路径并确定每条关系路径的关联关系层级;
步骤S33,从若干关系路径中选取关联关系层级最少的作为最短路径;并将最短路径的关联关系确定为初始节点与目标对象所属关联节点的最终关联关系。
5.根据权利要求4所述的一种企业关联关系识别方法,其特征在于,所述步骤S33还包括,当存在至少两个相同关联关系层级的最短路径时,则选取最先识别出的最短路径。
6.根据权利要求1所述的一种企业关联关系识别方法,其特征在于,方法还包括步骤S40,依据步骤S30获得初始节点分别与多个目标对象所属关联节点的关联关系后,形成与选定企业关联的关联对象列表;所述关联对象列表存储关联对象、关联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310355360.2A CN116069987B (zh) | 2023-04-06 | 2023-04-06 | 一种企业关联关系识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310355360.2A CN116069987B (zh) | 2023-04-06 | 2023-04-06 | 一种企业关联关系识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116069987A CN116069987A (zh) | 2023-05-05 |
CN116069987B true CN116069987B (zh) | 2023-07-25 |
Family
ID=86177135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310355360.2A Active CN116069987B (zh) | 2023-04-06 | 2023-04-06 | 一种企业关联关系识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116069987B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788132B (zh) * | 2024-02-28 | 2024-05-31 | 东亚银行(中国)有限公司 | 基于知识图谱的银行反洗钱股权追溯方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020253370A1 (zh) * | 2019-06-17 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 关联图谱展示方法、装置、计算机设备和存储介质 |
CN114154905A (zh) * | 2021-12-09 | 2022-03-08 | 兴业银行股份有限公司 | 获取企业关联关系的方法及系统 |
CN114238655A (zh) * | 2021-12-15 | 2022-03-25 | 平安科技(深圳)有限公司 | 企业关联关系识别方法、装置、设备及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138652B (zh) * | 2015-08-28 | 2018-11-23 | 山东合天智汇信息技术有限公司 | 一种企业关联关系识别方法及系统 |
CA3004538A1 (en) * | 2015-11-24 | 2017-06-01 | Social Sentinel, Inc. | Systems and methods for identifying relationships in social media content |
CN112634056A (zh) * | 2020-12-17 | 2021-04-09 | 企查查科技有限公司 | 快速计算、更新企业股权结构的方法、设备和存储介质 |
CN112967130B (zh) * | 2021-03-18 | 2024-08-09 | 中国工商银行股份有限公司 | 一种企业关联关系的识别方法及装置 |
-
2023
- 2023-04-06 CN CN202310355360.2A patent/CN116069987B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020253370A1 (zh) * | 2019-06-17 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 关联图谱展示方法、装置、计算机设备和存储介质 |
CN114154905A (zh) * | 2021-12-09 | 2022-03-08 | 兴业银行股份有限公司 | 获取企业关联关系的方法及系统 |
CN114238655A (zh) * | 2021-12-15 | 2022-03-25 | 平安科技(深圳)有限公司 | 企业关联关系识别方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116069987A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8661034B2 (en) | Bimodal recommendation engine for recommending items and peers | |
US10115108B1 (en) | Rendering transaction data to identify fraud detection rule strength | |
CN110752942A (zh) | 告警信息的决策方法、装置、计算机设备及存储介质 | |
WO2019019630A1 (zh) | 反欺诈识别方法、存储介质、承载平安脑的服务器及装置 | |
CN105308640A (zh) | 用于自动生成高质量不良行为通知的方法和系统 | |
US20120084288A1 (en) | Criminal relationship analysis and visualization | |
Buijs et al. | Improving business process models using observed behavior | |
CN116069987B (zh) | 一种企业关联关系识别方法 | |
CN107784067A (zh) | 监察信息处理方法、装置、服务器和存储介质 | |
CN105719045A (zh) | 留任风险确定器 | |
JP2007323511A (ja) | 個人情報を保護する方法及びそのシステム | |
Lorenz et al. | Applying user stories for a customer-driven industry 4.0 transformation | |
JP2016206878A (ja) | 営業員育成支援システムおよび営業員育成支援方法 | |
Sliż | Robotization of business processes and the future of the labor market in poland–preliminary research | |
Yang et al. | A multiple attribute group decision making approach for solving problems with the assessment of preference relations | |
US20240121274A1 (en) | Methods and systems for processing cyber incidents in cyber incident management systems using dynamic processing hierarchies | |
CN111611387B (zh) | 民事案件咨询方法、装置、计算机设备及存储介质 | |
US11153379B2 (en) | Metadata synchronization system | |
KR101985961B1 (ko) | 국가연구개발과제 유사도 정량화 시스템 및 이를 이용한 국가연구개발과제 협업 제안 방법 | |
CN114240318A (zh) | 面向目标对象的信息处理方法、装置、计算机设备 | |
CN115170271A (zh) | 风险关联企业的聚类方法、装置、设备及存储介质 | |
US20210049621A1 (en) | System and method for intelligent customer relationship management data migration | |
US11501020B2 (en) | Method for anonymizing personal information in big data and combining anonymized data | |
Dominguez | Groups and the party coalitions: A network analysis of overlapping donor lists | |
US11907187B1 (en) | Methods and systems for facilitating data stewardship tasks |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |