CN116629620A - 一种风险等级确定方法、装置、电子设备及存储介质 - Google Patents
一种风险等级确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116629620A CN116629620A CN202310920231.3A CN202310920231A CN116629620A CN 116629620 A CN116629620 A CN 116629620A CN 202310920231 A CN202310920231 A CN 202310920231A CN 116629620 A CN116629620 A CN 116629620A
- Authority
- CN
- China
- Prior art keywords
- risk level
- risk
- level data
- target
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 33
- 238000003058 natural language processing Methods 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000007689 inspection Methods 0.000 claims description 70
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 14
- 238000002360 preparation method Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 14
- 238000007405 data analysis Methods 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种风险等级确定方法、装置、电子设备及存储介质。通过获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。解决了风险等级数据可读性差和准确率低，不能有效进行数据分析的问题，提高了风险等级数据的可读性，提高了风险等级数据的分析和风险等级预测的准确率，降低了数据分析成本，能更好地根据预测出的风险等级进行预警处理。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种风险等级确定方法、装置、电子设备及存储介质。
背景技术
随着监管力度逐年加大、监管半径不断延伸、以及监管力量不断下沉，公司合规风险日趋严峻、组织架构复杂、以及经营业务产品范围广，面临着一系列法律法规的合规行为风险防范，公司多业态经营业务行为、财务行为、资金运用行为、机构管理行为、以及其他行为都可能引发合规风险，积极稳妥抓好各类风险处置工作迫在眉睫。为提高防范风险能力，满足各个监管机构现场检查与非现场监管相结合的监管方式，更及时获取监管动态，更好地将对公司合规管理上进行严格把控，有效化解合规风险。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：目前，海量监管信息提取结构化准确性低，数据提取信息颗粒度粗，数据可读性差；无法有效作用于公司多业态业务经营分析，与业务工作紧密性低，分析工作量大，分析成本高；业务响应时效低，业务效率低；并且不能防范公司合规风险，降低经营成本。
发明内容
本发明提供了一种风险等级确定方法、装置、电子设备及存储介质，以提高风险等级数据的分析和风险等级预测的准确率，降低数据分析成本。
根据本发明的一方面，提供了一种风险等级确定方法，其中，包括：
获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；
将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；
其中，所述目标检索结果中包括至少一项风险条例数据；
根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；
根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
根据本发明的另一方面，提供了一种风险等级确定装置，其中，包括：
标准风险等级数据确定模块，用于获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；
目标检索结果确定模块，用于将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；
其中，所述目标检索结果中包括至少一项风险条例数据；
风险损失和值计算模块，用于根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；
风险等级确定模块，用于根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
根据本发明的另一方面，提供了一种电子设备，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本发明任一实施例所述的风险等级确定方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的风险等级确定方法。
本发明实施例的技术方案，通过获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。解决了风险等级数据可读性差和准确率低，不能有效进行数据分析的问题，提高了风险等级数据的可读性，提高了风险等级数据的分析和风险等级预测的准确率，降低了数据分析成本，能更好地根据预测出的风险等级进行预警处理。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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。
