CN117745134A - 涉企案件生产经营影响评估方法及系统 - Google Patents
涉企案件生产经营影响评估方法及系统 Download PDFInfo
- Publication number
- CN117745134A CN117745134A CN202311761165.6A CN202311761165A CN117745134A CN 117745134 A CN117745134 A CN 117745134A CN 202311761165 A CN202311761165 A CN 202311761165A CN 117745134 A CN117745134 A CN 117745134A
- Authority
- CN
- China
- Prior art keywords
- case
- enterprise
- evaluated
- evaluation
- features
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 156
- 238000013210 evaluation model Methods 0.000 claims abstract description 35
- 238000000513 principal component analysis Methods 0.000 claims abstract description 17
- 238000013135 deep learning Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 14
- 230000006978 adaptation Effects 0.000 claims description 11
- 238000005192 partition Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 abstract description 6
- 238000012854 evaluation process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000000605 extraction Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了涉企案件生产经营影响评估方法及系统,涉及数据处理相关技术领域。所述方法包括:获取涉企案件生产经营影响评估记录库;基于记录库进行主成分分析,获得涉企案件影响评估数据库;基于数据库进行案件特征识别,获得多个案件特征;基于多个案件特征进行深度学习,获得涉企案件生产经营评估模型;获得待评估涉企案件数据;对待评估涉企案件数据进行案件特征识别,获得待评估案件特征;基于待评估案件特征,根据涉企案件生产经营影响评估模型对待评估涉企案件数据进行评估。本发明解决了现有涉企案件生产经营影响评估存在的对生产经营影响的评估过程不智能、结果不精准的技术问题。
Description
技术领域
本发明涉及数据处理相关技术领域,具体涉及涉企案件生产经营影响评估方法及系统。
背景技术
在企业生产经营过程中,涉及各种案件是难以避免的,这些案件可能对企业的生产经营活动产生重大的影响,为了更好地预测及应对涉企案件带来的负面影响,对涉企案件给生产经营造成的影响进行评估以采取相应的措施减小影响成为必要的一项工作,但随着近年来,各种类型的涉企案件频发、案件相关数据量呈指数增长,原有涉企案件生产经营影响评估方法,没有对大量又复杂的涉企案件数据进行成分分析、处理,不能从中提取到重要有效的涉企案件特征信息,从而导致对各类涉企案件生产经营影响的评估结果不够精准。
因此,如何保证涉企案件有效数据的准确分析识别及特征提取,以训练获得最优的影响评估模型,生产经营影响评估过程智能、结果精准是目前急需解决的问题。
发明内容
基于此,本申请实施例提供了涉企案件生产经营影响评估方法,解决了现有涉企案件生产经营影响评估存在的分析识别与提取涉企案件的有效特征数据不准确,影响评估模型效果不好,进而导致的影响评估过程不智能、结果不精准的技术问题,从而达到更智能、准确地评估涉企案件对生产经营影响的技术效果。
本申请实施例的第一个方面,提供了涉企案件生产经营影响评估方法,所述方法包括:
获得涉企案件生产经营影响评估记录库;
基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库;
基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征;
基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型;
获得待评估涉企案件数据;
对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征;