图1是根据本发明实施例一提供的一种风险等级确定方法的流程图；
图2是根据本发明实施例二提供的另一种风险等级确定方法的流程图；
图3是根据本发明实施例三提供的一种风险等级确定装置的结构示意图；
图4是根据本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”、“当前”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种风险等级确定方法的流程图，本实施例可适用于对获取到的风险等级数据进行数据分析来确定风险等级的情况，该方法可以由风险等级确定装置来执行，该风险等级确定装置可以采用硬件和/或软件的形式实现。
相应的，如图1所示，该方法包括：
S110、获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据。
其中，风险等级数据可以是采集到待分析风险等级的目标数据。自然语言处理技术可以是以语言为对象，利用计算机技术来分析、理解和处理自然语言的一门学科，即把计算机作为语言研究的强大工具，在计算机的支持下对语言信息进行定量化的研究，并提供可供人与计算机之间能共同使用的语言描写。自然语言处理技术包括自然语言理解和自然语言生成两部分。标准风险等级数据可以是将风险等级数据进行特征向量的提取之后得到的数据。
在本实施例中，可以用于公司对自身数据的分析的情况，假设采集到公司A的待确定的风险等级数据，需要通过自然语言处理技术来进行数据处理，进一步地得到标准风险等级数据。
具体的，公司A的待确定的风险等级数据可以包括有：大规模政策处罚数据、公司A主体和财务报表数据，通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据，也即首先对风险等级数据中的政策名称、检查对象、处罚依据和公司A主体名称等基本信息字段标准化，接着对标准化的基本信息字段进行特征向量的提取，进一步地得到标准风险等级数据。
可选的，所述获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据，包括：将获取到的待确定的风险等级数据通过自然语言处理技术进行数据清洗，得到风险等级清洗数据；对所述风险等级清洗数据进行特征向量提取操作，确定出标准风险等级数据。
其中，风险等级清洗数据可以是对风险等级数据中重复、空格等无效数据进行数据清洗，清洗之后得到的数据。
在本实施例中，需要对待处理的风险等级数据进行数据清洗，在数据清洗之前还包括分词处理，将对风险等级数据对应的各分词数据进行去除大小写、事态、单复数、简写等数据清洗操作，使得待处理的风险等级数据更加标准化。
这样设置的好处在于：更好地进行特征提取操作，可以提高匹配的准确度，并且降低匹配的复杂度了，同时对文本特征向量进行向量空间模型相识度优化提升。
S120、将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果。
其中，所述目标检索结果中包括至少一项风险条例数据。
其中，知识管理与智能搜索模型可以是能够根据输入的标准风险等级数据进行数据的解析处理，得到相应的检索结果的模型，具体的，需要根据历史风险等级数据进行模型的训练，另外通过历史相似度的计算，得到训练完成的知识管理与智能搜索模型。
目标检索结果可以是在检索得到的多个检索结果中，选取最新日期的检索结果作为目标检索结果。风险条例数据可以是在预先输入的标准规范数据中，目标检索结果中匹配的风险条例数据，其中，目标检索结果可以包括一个或者多个风险条例数据。在确定出风险条例数据之后，需要对风险条例数据进行数据解析数据，得到风险条例数据对应的一个或者多个检查对象。
在本实施例中，通过自然语言处理技术对历史风险等级数据进行处理，通过处理之后的数据来训练完成知识管理与智能搜索模型，训练完成的知识管理与智能搜索模型可以进行目标检索结果的确定，具体的，目标检索结果可以用来构筑用户画像、多触点行为特征结合进行数据精准推送。知识管理与智能搜索模型是基于自然语言处理技术、知识图谱、以及智能交互三大核心智能认知技术来构建完成的。
可选的，所述将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果，包括：将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，得到至少一个检索结果；获取各所述检索结果对应的时间值，并对各所述时间值进行倒序排序处理，确定出时间值最大的检索结果作为目标检索结果。
其中，检索结果可以是在知识管理与智能搜索模型中对标准风险等级数据进行解析处理，检索出的结果。
在本实施例中，通过知识管理与智能搜索模型对标准风险等级数据的解析，可以搜索出多个检索结果，并且需要将检索结果按照时间的顺序，将最近时间对应的检索结果放置首位，以此类推，确定出检索结果对应的倒叙排序结果，并在倒叙排序结果中确定出时间最近的检索结果，并将该检索结果确定为目标检索结果。
示例性的，假设将标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，得到5个检索结果，分别为检索结果1，时间值为：2022年5月4日；检索结果2，时间值为：2022年11月6日；检索结果3，时间值为：2021年6月14日；检索结果4，时间值为：2022年8月17日；检索结果5，时间值为：2021年11月18日。
进一步的，将上述检索结果对应的时间值按照倒序排序进行处理，确定出确定出时间值最大的检索结果作为目标检索结果，也即时间值2022年11月6日对应的检索结果4为目标检索结果。
这样设置的好处在于：通过将确定出的多个检索结果对应的时间值进行倒序排序处理，确定出时间值最大的检索结果作为目标检索结果。这样确定出的目标检索结果更加准确，由于最新的法律法条更加能够反映出该风险等级数据对应的具体风险等级的情况。
S130、根据所述目标检索结果中的各风险条例数据，计算出风险损失和值。
其中，风险损失和值可以是根据目标检索结果中的多个风险条例数据对应的检索结果进行风险损失值的计算，计算得到相应的损失和值。
S140、根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
其中，风险等级可以是对风险损失和值进行解析，确定解析出的解析结果，根据解析结果来匹配对应的具体风险等级。
示例性的，预设风险等级有四个等级，其中，第一风险等级为极低风险；第二风险等级为低风险；第三风险等级为中等风险；第四风险等级为高风险；第五风险等级为重大风险。
假设风险损失和值对应的处罚金额为0万元时，为极低风险；风险损失和值对应的处罚金额为0万元以上，并且20万元以下时，为低风险；风险损失和值对应的处罚金额为20万元以上，并且50万元以下时，为中等风险；风险损失和值对应的处罚金额为50万元以上，并且100万元以下时，为高风险；风险损失和值对应的处罚金额为100万元以上时，为重大风险。
假设通过对风险损失和值的解析，确定解析结果命中第一风险等级，则确定该待确定的风险等级数据的风险等级为极低风险，可以确定本公司接到执法或监管部门提示或约谈但没有处罚，可以有效地对本公司运营情况进行分析，能够更好地对公司本身的运行情况进行分析处理，并且可以将本公司的运营情况反馈给其他公司，也可以更好地确定当前公司的风险等级情况。
另外的，在命中不同的风险等级之后，在系统中的每一个等级分别对应不同的预警措施，需要将预警措施发送给相关工作人员，能够尽快地进行相应的操作，并且相应的发送监管动态日报操作。
可选的，在所述获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据之前，还包括：获取历史风险等级数据，并通过自然语言处理技术对所述历史风险等级数据进行特征向量提取操作，确定出标准历史风险等级数据；将所述标准历史风险等级数据输入至初始知识管理与智能搜索模型中，确定出历史检索结果，并计算所述历史检索结果与针对所述标准历史风险等级数据预先标注的标准检索结果之间的历史计算相似度；判断所述历史计算相似度是否满足预设的相似度阈值，若是，则构建完成知识管理与智能搜索模型；若否，返回执行获取历史风险等级数据的操作，直至所述历史计算相似度满足预设的相似度阈值。
其中，历史风险等级数据可以是采集到历史风险等级的目标数据，可以包括不同领域、以及不同公司等风险等级数据，可以通过该历史风险等级数据对初始知识管理与智能搜索模型进行训练。标准历史风险等级数据可以是将历史风险等级数据进行特征向量的提取之后得到的数据。初始知识管理与智能搜索模型可以是未经过历史风险等级数据训练的初始模型。历史检索结果可以是在检索得到的多个初始检索结果中，选取最新日期的初始检索结果作为历史检索结果。标准检索结果可以是标准历史风险等级数据预先标注的检索结果。历史计算相似度可以是根据历史检索结果和标准检索结果进行相似度的计算，计算得到的相似度的大小。
具体的，相似度越大，说明通过知识管理与智能搜索模型分析得到的目标检索结果更加准确，反之，确定出的目标检索结果不准确。相似度阈值可以是预先设置的相似度的阈值的大小。
另外的，当历史计算相似度满足预设的相似度阈值，说明当前知识管理与智能搜索模型输出的目标检索结果与预先标注的标准检索结果之间的相似度满足要求，也即训练完成知识管理与智能搜索模型，反之，需要继续获取历史风险等级数据来进行初始知识管理与智能搜索模型的再训练，直至满足相似度阈值的要求。
这样设置的好处在于：通过对知识管理与智能搜索模型的训练，要求满足相似度阈值的条件，这样训练出的知识管理与智能搜索模型能够更好地对标准风险等级数据进行分析，从而能够检索出更加准确地目标检索结果，进而提高了风险等级预测的准确率。
本发明实施例的技术方案，通过获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。解决了风险等级数据可读性差和准确率低，不能有效进行数据分析的问题，提高了风险等级数据的可读性，提高了风险等级数据的分析和风险等级预测的准确率，降低了数据分析成本，能更好地根据预测出的风险等级进行预警处理。
实施例二
图2为本发明实施例二提供的另一种风险等级确定方法的流程图，本实施例以上述各实施例为基础进行细化，在本实施例中，对所述根据所述目标检索结果中的各风险条例数据，计算出风险损失和值的具体操作过程进行进一步地细化。
相应的，如图2所示，该方法包括：
S210、获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据。
S220、将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果。
其中，所述目标检索结果中包括至少一项风险条例数据。
S230、根据所述目标检索结果中的各风险条例数据，分别确定出目标检查对象集。
其中，所述目标检查对象集包括至少一个检查对象；所述检查对象包括下述至少一项：目标公司处罚次数、员工个人处罚次数、操作风险资本配置、处罚金额、平均处罚金额、目标处罚金额、目标平均处罚金额、商业风险指数、以及目标商业风险指数。
其中，目标检查对象集可以是对风险条例数据进行解析，解析得到的多个检查对象，由多个检查对象构成的检查对象集。
S240、根据所述目标检查对象集中的各所述检查对象，计算出影响力值。
其中，检查对象可以是影响风险损失和值大小的对象，具体的，检查对象可以包括目标公司处罚次数、以及员工个人处罚次数等参数信息。影响力值可以是影响风险损失和值大小的值，可以根据检查对象计算出影响力值，进一步的，通过影响力值确定出风险损失和值的大小，从而确定出具体的风险等级。
可选的，所述根据所述目标检查对象集中的各所述检查对象，计算出影响力值，包括：根据公式 ，计算出各所述检查对象对应的监管处罚影响力 />；其中，i表示检查对象；/>表示检查对象对应的目标公司在预设时间之内受到第一处罚金额阈值或者第一处罚金额阈值以上处罚的次数；th1表示第一处罚金额阈值；c表示检查对象对应的目标公司；/>表示检查对象对应的目标公司的员工个人在预设时间之内受到第二处罚金额阈值或者第二处罚金额阈值以上处罚的次数；th2表示第二处罚金额阈值；p表示检查对象对应的目标公司的员工个人；/>表示检查对象对应的目标公司在预设时间之内操作风险资本配置；