基于所述待评估案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。
本申请实施例的第二个方面,提供了涉企案件生产经营影响评估的系统,所述系统包括:
影响评估记录库获得模块,所述影响评估记录库获得模块用于获得涉企案件生产经营影响评估记录库;
影响评估数据库获得模块,所述影响评估数据库获得模块用于基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库;
多个案件特征获得模块,所述多个案件特征获得模块用于基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征;
影响评估模型获得模块,所述影响评估模型获得模块用于基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型;
待评估涉企案件数据获得模块,所述待评估涉企案件数据获得模块用于获得待评估涉企案件数据;
待评估案件特征获得模块,所述待评估案件特征获得模块用于对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征;
涉企案件生产经营影响评估模块,所述涉企案件生产经营影响评估模块用于基于所述待评估涉企案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过获得涉企案件生产经营影响评估记录库,基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库,基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征,基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型,获得待评估涉企案件数据,对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征,基于所述待评估案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。实现了涉企案件生产经营影响的评估,解决了现有涉企案件生产经营影响评估存在的分析识别与提取涉企案件的有效特征数据不准确,影响评估模型效果不好,进而导致的影响评估过程不智能、结果不精准的技术问题,从而达到更智能、准确地评估涉企案件对生产经营影响的技术效果。
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为本申请实施例提供的涉企案件生产经营影响评估方法的流程示意图;
图2为本申请实施例提供的涉企案件生产经营影响评估方法中获得多个案件特征的流程示意图;
图3为本申请实施例提供的涉企案件生产经营影响评估的系统结构示意图;
附图标记说明:影响评估记录库获得模块10,影响评估数据库获得模块20,多个案件特征获得模块30,影响评估模型获得模块40,待评估涉企案件数据获得模块50,待评估案件特征获得模块60,涉企案件生产经营影响评估模块70。
具体实施方式
本申请实施例提供了涉企案件生产经营影响评估方法,解决了现有涉企案件生产经营影响评估存在的识别与提取涉企案件的有效特征数据不准确,进而导致的影响评估过程不智能、结果不精准的技术问题。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请的部分实施例,而并非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,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、产品或服务器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模块。
实施例一
如图1所示,本申请实施例提供了涉企案件生产经营影响评估的方法,所述方法包括:
获得涉企案件生产经营影响评估记录库;
在本申请实施例中,首先获取涉企案件生产经营影响评估记录库,其中,所述涉企案件生产经营影响评估指的是企业在涉及法律案件或诉讼的情况下,其生产经营活动受到的影响进行评估,这种影响评估的目的是了解对企业运营的影响程度,以便采取相应的措施来减少负面影响、保护企业利益,涉企案件可能给企业的生产经营活动带来不确定的问题,例如,涉企案件可能导致企业生产线的减产或停工,企业销售额的下降,供应链的中断,客户关系的破裂,品牌声誉受损等,评估涉企案件生产经营影响通常涉及数据收集、分析、建立模型、预测风险等,通过收集和分析相关涉企案件数据,例如财务数据、销售数据、供应链数据、生产数据等,可以基于模型对涉企案件对企业生产经营的影响进行评估和预测,所述涉企案件生产经营影响评估记录库指的是用于存储和管理涉企案件生产经营影响评估的记录和结果的数据库或者文档的集合,这些评估记录和相关数据方便后续查询和参考,可能包括案件相关信息(如案件的类型、名称、进展情况等)、企业数据(如企业的财务数据、销售数据等)、评估结果(如评估案件对企业生产产量、利润等的影响程度)、综合评估建议(如综合各个评估结果后的总体评估以及针对企业风险管理和应对策略的建议)。