根据公式，计算出各所述检查对象对应的区域影响力/>；其中，LMi表示检查对象对应的检查区域在预设时间之内处罚金额；/>表示检查对象对应的检查区域在预设时间之内平均处罚金额；LMo表示检查对象对应的目标区域在预设时间之内目标处罚金额；/>表示检查对象对应的目标区域在预设时间之内目标平均处罚金额；
根据公式，计算出各所述检查对象对应的资本准备影响力/>；其中，BIi表示所述检查对象对应的商业风险指数；BIo表示所述检查对象对应的目标商业风险指数；
根据公式：，计算出综合影响力/>；其中，/>表示/>的权重；/>表示/>的权重；/>表示/>的权重； />表示所述检查对象对应的处罚数量；
根据公式 ，计算出各所述检查对象对应的影响力值；其中，表示在第l报告期对检查对象的影响力；/>表示在上一个报告期l-1对检查对象的影响力；r为衰减指数；/>表示第l报告期与第l-1报告期的检查机构对检查对象的影响系数。
其中，监管处罚影响力可以是对各检查对象对应的公司监管处罚力度计算出的影响力的大小值。区域影响力可以是根据各检查对象对应的区域和目标区域之间的计算出的影响力的大小值。资本准备影响力可以是对各检查对象对应的资本准备的影响力的大小值。综合影响力可以根据监管处罚影响力、区域影响力和资本准备影响力进行计算，得到的综合影响力的大小值。影响力值可以是根据综合影响力和在预设时间之内的不同报告期，计算出影响力的大小值。
在本实施例中，通过计算出各检查对象对应的监管处罚影响力、区域影响力、和资本准备影响力，来进一步地计算出综合影响力，在计算出综合影响力之后，根据在预设时间之内的不同报告期，计算出相应的影响力值。
S250、根据各所述影响力值，计算得到所述风险条例数据对应的风险损失和值。
可选的，所述根据各所述影响力值，计算得到所述风险条例数据对应的风险损失和值，包括：根据公式，计算出所述检查对象的风险损失值/>；其中，/>表示所述检查对象对应的最大处罚金额；表示所述检查对象在对应的损失汇总值；LMj表示检查对象对应的检查区域在j时间之内处罚金额；ICj表示在第j报告期对检查对象的影响力；根据公式/>，计算得到所述风险条例数据对应的风险损失和值IV；其中，Wi表示各所述检查对象的风险损失值对应的权重值。
其中，风险损失值可以是每个检查对象都能够计算出相应的风险损失值的大小。
在本实施例中，根据计算出的影响力值，计算出各检查对象分别对应的风险损失值，又由于风险条例数据对应多个检查对象，根据各个检查对象对应的风险损失值，以及每个检查对象对应的权重的大小，计算得到风险损失和值。
这样设置的好处在于：能够对风险条例数据进行解析，确定出风险条例数据对应的多个检查对象，通过对各个检查对象进行风险损失值的计算，确定出风险条例数据对应的风险损失和值，这样计算出的风险损失和值更加准确，进一步地提高了对风险等级数据对应的风险等级确定的准确率，能更好地根据预测出的风险等级进行预警处理。
S260、根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
本发明实施例的技术方案，通过获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；根据所述目标检索结果中的各风险条例数据，分别确定出目标检查对象集；根据所述目标检查对象集中的各所述检查对象，计算出影响力值；根据各所述影响力值，计算得到所述风险条例数据对应的风险损失和值；根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。这样计算出的风险损失和值更加准确，提高了风险等级数据的可读性，提高了风险等级数据的分析和风险等级预测的准确率，能更好地根据预测出的风险等级进行预警处理。
实施例三
图3为本发明实施例三提供的一种风险等级确定装置的结构示意图。本实施例所提供的一种风险等级确定装置可以通过软件和/或硬件来实现，可配置于终端设备或者服务器中来实现本发明实施例中的一种风险等级确定方法。如图3所示，该装置包括：标准风险等级数据确定模块310、目标检索结果确定模块320、风险损失和值计算模块330和风险等级确定模块340。
其中，标准风险等级数据确定模块310，用于获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；
目标检索结果确定模块320，用于将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；
其中，所述目标检索结果中包括至少一项风险条例数据；
风险损失和值计算模块330，用于根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；
风险等级确定模块340，用于根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
本发明实施例的技术方案，通过获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。解决了风险等级数据可读性差和准确率低，不能有效进行数据分析的问题，提高了风险等级数据的可读性，提高了风险等级数据的分析和风险等级预测的准确率，降低了数据分析成本，能更好地根据预测出的风险等级进行预警处理。
可选的，所述标准风险等级数据确定模块310，可以具体用于：将获取到的待确定的风险等级数据通过自然语言处理技术进行数据清洗，得到风险等级清洗数据；对所述风险等级清洗数据进行特征向量提取操作，确定出标准风险等级数据。
可选的，目标检索结果确定模块320，可以具体用于：将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，得到至少一个检索结果；获取各所述检索结果对应的时间值，并对各所述时间值进行倒序排序处理，确定出时间值最大的检索结果作为目标检索结果。