基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库;
优选的,基于所述企业生产经营影响评估记录库并对记录库里的内容进行主成分分析,获得所述涉企案件影响评估数据库,即通过对评估记录库中的评估记录进行统计分析,提取最重要的影响因素或主成分,从而创建涉企案件影响评估数据库,其中,所述主成分分析是一种常用的数据统计分析方法,通过线性变换将原始数据变换为一组各维度线性无关的表示,用于提取数据的主要特征分量,常用于高维数据的降维,在涉企案件影响评估数据库的构建中,通过主成分分析可以识别出对企业生产经营影响最显著的因素,并将其作为所述影响评估数据库的核心内容,所述涉企案件影响评估数据库指的是对企业生产经营影响最显著的因素的数据库或文档集合,通常来自所述评估记录库的评估记录,例如案件类型、企业数据、评估结果及相应的措施等。
优选的,主成分分析(PCA)是一种常用的多变量数据降维和分析方法,用于提取主要特征或变量间的相关性,在涉企案件影响评估中,对记录库中的评估记录进行主成分分析,可以识别出对企业生产经营影响最显著的关键因素,建立一个更为紧凑、维度更低的数据库,以支持对企业影响的更深入理解和进一步的决策制定,具体而言,基于涉企案件生产经营影响评估记录库进行主成分分析,包括数据准备(从涉企案件生产经营影响评估记录库中提取评估指标的数据,构建一个评估指标矩阵),数据标准化(对评估指标进行标准化处理,使得各指标具有相同尺度,基于主成分分析,提取出最能代表数据变异的主成分)即找出对企业影响最重要的指标数据,从而实现降维处理,并以此数据构建所述涉企案件影响评估数据库,以支持后续决策。
基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征;
优选的,基于所述企业案件影响评估数据库进行案件特征识别,获得多个案件特征是指通过分析所述影响评估数据库中的数据进行涉企案件特征识别,获得多个描述案件特征的特点及相关要素,可能包括案件类型、企业规模、持续时间、行业类别及评估结果等,所述案件特征识别是指通过使用包括统计分析、机器学习和数据挖掘等各种方法技术,从涉企案件影响数据中发现与案件相关的模式、趋势和关联性,进而提取出相关的多个案件特征,例如,可能发现某些案件类型对企业生产损失影响更大或某些评估结果指标与企业规模大小相关等。
进一步的,基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征,方法包括:
根据所述涉企案件影响评估数据库,提取多个样本涉企案件影响评估事件;
遍历所述多个样本涉企案件影响评估事件进行案件特征识别,获得多个样本涉企案件特征;
遍历所述多个样本涉企案件特征进行重复数据筛除,生成多个候选涉企案件特征;
基于所述多个候选涉企案件特征进行关联性筛选,获得所述多个案件特征。
优选的,基于所述涉企案件影响评估数据库,先提取多个样本涉企案件评估事件,然后遍历所述多个样本涉企案件影响评估事件进行案件特征识别,获得多个样本涉企案件特征,再遍历所述多个样本涉企案件特征进行重复数据筛除,生成所述多个候选涉企案件特征,最后基于所述多个候选涉企案件特征进行关联性筛选,最终获得所述多个案件特征,其中,所述样本涉企案件影响评估事件指的是从影响评估数据库中选择整理出的多个具体的涉企案例的评估记录,这些案例代表了不同涉企案件对企业生产经营的影响情况,以这些具体的涉企案例作为所述样本涉企案件影响评估事件,所述多个样本涉企案件特征指的是遍历所述样本涉企案件影响评估事件进行案件特征识别之后,得到的样本特征,例如,债务纠纷、合同违约、知识产权侵权、商业泄密以及产品质量等,所述多个候选涉企案件特征指的是对所述样本涉企案件特征进行去重操作,得到的一组具有独特性和广泛适用性的涉企案件特征,具体而言,对选取的样本涉企案件特征进行遍历,逐一列举案件特征,包括案件类型、规模、影响程度等,然后检查比对案件特征,筛除掉重复出现的以确保所述候选涉企案件特征不包含重复的信息,基于所述多个候选涉企案件进行关联性筛选是指通过分析所述候选涉企案件特征之间的关联性并进行筛选,最终确定最具相关性和重要性的多个案件特征,包括最具相关性的特征组合以及影响力较大的独立涉企案件特征,以便于进一步的分析、建模以及决策制定。
进一步的,基于所述多个候选涉企案件特征进行关联性筛选,获得所述多个案件特征,其方法包括:
遍历所述多个候选涉企案件特征进行两两随机组合,获得多个涉企案件特征集合;
遍历所述多个涉企案件特征集合进行关联性分析,获得多个特征集合关联性;
基于预设特征集合关联性,根据所述多个特征集合关联性对所述多个涉企案件特征集合进行筛选,生成所述多个案件特征。