可选的，还包括，知识管理与智能搜索模型构建模块，可以具体用于：在所述获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据之前，获取历史风险等级数据，并通过自然语言处理技术对所述历史风险等级数据进行特征向量提取操作，确定出标准历史风险等级数据；将所述标准历史风险等级数据输入至初始知识管理与智能搜索模型中，确定出历史检索结果，并计算所述历史检索结果与针对所述标准历史风险等级数据预先标注的标准检索结果之间的历史计算相似度；判断所述历史计算相似度是否满足预设的相似度阈值，若是，则构建完成知识管理与智能搜索模型；若否，返回执行获取历史风险等级数据的操作，直至所述历史计算相似度满足预设的相似度阈值。
可选的，所述风险损失和值计算模块330，可以具体包括：目标检查对象确定单元，用于根据所述目标检索结果中的各风险条例数据，分别确定出目标检查对象集；其中，所述目标检查对象集包括至少一个检查对象；所述检查对象包括下述至少一项：目标公司处罚次数、员工个人处罚次数、操作风险资本配置、处罚金额、平均处罚金额、目标处罚金额、目标平均处罚金额、商业风险指数、以及目标商业风险指数；影响力值计算单元，用于根据所述目标检查对象集中的各所述检查对象，计算出影响力值；风险损失和值计算单元，用于根据各所述影响力值，计算得到所述风险条例数据对应的风险损失和值。
可选的，影响力值计算单元，可以具体用于：根据公式 ，计算出各所述检查对象对应的监管处罚影响力；其中，i表示检查对象；/>表示检查对象对应的目标公司在预设时间之内受到第一处罚金额阈值或者第一处罚金额阈值以上处罚的次数；th1表示第一处罚金额阈值；c表示检查对象对应的目标公司；/>表示检查对象对应的目标公司的员工个人在预设时间之内受到第二处罚金额阈值或者第二处罚金额阈值以上处罚的次数；th2表示第二处罚金额阈值；p表示检查对象对应的目标公司的员工个人；/>表示检查对象对应的目标公司在预设时间之内操作风险资本配置；
根据公式，计算出各所述检查对象对应的区域影响力/>；其中，LMi表示检查对象对应的检查区域在预设时间之内处罚金额；/>表示检查对象对应的检查区域在预设时间之内平均处罚金额；LMo表示检查对象对应的目标区域在预设时间之内目标处罚金额；/>表示检查对象对应的目标区域在预设时间之内目标平均处罚金额；
根据公式，计算出各所述检查对象对应的资本准备影响力/>；其中，BIi表示所述检查对象对应的商业风险指数；BIo表示所述检查对象对应的目标商业风险指数；
根据公式：，计算出综合影响力/>；其中，/>表示/>的权重；/>表示/>的权重；/>表示/>的权重； />表示所述检查对象对应的处罚数量；
根据公式 ，计算出各所述检查对象对应的影响力值；其中，表示在第l报告期对检查对象的影响力；/>表示在上一个报告期l-1对检查对象的影响力；r为衰减指数；/>表示第l报告期与第l-1报告期的检查机构对检查对象的影响系数。
可选的，所述风险损失和值计算单元，可以具体用于：根据公式，计算出所述检查对象的风险损失值/>；其中，/>表示所述检查对象对应的最大处罚金额；表示所述检查对象在对应的损失汇总值；LMj表示检查对象对应的检查区域在j时间之内处罚金额；ICj表示在第j报告期对检查对象的影响力；根据公式/>，计算得到所述风险条例数据对应的风险损失和值IV；其中，Wi表示各所述检查对象的风险损失值对应的权重值。
本发明实施例所提供的风险等级确定装置可执行本发明任意实施例所提供的风险等级确定方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例四的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如风险等级确定方法。
在一些实施例中，风险等级确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的风险等级确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行风险等级确定方法。
该方法包括：获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
实施例五
本发明实施例五还提供一种包含计算机可读存储介质，所述计算机可读指令在由计算机处理器执行时用于执行一种风险等级确定方法，该方法包括：获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
当然，本发明实施例所提供的一种包含计算机可读存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的风险等级确定方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（RandomAccess Memory，RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
值得注意的是，上述风险等级确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种风险等级确定方法，其特征在于，包括：
获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；
将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；
其中，所述目标检索结果中包括至少一项风险条例数据；
根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；
根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
2.根据权利要求1所述的方法，其特征在于，所述获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据，包括：
将获取到的待确定的风险等级数据通过自然语言处理技术进行数据清洗，得到风险等级清洗数据；
对所述风险等级清洗数据进行特征向量提取操作，确定出标准风险等级数据。
3.根据权利要求1所述的方法，其特征在于，所述将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果，包括：
将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，得到至少一个检索结果；
获取各所述检索结果对应的时间值，并对各所述时间值进行倒序排序处理，确定出时间值最大的检索结果作为目标检索结果。
4.根据权利要求3所述的方法，其特征在于，在所述获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据之前，还包括：
获取历史风险等级数据，并通过自然语言处理技术对所述历史风险等级数据进行特征向量提取操作，确定出标准历史风险等级数据；
将所述标准历史风险等级数据输入至初始知识管理与智能搜索模型中，确定出历史检索结果，并计算所述历史检索结果与针对所述标准历史风险等级数据预先标注的标准检索结果之间的历史计算相似度；
判断所述历史计算相似度是否满足预设的相似度阈值，若是，则构建完成知识管理与智能搜索模型；
若否，返回执行获取历史风险等级数据的操作，直至所述历史计算相似度满足预设的相似度阈值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标检索结果中的各风险条例数据，计算出风险损失和值，包括：
根据所述目标检索结果中的各风险条例数据，分别确定出目标检查对象集；
其中，所述目标检查对象集包括至少一个检查对象；所述检查对象包括下述至少一项：目标公司处罚次数、员工个人处罚次数、操作风险资本配置、处罚金额、平均处罚金额、目标处罚金额、目标平均处罚金额、商业风险指数、以及目标商业风险指数；
根据所述目标检查对象集中的各所述检查对象，计算出影响力值；
根据各所述影响力值，计算得到所述风险条例数据对应的风险损失和值。
6.根据权利要求5所述的方法，其特征在于，所述根据所述目标检查对象集中的各所述检查对象，计算出影响力值，包括：
根据公式 ，计算出各所述检查对象对应的监管处罚影响力 />；
其中，i表示检查对象；表示检查对象对应的目标公司在预设时间之内受到第一处罚金额阈值或者第一处罚金额阈值以上处罚的次数；th1表示第一处罚金额阈值；c表示检查对象对应的目标公司；/>表示检查对象对应的目标公司的员工个人在预设时间之内受到第二处罚金额阈值或者第二处罚金额阈值以上处罚的次数；th2表示第二处罚金额阈值；p表示检查对象对应的目标公司的员工个人；/>表示检查对象对应的目标公司在预设时间之内操作风险资本配置；
根据公式，计算出各所述检查对象对应的区域影响力/>；
其中，LMi表示检查对象对应的检查区域在预设时间之内处罚金额；表示检查对象对应的检查区域在预设时间之内平均处罚金额；LMo表示检查对象对应的目标区域在预设时间之内目标处罚金额；/>表示检查对象对应的目标区域在预设时间之内目标平均处罚金额；
根据公式，计算出各所述检查对象对应的资本准备影响力/>；
其中，BIi表示所述检查对象对应的商业风险指数；BIo表示所述检查对象对应的目标商业风险指数；
根据公式：
，计算出综合影响力/>；
其中，表示/>的权重；/>表示/>的权重；/>表示/>的权重； />表示所述检查对象对应的处罚数量；
根据公式 ，计算出各所述检查对象对应的影响力值；
其中，表示在第l报告期对检查对象的影响力；/>表示在上一个报告期l-1对检查对象的影响力；r为衰减指数；/>表示第l报告期与第l-1报告期的检查机构对检查对象的影响系数。
7.根据权利要求6所述的方法，其特征在于，所述根据各所述影响力值，计算得到所述风险条例数据对应的风险损失和值，包括：
根据公式，计算出所述检查对象的风险损失值/>；
其中，表示所述检查对象对应的最大处罚金额；/>表示所述检查对象在对应的损失汇总值；LMj表示检查对象对应的检查区域在j时间之内处罚金额；ICj表示在第j报告期对检查对象的影响力；
根据公式，计算得到所述风险条例数据对应的风险损失和值IV；
其中，Wi表示各所述检查对象的风险损失值对应的权重值。
8.一种风险等级确定装置，其特征在于，包括；
标准风险等级数据确定模块，用于获取待确定的风险等级数据，并通过自然语言处理技术对所述风险等级数据进行特征向量提取操作，确定出标准风险等级数据；
目标检索结果确定模块，用于将所述标准风险等级数据输入至预先构建的知识管理与智能搜索模型中，确定出目标检索结果；
其中，所述目标检索结果中包括至少一项风险条例数据；
风险损失和值计算模块，用于根据所述目标检索结果中的各风险条例数据，计算出风险损失和值；
风险等级确定模块，用于根据所述风险损失和值，确定出所述待确定的风险等级数据的风险等级。
9.一种电子设备，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1-7中任一项所述的风险等级确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的风险等级确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310920231.3A CN116629620B (zh) | 2023-07-26 | 2023-07-26 | 一种风险等级确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310920231.3A CN116629620B (zh) | 2023-07-26 | 2023-07-26 | 一种风险等级确定方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116629620A true CN116629620A (zh) | 2023-08-22 |
| CN116629620B CN116629620B (zh) | 2024-02-02 |
Family