优选的,首先遍历所述多个候选涉企案件特征并进行两两随机组合,获得多个涉企案件特征集合,对所述多个涉企案件特征集合进行遍历以及关联性分析,获得多个特征集合关联性,再基于预设特征集合关联性,对所述多个涉企案件特征集合进行筛选,最终生成所述多个案件特征,其中,所述多个涉企案件特征集合是指遍历所述多个候选涉企案件特征并进行两两随机组合配对得到的不同的特征集合,所述对特征集合进行关联性分析指的是对所述多个涉企案件特征集合之间的关联程度进行评估和分析,以获取它们之间相关性信息,具体而言,逐一分析每个特征集合的组成和特征之间的关系,常用的方法是相关系数计算,例如Pearson相关系数,所述预设特征集合关联性指的是根据专业知识及经验预先确定设立的特征集合的关联性标准,基于所述预设特征集合关联性筛选所述多个涉企案件特征集合,最终得到所述多个案件特征。
优选的,Pearson相关系数是一种用于度量两个变量之间线性相关程度的统计量,它可以衡量每个涉企案件特征集合内的两个涉企案件特征的线性关联程度,用两个涉企案件特征的协方差除以两个涉企案件特征标准差的乘积,得到Pearson相关系数,表示两个涉企案件特征之间的线性相关程度,其中,协方差表示两个涉企案件特征的变化趋势,标准差度量两个涉企案件特征离其平均值的离散程度,Pearson相关系数的取值范围是-1到1,相关系数为0时,表示两个涉企案件特征没有线性关系,反之,两个涉企案件之间的关联程度越大。
基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型;
优选的,基于所述多个涉企案件特征数据,并利用深度学习方法,例如卷积神经网络(CNN)、循环神经网络(RNN)或变换器等,建立一个适合处理多个案件特征的评估模型来评估涉企案件对企业生产经营的影响程度,建立的评估模型就是所述涉企案件生产经营影响评估模型。
进一步的,基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型,其方法包括:
遍历所述多个案件特征,构建所述多个案件特征对应的多个涉企案件生产经营影响评估分支;
集成所述多个涉企案件生产经营影响评估分支,生成所述涉企案件生产经营影响评估模型。
优选的,先遍历上述所得多个涉企案件特征,并构建所述多个案件特征对应的多个涉企案件生产经营影响评估分支,其中,所述多个涉企案件生产经营影响评估分支指的是根据不同的涉企案件特征,建立的多个用于评估预测涉企案件对生产经营影响的独立的评估模型分支,每个分支根据其对应的案件特征分析建模,得出针对该特征的影响评估结果,例如,所述多个案件特征包括案件类型、案件地点和案件规模,就可以构建三个独立的评估分支,分别进行建模,对于案件类型分支,采用分类模型来评估不同类型案件对生产经营的影响,对于案件地点分支,使用地理信息系统和空间模型分析不同地点案件对生产经营的影响,对于案件规模分支,采用回归模型评估不通过规模案件对企业生产经营的影响,再对所述多个涉企案件生产经营影响评估分支进行集成,最终生成所述涉企案件生产经营影响评估模型,提供更准确和全面的涉企案件生产经营影响评估,以为企业提供更多的信息和决策支持。
进一步的,其方法包括:
基于所述多个案件特征,获得第一案件特征;
基于所述第一案件特征进行涉企案件生产经营影响评估数据采集,获得第一案件特征评估样本库;
基于所述第一案件特征评估样本库进行数据划分,获得第一案件训练样本数据和第一案件测试样本数据;
基于所述第一案件训练样本数据和所述第一案件测试样本数据进行训练、测试,生成所述第一案件特征对应的第一涉企案件生产经营影响评估分支。
优选的,基于所述多个涉企案件特征,获得第一案件特征,然后基于所述第一案件特征进行涉企案件生产经营影响评估数据采集,获得第一案件特征评估样本库,再基于所述第一案件特征评估样本库进行数据划分,获得第一案件训练样本数据和第一案件测试样本数据,最后基于所述第一案件训练样本数据和所述第一案件测试样本数据进行训练、测试,生成所述第一案件特征对应的第一涉企案件生产经营影响评估分支,其中,所述第一案件特征指的是所述多个涉企案件特征内的任意一个案件特征,所述第一案件特征评估样本库指的是根据第一涉企案件特征对生产经营影响的重要性,收集案件相关的评估结果数据,构建的用于进一步评估分析的样本数据库,例如涉企案件的自身特征、对生产经营影响的数据包括对销售额的影响等,所述第一案件训练样本数据是指将所述第一案件特征评估样本库进行数据划分得到的用于训练影响评估分支的样本数据,所述第一案件测试样本数据是指将所述第一案件特征评估样本库进行数据划分得到的用于测试影响评估分支的样本数据,所述第一涉企案件生产经营影响评估分支是指使用第一案件特征的训练样本数据进行模型训练并使用测试样本数据对模型进行测试、验证和评估生成的针对第一案件特征的独立评估模型分支,提供关于所述第一案件特征对生产经营影响的评估结果和预测数据。
获得待评估涉企案件数据;
对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征;
优选的,首先获得待评估涉企案件数据,并对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征,其中,所述待评估涉企案件数据指的是用于进行涉企案件评估的相关案件数据,待评估涉企案件数据可能来源于多个渠道,例如企业内部的案件记录、法律系统的案件数据库、司法机构的公开案件数据等,待评估涉企案件数据可能包括案件的基本信息(编号、时间等)、案件类型(如合同纠纷、劳动纠纷、知识产权侵权等)、案件参与方信息(原、被告及双方证人、律师的信息等),所述进行案件特征识别是通过对所述待评估涉企案件数据的分析和处理,识别出与案件相关的特征信息或提取关键信息的过程,以便用于后续进一步的评估和分析,所述待评估案件特征指的是通过案件特征识别获取的案件特征信息,可能包括案件时间、地点、规模、案件类型、案件的参与者等多方面案件特征。
基于所述待评估案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。
优选的,基于上述所得的待评估案件特征,然后根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估,所述评估过程可能包括数据预处理、特征匹配、特征输入、模型评估等,其中,所述数据预处理是指对所述待评估涉企案件数据进行整理以确保数据的准确性,所述特征匹配是指将所述待评估涉企案件特征与模型中的案件特征进行匹配,所述特征输入是指将匹配成功的待评估案件特征作为输入数据输入到所述涉企案件生产经营影响评估模型中,所述模型评估是指根据输入的案件特征,通过模型内部的计算和评估,得出相应的评估结果。
进一步的,基于所述待评估案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估,其方法包括:
判断所述待评估案件特征是否为单一案件特征;
若所述待评估案件特征为单一案件特征,基于所述待评估案件特征对所述涉企案件生产经营影响评估模型进行匹配,获得匹配评估分支;
根据所述匹配评估分支对所述待评估涉企案件数据进行评估。
优选的,先判断所述待评估案件特征是否为单一案件特征,若所述待评估案件特征是单一案件特征,则基于所述待评估案件特征对所述涉企案件生产经营影响评估模型进行匹配,获得匹配评估分支,最后根据所述匹配分支对所述待评估案件数据进行评估,其中,所述单一案件特征指的是需要独立考虑和评估的单个涉企案件特征,提供案件某方面的信息,例如,案件的类型、案件的地点或案件的参与方等,所述匹配评估分支指的是根据单一案件特征,将其与涉企案件生产经营影响评估模型分支进行匹配,在模型中选择的特定匹配路径,最终将所述待评估涉企案件数据输入到模型的所述匹配评估分支上进行案件影响评估。
进一步的,判断所述待评估案件特征是否为单一案件特征,其方法包括:
若所述待评估案件特征不为单一案件特征,对所述待评估案件特征进行拆解,获得多个独立评估案件特征;
基于所述多个独立评估案件特征,根据所述待评估涉企案件数据,匹配多个涉企案件数据分区;
基于所述多个独立评估案件特征,根据所述涉企案件生产经营影响评估模型,匹配多个适配评估分支;
根据所述多个适配评估分支,分别对所述多个涉企案件数据分区进行评估。
优选的,当所述待评估案件特征不是单一案件特征时,就对所述待评估案件特征进行拆解,获得多个独立评估案件特征,再基于所述多个独立评估案件特征和待评估涉企案件数据,匹配多个涉企案件数据分区,然后在所述涉企案件生产经营影响评估模型中匹配多个适配评估分支,最后根据所述多个适配评估分支,分别对所述多个涉企案件数据分区进行评估,其中,所述多个独立评估案件特征是指将非单一案件特征的待评估案件特征拆解为多个更小的、独立的案件特征,以便进行更精确和全面的评估,所述多个涉企案件数据分区是指每个独立案件特征相应的所述待评估涉企案件数据的分区,每个数据分区中的数据都具有相同的案件特征,所述多个适配评估分支是指根据不同的案件特征在模型中匹配对应的、适配的评估分支,每个适配评估分支可能包含了独有的规则信息,以便充分考虑各个独立案件特征的影响,从而对待评估案件的生产经营影响进行精确、全面的评估和预测。
综上所述,本申请实施例至少具有如下技术效果:
本申请实施例通过获得涉企案件生产经营影响评估记录库,基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库,基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征,基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型,获得待评估涉企案件数据,对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征,基于所述待评估案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。实现了涉企案件生产经营影响的评估,解决了现有涉企案件生产经营影响评估存在的分析识别与提取涉企案件的有效特征数据不准确,影响评估模型效果不好,进而导致的影响评估过程不智能、结果不精准的技术问题,从而达到更智能、准确地评估涉企案件对企业生产经营影响的技术效果。
实施例二