ID=87597721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310920231.3A Active CN116629620B (zh) | 2023-07-26 | 2023-07-26 | 一种风险等级确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116629620B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117811767A (zh) * | 2023-11-16 | 2024-04-02 | 万郡绿建科技有限公司 | 风险ip地址的预警方法、装置、存储介质及电子设备 |
| CN117852868A (zh) * | 2023-12-13 | 2024-04-09 | 东土科技(宜昌)有限公司 | 化学品的风险管控方法、平台、设备及计算机可读介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229806A (zh) * | 2017-12-27 | 2018-06-29 | 中国银行股份有限公司 | 一种分析企业风险的方法以及系统 |
| CN108959934A (zh) * | 2018-06-11 | 2018-12-07 | 平安科技（深圳）有限公司 | 安全风险评估方法、装置、计算机设备和存储介质 |
| CN109165840A (zh) * | 2018-08-20 | 2019-01-08 | 平安科技（深圳）有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
| CN110362689A (zh) * | 2019-06-21 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 一种风险评估方法、装置、存储介质和服务器 |
| CN110458425A (zh) * | 2019-07-25 | 2019-11-15 | 腾讯科技（深圳）有限公司 | 风险主体的风险分析方法、装置、可读介质及电子设备 |
| CN111325023A (zh) * | 2020-01-21 | 2020-06-23 | 南方电网能源发展研究院有限责任公司 | 一种风险项目信息数据搜索方法 |
| US20200202268A1 (en) * | 2018-12-20 | 2020-06-25 | Accenture Global Solutions Limited | Utilizing artificial intelligence to predict risk and compliance actionable insights, predict remediation incidents, and accelerate a remediation process |
| CN112613789A (zh) * | 2020-12-29 | 2021-04-06 | 太平金融科技服务（上海）有限公司 | 风险管控数据处理方法、风险预警规则前置数据监控方法 |
| CN113094476A (zh) * | 2021-06-08 | 2021-07-09 | 明品云(北京)数据科技有限公司 | 基于自然语言处理风险预警方法、系统、设备及介质 |
| CN114519524A (zh) * | 2022-02-18 | 2022-05-20 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的企业风险预警方法、装置及存储介质 |
| CN114969245A (zh) * | 2021-02-21 | 2022-08-30 | 同济大学 | 用于知识产权侵权风险评估的信息检索方法和装置 |
| CN115034520A (zh) * | 2022-08-09 | 2022-09-09 | 太平金融科技服务(上海)有限公司深圳分公司 | 风险预测方法、装置、设备及存储介质 |
| KR20230046491A (ko) * | 2021-09-30 | 2023-04-06 | 대우조선해양 주식회사 | 딥러닝 언어모델과 자연어 처리기술을 이용한 프로젝트 스펙정보 분석 및 리스크 예측 방법과 시스템, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 |
| CN116151626A (zh) * | 2023-04-14 | 2023-05-23 | 广东远景信息科技有限公司 | 风险管控能力评测方法、系统、电子设备及存储介质 |
-
2023
- 2023-07-26 CN CN202310920231.3A patent/CN116629620B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229806A (zh) * | 2017-12-27 | 2018-06-29 | 中国银行股份有限公司 | 一种分析企业风险的方法以及系统 |
| CN108959934A (zh) * | 2018-06-11 | 2018-12-07 | 平安科技（深圳）有限公司 | 安全风险评估方法、装置、计算机设备和存储介质 |
| CN109165840A (zh) * | 2018-08-20 | 2019-01-08 | 平安科技（深圳）有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
| US20200202268A1 (en) * | 2018-12-20 | 2020-06-25 | Accenture Global Solutions Limited | Utilizing artificial intelligence to predict risk and compliance actionable insights, predict remediation incidents, and accelerate a remediation process |
| CN110362689A (zh) * | 2019-06-21 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 一种风险评估方法、装置、存储介质和服务器 |