基于与前述实施例中涉企案件生产经营影响评估方法相同的发明构思,如图3所示,本申请提供了涉企案件生产经营影响评估系统,本申请实施例中的系统与方法实施例基于同样的发明构思,其中,所述系统包括:
影响评估记录库获得模块10,所述影响评估记录库获得模块10用于获得涉企案件生产经营影响评估记录库;
影响评估数据库获得模块20,所述影响评估数据库获得模块20用于基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库;
多个案件特征获得模块30,所述多个案件特征获得模块30用于基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征;
影响评估模型获得模块40,所述影响评估模型获得模块40用于基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型;
待评估涉企案件数据获得模块50,所述待评估涉企案件数据获得模块50用于获得待评估涉企案件数据;
待评估案件特征获得模块60,所述待评估案件特征获得模块60用于对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征;
涉企案件生产经营影响评估模块70,所述涉企案件生产经营影响评估模块70用于基于所述待评估涉企案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。
进一步的,所述多个案件特征获得模块30还用于执行如下方法:
根据所述涉企案件影响评估数据库,提取多个样本涉企案件影响评估事件;
遍历所述多个样本涉企案件影响评估事件进行案件特征,获得多个样本涉企案件特征;
遍历所述多个样本涉企案件特征进行重复数据筛除,生成多个候选涉企案件特征;
基于所述多个候选涉企案件特征进行关联性筛选,获得所述多个案件特征。
进一步的,所述多个案件特征获得模块30还用于执行如下方法:
遍历所述多个候选涉企案件特征进行两两随机组合,获得多个涉企案件特征集合;
遍历所述多个涉企案件特征集合进行关联性分析,获得多个特征集合关联性;
基于预设特征集合关联性,根据所述多个特征集合关联性对所述多个涉企案件特征集合进行筛选,生成所述多个案件特征。
进一步的,所述影响评估模型获得模块40还用于执行如下方法:
遍历所述多个案件特征,构建所述多个案件特征对应的多个涉企案件生产经营影响评估分支;
集成所述多个涉企案件生产经营影响评估分支,生成所述涉企案件生产经营影响评估模型。
进一步的,所述影响评估模型获得模块40还用于执行如下方法:
基于所述多个案件特征,获得第一案件特征;
基于所述第一案件特征进行涉企案件生产经营影响评估数据采集,获得第一案件特征评估样本库;
基于所述第一案件特征评估样本库进行数据划分,获得第一案件训练样本数据和第一案件测试样本数据;
基于所述第一案件训练样本数据和所述第一案件测试样本数据进行训练、测试,生成所述第一案件特征对应的第一涉企案件生产经营影响评估分支。
进一步的,涉企案件生产经营影响评估模块70还用于执行如下方法:
判断所述待评估案件特征是否为单一案件特征;
若所述待评估案件特征为单一案件特征,基于所述待评估案件特征对所述涉企案件生产经营影响评估模型进行匹配,获得匹配评估分支;
根据所述匹配评估分支对所述待评估涉企案件数据进行评估。
进一步的,涉企案件生产经营影响评估模块70还用于执行如下方法:
若所述待评估案件特征不为单一案件特征,对所述待评估案件特征进行拆解,获得多个独立评估案件特征;
基于所述多个独立评估案件特征,根据所述待评估涉企案件数据,匹配多个涉企案件数据分区;
基于所述多个独立评估案件特征,根据所述涉企案件生产经营影响评估模型,匹配多个适配评估分支;
根据所述多个适配评估分支,分别对所述多个涉企案件数据分区进行评估。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.涉企案件生产经营影响评估方法,其特征在于,所述方法包括:
获得涉企案件生产经营影响评估记录库;
基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库;
基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征;
基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型;
获得待评估涉企案件数据;
对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征;
基于所述待评估案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。
2.如权利要求1所述的方法,其特征在于,基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征,包括:
根据所述涉企案件影响评估数据库,提取多个样本涉企案件影响评估事件;
遍历所述多个样本涉企案件影响评估事件进行案件特征识别,获得多个样本涉企案件特征;
遍历所述多个样本涉企案件特征进行重复数据筛除,生成多个候选涉企案件特征;
基于所述多个候选涉企案件特征进行关联性筛选,获得所述多个案件特征。
3.如权利要求2所述的方法,其特征在于,基于所述多个候选涉企案件特征进行关联性筛选,获得所述多个案件特征,包括:
遍历所述多个候选涉企案件特征进行两两随机组合,获得多个涉企案件特征集合;
遍历所述多个涉企案件特征集合进行关联性分析,获得多个特征集合关联性;
基于预设特征集合关联性,根据所述多个特征集合关联性对所述多个涉企案件特征集合进行筛选,生成所述多个案件特征。
4.如权利要求1所述的方法,其特征在于,基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型,包括:
遍历所述多个案件特征,构建所述多个案件特征对应的多个涉企案件生产经营影响评估分支;
集成所述多个涉企案件生产经营影响评估分支,生成所述涉企案件生产经营影响评估模型。
5.如权利要求4所述的方法,其特征在于,所述方法包括:
基于所述多个案件特征,获得第一案件特征;
基于所述第一案件特征进行涉企案件生产经营影响评估数据采集,获得第一案件特征评估样本库;
基于所述第一案件特征评估样本库进行数据划分,获得第一案件训练样本数据和第一案件测试样本数据;
基于所述第一案件训练样本数据和所述第一案件测试样本数据进行训练、测试,生成所述第一案件特征对应的第一涉企案件生产经营影响评估分支。
6.如权利要求1所述的方法,其特征在于,基于所述待评估案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估,包括:
判断所述待评估案件特征是否为单一案件特征;
若所述待评估案件特征为单一案件特征,基于所述待评估案件特征对所述涉企案件生产经营影响评估模型进行匹配,获得匹配评估分支;
根据所述匹配评估分支对所述待评估涉企案件数据进行评估。
7.如权利要求6所述的方法,其特征在于,判断所述待评估案件特征是否为单一案件特征,包括:
若所述待评估案件特征不为单一案件特征,对所述待评估案件特征进行拆解,获得多个独立评估案件特征;
基于所述多个独立评估案件特征,根据所述待评估涉企案件数据,匹配多个涉企案件数据分区;
基于所述多个独立评估案件特征,根据所述涉企案件生产经营影响评估模型,匹配多个适配评估分支;
根据所述多个适配评估分支,分别对所述多个涉企案件数据分区进行评估。
8.涉企案件生产经营影响评估系统,其特征在于,所述系统包括:
影响评估记录库获得模块,所述影响评估记录库获得模块用于获得涉企案件生产经营影响评估记录库;
影响评估数据库获得模块,所述影响评估数据库获得模块用于基于所述涉企案件生产经营影响评估记录库进行主成分分析,获得涉企案件影响评估数据库;
多个案件特征获得模块,所述多个案件特征获得模块用于基于所述涉企案件影响评估数据库进行案件特征识别,获得多个案件特征;
影响评估模型获得模块,所述影响评估模型获得模块用于基于所述多个案件特征进行深度学习,获得涉企案件生产经营影响评估模型;
待评估涉企案件数据获得模块,所述待评估涉企案件数据获得模块用于获得待评估涉企案件数据;
待评估案件特征获得模块,所述待评估案件特征获得模块用于对所述待评估涉企案件数据进行案件特征识别,获得待评估案件特征;
涉企案件生产经营影响评估模块,所述涉企案件生产经营影响评估模块用于基于所述待评估涉企案件特征,根据所述涉企案件生产经营影响评估模型对所述待评估涉企案件数据进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311761165.6A CN117745134A (zh) | 2023-12-20 | 2023-12-20 | 涉企案件生产经营影响评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311761165.6A CN117745134A (zh) | 2023-12-20 | 2023-12-20 | 涉企案件生产经营影响评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745134A true CN117745134A (zh) | 2024-03-22 |
Family
ID=90256021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311761165.6A Pending CN117745134A (zh) | 2023-12-20 | 2023-12-20 | 涉企案件生产经营影响评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745134A (zh) |
-
2023
- 2023-12-20 CN CN202311761165.6A patent/CN117745134A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070083421A1 (en) | Business process model design measurement | |
Pan et al. | A systematic review of information security risk assessment | |
Deming et al. | Exploratory Data Analysis and Visualization for Business Analytics | |
CN111651444B (zh) | 一种自适应时间序列数据预测方法 | |
US11790380B2 (en) | Systems and methods for finding an interaction subset within a set of interactions | |
Söylemez et al. | Challenges of software process and product quality improvement: catalyzing defect root-cause investigation by process enactment data analysis | |
Arnarsson et al. | Supporting knowledge re-use with effective searches of related engineering documents-a comparison of search engine and natural language processing-based algorithms | |
CN117668205B (zh) | 智慧物流客服处理方法、系统、设备及存储介质 | |
CN117726166A (zh) | 基于大语言模型的人工智能企业客户风险信息分析评估方法和系统 | |
Caballero-Hernández et al. | Discovering bottlenecks in a computer science degree through process mining techniques | |
CN116775741A (zh) | 一种工程竣工决算的审计方法及相关装置 | |
Kumar et al. | Cryptocurrency price forecasting in a volatile landscape: Sarimax modeling and short-term strategies | |
CN116664312A (zh) | 一种科技金融评估系统的构建方法 | |
CN117745134A (zh) | 涉企案件生产经营影响评估方法及系统 | |
CN115525575A (zh) | 一种基于Dataworks平台的数据自动化测试方法及系统 | |
Bright et al. | Explaining download patterns in open government data: citizen participation or private enterprise? | |
Bagga et al. | Comparison of data mining and auditing tools | |
Ganjali et al. | Identify Valuable Customers of Taavon Insurance in Field of Life Insurance with Data Mining Approach | |
Paradita et al. | Application of Process Mining in the Process of IT Incidents Management by Utilizing Kaggle’s Dataset | |
CN117150389B (zh) | 模型训练方法、运营商号卡激活预测方法及其设备 | |
IBRAHIM et al. | A Study on Extension of Double Acceptance Sampling Plans Based on Truncated Life Tests on The Inverse Rayleigh Distribution | |
CN117911179A (zh) | 一种财税数据审核方法及系统 | |
CN117788043A (zh) | 一种云计算行业云电脑客户流失预警方法及系统 | |
Ashour et al. | The Assessment of Audit Evidence in Big Data Environment A Field Study | |
CN118211882A (zh) | 一种基于大数据的产品质量管理系统及方法 |
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 |