| CN110458425A (zh) * | 2019-07-25 | 2019-11-15 | 腾讯科技（深圳）有限公司 | 风险主体的风险分析方法、装置、可读介质及电子设备 |
| CN111325023A (zh) * | 2020-01-21 | 2020-06-23 | 南方电网能源发展研究院有限责任公司 | 一种风险项目信息数据搜索方法 |
| CN112613789A (zh) * | 2020-12-29 | 2021-04-06 | 太平金融科技服务（上海）有限公司 | 风险管控数据处理方法、风险预警规则前置数据监控方法 |
| CN114969245A (zh) * | 2021-02-21 | 2022-08-30 | 同济大学 | 用于知识产权侵权风险评估的信息检索方法和装置 |
| CN113094476A (zh) * | 2021-06-08 | 2021-07-09 | 明品云(北京)数据科技有限公司 | 基于自然语言处理风险预警方法、系统、设备及介质 |
| KR20230046491A (ko) * | 2021-09-30 | 2023-04-06 | 대우조선해양 주식회사 | 딥러닝 언어모델과 자연어 처리기술을 이용한 프로젝트 스펙정보 분석 및 리스크 예측 방법과 시스템, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 |
| CN114519524A (zh) * | 2022-02-18 | 2022-05-20 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的企业风险预警方法、装置及存储介质 |
| CN115034520A (zh) * | 2022-08-09 | 2022-09-09 | 太平金融科技服务(上海)有限公司深圳分公司 | 风险预测方法、装置、设备及存储介质 |
| CN116151626A (zh) * | 2023-04-14 | 2023-05-23 | 广东远景信息科技有限公司 | 风险管控能力评测方法、系统、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117811767A (zh) * | 2023-11-16 | 2024-04-02 | 万郡绿建科技有限公司 | 风险ip地址的预警方法、装置、存储介质及电子设备 |
| CN117852868A (zh) * | 2023-12-13 | 2024-04-09 | 东土科技(宜昌)有限公司 | 化学品的风险管控方法、平台、设备及计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116629620B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116629620B (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
| CN115545481A (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
| CN118210670A (zh) | 日志异常检测方法、装置、电子设备及存储介质 | |
| CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
| CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
| CN116703109A (zh) | 一种配电网项目选取方法、装置、设备及存储介质 | |
| CN117216275A (zh) | 一种文本处理方法、装置、设备以及存储介质 | |
| CN117076610A (zh) | 一种数据敏感表的识别方法、装置、电子设备及存储介质 | |
| CN116204522A (zh) | 一种数据稽核方法、装置、电子设备及存储介质 | |
| CN116340777A (zh) | 一种日志分类模型的训练方法、日志分类方法及装置 | |
| CN116092101A (zh) | 训练方法、图像识别方法、装置、设备及可读存储介质 | |
| CN116108844A (zh) | 一种风险信息识别方法、装置、设备及存储介质 | |
| CN116467606A (zh) | 一种决策建议信息的确定方法、装置、设备及介质 | |
| CN115601042A (zh) | 信息识别方法、装置、电子设备及存储介质 | |
| CN114708117A (zh) | 融合先验知识的用电安全检查评级方法、装置及设备 | |
| CN117172254B (zh) | 模型训练方法、信息抽取方法、装置、设备及存储介质 | |
| CN114037058B (zh) | 预训练模型的生成方法、装置、电子设备以及存储介质 | |
| CN117574146B (zh) | 文本分类标注方法、装置、电子设备和存储介质 | |
| CN118467403B (zh) | 一种数据库检测方法、装置、设备及存储介质 | |
| CN116403403B (zh) | 一种基于大数据分析的交通预警方法、系统、设备及介质 | |
| CN116304075A (zh) | 基于知识图谱的目标人员匹配方法、装置、设备及介质 | |
| CN118035445A (zh) | 一种工单分类方法、装置、电子设备和存储介质 | |
| CN115952403A (zh) | 评估对象性能的方法、装置、电子设备及存储介质 | |
| CN118331815A (zh) | 一种进程日志异常检测方法及装置 | |
| CN116467198A (zh) | 性能实测必要性确定方法、装置、电子设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |