CN117788136A - 一种基于区块链和舆情的金融风控系统 - Google Patents
一种基于区块链和舆情的金融风控系统 Download PDFInfo
- Publication number
- CN117788136A CN117788136A CN202311584976.3A CN202311584976A CN117788136A CN 117788136 A CN117788136 A CN 117788136A CN 202311584976 A CN202311584976 A CN 202311584976A CN 117788136 A CN117788136 A CN 117788136A
- Authority
- CN
- China
- Prior art keywords
- unit
- public opinion
- data
- risk
- module
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 230000008451 emotion Effects 0.000 claims abstract description 39
- 238000012502 risk assessment Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000012795 verification Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 16
- 238000002372 labelling Methods 0.000 claims description 15
- 238000003012 network analysis Methods 0.000 claims description 15
- 238000012098 association analyses Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012954 risk control Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及数字数据处理技术领域，具体涉及一种基于区块链和舆情的金融风控系统，舆情数据采集模块获取与借款人相关的舆情数据，舆情分析模块对采集到的数据进行情感分析，并进行主题分类，即识别数据中主要的讨论话题。风险评估模块结合舆情分析结果和金融机构的数据，对可能的风险点进行评估。信息共享模块将评估结果上传到区块链网络，进行分布式验证和记录。预警模块基于区块链网络上有关借款人的所有评估结果进行预警，使得整个系统的目标是帮助金融机构更全面地了解借款人的风险状况，以便做出更明智的借贷决策。同时，通过使用区块链技术，可以提高数据的透明度和可信度，降低借贷风险。
Description
技术领域
本发明涉及数字数据处理技术领域，尤其涉及一种基于区块链和舆情的金融风控系统。
背景技术
金融风控是对金融市场上的风险进行预测和管理，防止和减轻金融风险的一种行为。它可以通过监测、分析和管理措施等方式来实现这一目标。金融风控的工作主要包括以下几个方面：
风险识别：这是指发现、识别金融市场中存在的风险，并对其进行分类和评级。通过这种方式，可以有效地了解市场的风险状况，并制定相应的风险管理计划。
风险测量：这是指评估金融市场中不同风险的程度，包括风险的概率和潜在影响。通过这种方式，可以了解每种风险的具体情况，并采取适当的措施来降低其影响。
风险控制：这是指通过实施各种措施来限制市场风险的发生和影响。这些措施可以包括市场风险的分散化、投资组合的优化、风险转移等。
风险监控：这是指定期对金融市场中的风险情况进行监测和分析，以确保风险控制措施的有效性。通过这种方式，可以及时发现新的风险因素，并及时调整风险控制措施。
现有的各个金融机构的风控信息是独立封闭的，无法联合起来对借款人的金融风险进行防控，降低了数据资源的利用率。
发明内容
本发明的目的在于提供一种基于区块链和舆情的金融风控系统，旨在可以提高数据的透明度和可信度，降低借贷风险。
为实现上述目的，本发明提供了一种基于区块链和舆情的金融风控系统，包括舆情数据采集模块、舆情分析模块、风险评估模块、信息共享模块和预警模块，所述舆情数据采集模块、舆情分析模块、风险评估模块、信息共享模块和预警模块依次连接，
所述舆情数据采集模块，用于获取与借款人相关的舆情数据；
所述舆情分析模块，对采集的数据进行情感分析和主题分类，以识别风险点；
所述风险评估模块，结合舆情分析结果和金融机构的数据，对可能的风险点进行评估，得到评估结果；
所述信息共享模块，用于将评估结果上传区块链网络，进行分布式验证和记录；
所述预警模块，用于基于区块链网络上有关借款人的所有评估结果进行预警。
其中，所述舆情数据采集模块包括数据收集单元和数据预处理单元，所述数据收集单元，用于收集社交媒体平台和新闻媒体的文本数据；
所述数据预处理单元，用于对采集到的舆情数据进行去噪、清洗和格式化。
其中，所述舆情分析模块包括主题建模单元、特征提取单元、情感分析单元和风险点生成单元，所述主题建模单元、用于通过主题建模技术，提取文本中的主题信息；所述特征提取单元，用于从预处理后的文本数据中提取情感倾向特征，所述情感分析单元，用于基于情感倾向特征进行情感倾向分析，得到情感倾向得分；所述风险点生成单元，用于对主题的情感倾向得分超过预设值后生成风险点。
其中，所述舆情分析模块还包括主体关系网络分析单元、虚假信息标注单元，所述主体关系网络分析单元，用于分析文本中的实体关系网络，所述虚假信息标注单元，用于基于主体关系网络分析结果，鉴别并标注虚假信息。
其中，所述主体关系网络分析单元包括实体识别子单元、关系抽取子单元、网络构建子单元、关系计算子单元，所述实体识别子单元，用于标注和提取文本中的实体信息；所述关系抽取子单元，用于根据文本中的语义和上下文信息，抽取出人物之间的关系和组织之间的关系；所述网络构建子单元，用于将人物和组织作为节点，关系作为边，构建关系网络模型；所述关系计算子单元，用于使用社区发现算法，将关系网络划分为不同的社区。
其中，所述舆情分析模块还包括可视化模块，所述可视化模块用于将风险点以可视化形式进行展示。
其中，所述虚假信息标注单元包括检索单元、信息提取单元和对比单元，所述检索单元，用于基于目标信息在实体关系网络中检索实体，所述信息提取单元，用于提取实体发布信息，所述对比单元，用于将目标信息和发布信息进行对比以识别虚假信息。
其中，所述风险评估模块包括金融数据获取单元、风险主题数据提取单元和关联分析单元，所述金融数据获取单元，用于收集借款人的客户信息、业务运营数据、财务报表，得到借款人金融数据；所述风险主题数据提取单元，用于从借款人金融数据中提取与风险主题相关的数据，所述关联分析单元，用于对风险点中的关键词和数据进行关联分析，得到评估结果。
本发明的一种基于区块链和舆情的金融风控系统，舆情数据采集模块负责从各种公开信息源，比如社交媒体、新闻网站、论坛等获取与借款人相关的舆情数据。这些数据可能包括人们对借款人的评价、借款人的行为记录、借款人的社交媒体活动等。舆情分析模块对采集到的数据进行情感分析，即判断数据中表达的情感是正面还是负面，并进行主题分类，即识别数据中主要的讨论话题。通过这些分析，可以了解借款人的声誉、信用状况、还款记录等，从而识别出可能的风险点。风险评估模块结合舆情分析结果和金融机构的数据，对可能的风险点进行评估。评估结果将为金融机构提供一个关于借款人风险程度的参考。信息共享模块将评估结果上传到区块链网络，进行分布式验证和记录。这样做可以提高数据的透明度和可信度，防止数据被篡改或伪造。预警模块基于区块链网络上有关借款人的所有评估结果进行预警。如果借款人的风险评估结果超过了预设的阈值，预警模块将自动发出预警信号，通知金融机构注意可能的风险，使得整个系统的目标是帮助金融机构更全面地了解借款人的风险状况，以便做出更明智的借贷决策。同时，通过使用区块链技术，可以提高数据的透明度和可信度，降低借贷风险。
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。
图1是本发明的第一实施例的一种基于区块链和舆情的金融风控系统的结构图。
图2是本发明的第二实施例的舆情数据采集模块的结构图。
图3是本发明的第二实施例的舆情分析模块的结构图。
图4是本发明的第二实施例的舆情分析模块的结构图。
图5是本发明的第二实施例的主体关系网络分析单元的结构图。
图6是本发明的第二实施例的虚假信息标注单元的结构图。
图7是本发明的第二实施例的风险评估模块的结构图。
舆情数据采集模块101、舆情分析模块102、风险评估模块103、信息共享模块104、预警模块105、数据收集单元201、数据预处理单元202、主题建模单元203、特征提取单元204、情感分析单元205、风险点生成单元206、主体关系网络分析单元207、虚假信息标注单元208、实体识别子单元209、关系抽取子单元210、网络构建子单元211、关系计算子单元212、检索单元213、信息提取单元214、对比单元215、金融数据获取单元216、风险主题数据提取单元217、关联分析单元218。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
第一实施例
请参阅图1～图7，图1是本发明的第一实施例的一种基于区块链和舆情的金融风控系统的结构图。图2是本发明的第二实施例的舆情数据采集模块的结构图。图3是本发明的第二实施例的舆情分析模块的结构图。图4是本发明的第二实施例的舆情分析模块的结构图图5是本发明的第二实施例的主体关系网络分析单元的结构图。图6是本发明的第二实施例的虚假信息标注单元的结构图。图7是本发明的第二实施例的风险评估模块的结构图。本发明提供一种基于区块链和舆情的金融风控系统，包括舆情数据采集模块101、舆情分析模块102、风险评估模块103、信息共享模块104和预警模块105，所述舆情数据采集模块101、舆情分析模块102、风险评估模块103、信息共享模块104和预警模块105依次连接，
所述舆情数据采集模块101，用于获取与借款人相关的舆情数据；所述舆情分析模块102，对采集的数据进行情感分析和主题分类，以识别风险点；所述风险评估模块103，结合舆情分析结果和金融机构的数据，对可能的风险点进行评估，得到评估结果；所述信息共享模块104，用于将评估结果上传区块链网络，进行分布式验证和记录；所述预警模块105，用于基于区块链网络上有关借款人的所有评估结果进行预警。
在本实施方式中，舆情数据采集模块101负责从各种公开信息源，比如社交媒体、新闻网站、论坛等获取与借款人相关的舆情数据。这些数据可能包括人们对借款人的评价、借款人的行为记录、借款人的社交媒体活动等。舆情分析模块102对采集到的数据进行情感分析，即判断数据中表达的情感是正面还是负面，并进行主题分类，即识别数据中主要的讨论话题。通过这些分析，可以了解借款人的声誉、信用状况、还款记录等，从而识别出可能的风险点。风险评估模块103结合舆情分析结果和金融机构的数据，对可能的风险点进行评估。评估结果将为金融机构提供一个关于借款人风险程度的参考。信息共享模块104将评估结果上传到区块链网络，进行分布式验证和记录。这样做可以提高数据的透明度和可信度，防止数据被篡改或伪造。预警模块105基于区块链网络上有关借款人的所有评估结果进行预警。如果借款人的风险评估结果超过了预设的阈值，预警模块105将自动发出预警信号，通知金融机构注意可能的风险，使得整个系统的目标是帮助金融机构更全面地了解借款人的风险状况，以便做出更明智的借贷决策。同时，通过使用区块链技术，可以提高数据的透明度和可信度，降低借贷风险。
第二实施例
在第一实施例的基础上，本发明还提供一种基于区块链和舆情的金融风控系统，所述舆情数据采集模块101包括数据收集单元201和数据预处理单元202，所述数据收集单元201，用于收集社交媒体平台和新闻媒体的文本数据；所述数据预处理单元202，用于对采集到的舆情数据进行去噪、清洗和格式化。
所述数据收集单元201在实施时，可以通过爬虫程序自动访问社交媒体平台和新闻媒体网站，并从网站页面中提取出文本数据。具体地，爬虫程序可以使用正则表达式等方法，从网站页面中提取出标题、正文、评论等文本信息。所述数据预处理单元202在实施时，可以使用自然语言处理技术对采集到的文本数据进行处理。具体地，可以使用分词算法将文本数据分割成单词或短语，并使用词性标注算法对单词或短语的词性进行标注。
所述舆情分析模块102包括主题建模单元203、特征提取单元204、情感分析单元205和风险点生成单元206，所述主题建模单元203、用于通过主题建模技术，提取文本中的主题信息；所述特征提取单元204，用于从预处理后的文本数据中提取情感倾向特征，所述情感分析单元205，用于基于情感倾向特征进行情感倾向分析，得到情感倾向得分；所述风险点生成单元206，用于对主题的情感倾向得分超过预设值后生成风险点。其中主题建模是一种自然语言处理的技术，它主要用于自动从大量文档中抽取抽象的主题信息。这种技术可以根据文档中出现的词语和短语的频率、相关性等因素，将文档分成几个不同的主题，每个主题代表了一类相关的信息。这种方法可以极大地简化大量的文本数据，并有助于快速理解文本的内容。一般来说，主题建模过程未清理文档中的噪声和冗余信息，如标点符号、停用词等，并将其转换成适合模型训练的形式。然后采用隐狄利克雷分布根据文档中的词语和短语的分布特征，生成若干个主题。所述特征提取单元204可以根据词嵌入模型或手工构建的情感词典，为文本中的每个词汇分配一个情感特征向量。这些情感特征向量反映了词汇的正面、负面或中性情感强度。然后所述情感分析单元205可以将每个词汇的情感特征向量与其在文本中的出现次数相乘，然后将这些乘积求和，得到文本的总情感得分。公式如下：
Text_sentiment_score＝Σ(Word_vector_i*Word_count_i)
其中，Text_sentiment_score表示文本级情感得分，Word_vector_i表示第i个词汇的情感特征向量，Word_count_i表示第i个词汇在文本中的出现次数。
所述舆情分析模块102还包括主体关系网络分析单元207、虚假信息标注单元208，所述主体关系网络分析单元207，用于分析文本中的实体关系网络，所述虚假信息标注单元208，用于基于主体关系网络分析结果，鉴别并标注虚假信息。
所述主体关系网络分析单元207包括实体识别子单元209、关系抽取子单元210、网络构建子单元211、关系计算子单元212，所述实体识别子单元209，用于标注和提取文本中的实体信息；所述关系抽取子单元210，用于根据文本中的语义和上下文信息，抽取出人物之间的关系和组织之间的关系；所述网络构建子单元211，用于将人物和组织作为节点，关系作为边，构建关系网络模型；所述关系计算子单元212，用于使用社区发现算法，将关系网络划分为不同的社区。
所述虚假信息标注单元208包括检索单元213、信息提取单元214和对比单元215，所述检索单元213，用于基于目标信息在实体关系网络中检索实体，所述信息提取单元214，用于提取实体发布信息，所述对比单元，用于将目标信息和发布信息进行对比以识别虚假信息。通过上述方式尅与借助关系网络以检索相关的发布信息，以和目标信息进行关联性判断，若关联度不够则可以认为是无根据的虚假信息。
所述舆情分析模块102还包括可视化模块，所述可视化模块用于将风险点以可视化形式进行展示。通过可视化展示可以更好的进行监控。
所述风险评估模块103包括金融数据获取单元216、风险主题数据提取单元217和关联分析单元218，所述金融数据获取单元216，用于收集借款人的客户信息、业务运营数据、财务报表，得到借款人金融数据；所述风险主题数据提取单元217，用于从借款人金融数据中提取与风险主题相关的数据，所述关联分析单元218，用于对风险点中的关键词和数据进行关联分析，得到评估结果。其中借款人金融数据可以从多个渠道获取，例如商业银行、信贷公司、政府部门等。然后从数据中寻找与风险主题相关的数据，之后通过关联分析评估结果，其中关联分析可以采用回归分析进行处理。从而可以更好的进行借款人的舆论风险管控。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (8)
1.一种基于区块链和舆情的金融风控系统，其特征在于，
包括舆情数据采集模块、舆情分析模块、风险评估模块、信息共享模块和预警模块，所述舆情数据采集模块、舆情分析模块、风险评估模块、信息共享模块和预警模块依次连接，
所述舆情数据采集模块，用于获取与借款人相关的舆情数据；
所述舆情分析模块，对采集的数据进行情感分析和主题分类，以识别风险点；
所述风险评估模块，结合舆情分析结果和金融机构的数据，对可能的风险点进行评估，得到评估结果；
所述信息共享模块，用于将评估结果上传区块链网络，进行分布式验证和记录；
所述预警模块，用于基于区块链网络上有关借款人的所有评估结果进行预警。
2.如权利要求1所述的一种基于区块链和舆情的金融风控系统，其特征在于，
所述舆情数据采集模块包括数据收集单元和数据预处理单元，所述数据收集单元，用于收集社交媒体平台和新闻媒体的文本数据；
所述数据预处理单元，用于对采集到的舆情数据进行去噪、清洗和格式化。
3.如权利要求2所述的一种基于区块链和舆情的金融风控系统，其特征在于，
所述舆情分析模块包括主题建模单元、特征提取单元、情感分析单元和风险点生成单元，所述主题建模单元、用于通过主题建模技术，提取文本中的主题信息；所述特征提取单元，用于从预处理后的文本数据中提取情感倾向特征，所述情感分析单元，用于基于情感倾向特征进行情感倾向分析，得到情感倾向得分；所述风险点生成单元，用于对主题的情感倾向得分超过预设值后生成风险点。
4.如权利要求3所述的一种基于区块链和舆情的金融风控系统，其特征在于，
所述舆情分析模块还包括主体关系网络分析单元、虚假信息标注单元，所述主体关系网络分析单元，用于分析文本中的实体关系网络，所述虚假信息标注单元，用于基于主体关系网络分析结果，鉴别并标注虚假信息。
5.如权利要求4所述的一种基于区块链和舆情的金融风控系统，其特征在于，
所述主体关系网络分析单元包括实体识别子单元、关系抽取子单元、网络构建子单元、关系计算子单元，所述实体识别子单元，用于标注和提取文本中的实体信息；所述关系抽取子单元，用于根据文本中的语义和上下文信息，抽取出人物之间的关系和组织之间的关系；所述网络构建子单元，用于将人物和组织作为节点，关系作为边，构建关系网络模型；所述关系计算子单元，用于使用社区发现算法，将关系网络划分为不同的社区。
6.如权利要求5所述的一种基于区块链和舆情的金融风控系统，其特征在于，
所述舆情分析模块还包括可视化模块，所述可视化模块用于将风险点以可视化形式进行展示。
7.如权利要求6所述的一种基于区块链和舆情的金融风控系统，其特征在于，
所述虚假信息标注单元包括检索单元、信息提取单元和对比单元，所述检索单元，用于基于目标信息在实体关系网络中检索实体，所述信息提取单元，用于提取实体发布信息，所述对比单元，用于将目标信息和发布信息进行对比以识别虚假信息。
8.如权利要求7所述的一种基于区块链和舆情的金融风控系统，其特征在于，
所述风险评估模块包括金融数据获取单元、风险主题数据提取单元和关联分析单元，所述金融数据获取单元，用于收集借款人的客户信息、业务运营数据、财务报表，得到借款人金融数据；所述风险主题数据提取单元，用于从借款人金融数据中提取与风险主题相关的数据，所述关联分析单元，用于对风险点中的关键词和数据进行关联分析，得到评估结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311584976.3A CN117788136A (zh) | 2023-11-24 | 2023-11-24 | 一种基于区块链和舆情的金融风控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311584976.3A CN117788136A (zh) | 2023-11-24 | 2023-11-24 | 一种基于区块链和舆情的金融风控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117788136A true CN117788136A (zh) | 2024-03-29 |
Family
ID=90378974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311584976.3A Pending CN117788136A (zh) | 2023-11-24 | 2023-11-24 | 一种基于区块链和舆情的金融风控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117788136A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616198A (zh) * | 2015-02-12 | 2015-05-13 | 哈尔滨工业大学 | 一种基于文本分析的p2p网络借贷风险预测系统 |
| CN108846547A (zh) * | 2018-05-06 | 2018-11-20 | 成都信息工程大学 | 一种动态调整的企业信用风险评估方法 |
| CN110134762A (zh) * | 2019-04-23 | 2019-08-16 | 南京邮电大学 | 基于事件主题分析的虚假信息识别系统及识别方法 |
| CN110674300A (zh) * | 2019-09-30 | 2020-01-10 | 京东城市(北京)数字科技有限公司 | 用于生成信息的方法和装置 |
| CN111598691A (zh) * | 2020-04-20 | 2020-08-28 | 北京航空航天大学 | 信用债发债主体违约风险评估方法、系统及装置 |
| CN112434226A (zh) * | 2020-12-15 | 2021-03-02 | 易研信息科技有限公司 | 一种网络舆情监测预警方法 |
| CN112669161A (zh) * | 2020-12-24 | 2021-04-16 | 王健英 | 基于区块链、舆情和核心算法的金融风控系统 |
| CN113297283A (zh) * | 2020-11-12 | 2021-08-24 | 苏宁金融科技(南京)有限公司 | 用于企业风险预警的舆情分析方法及系统 |
| CN113422761A (zh) * | 2021-06-11 | 2021-09-21 | 西安电子科技大学 | 基于对抗学习的恶意社交用户检测方法 |
| CN113780604A (zh) * | 2020-05-22 | 2021-12-10 | 杭州衡泰软件有限公司 | 一种复合企业信用预警系统及方法 |
| CN114168575A (zh) * | 2021-11-22 | 2022-03-11 | 苏州中科劢诺信息科技有限公司 | 一种金融领域舆情分析方法及系统 |
| CN115049505A (zh) * | 2022-04-22 | 2022-09-13 | 中银金融科技有限公司 | 基于区块链的产业链金融风险防控方法及装置 |
| CN115757779A (zh) * | 2022-11-15 | 2023-03-07 | 北京视野智慧数字科技有限公司 | 基于深度学习模型的金融风险预警方法及装置 |
| CN116910238A (zh) * | 2023-02-21 | 2023-10-20 | 南开大学 | 一种基于孪生网络的知识感知虚假新闻检测方法 |
-
2023
- 2023-11-24 CN CN202311584976.3A patent/CN117788136A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616198A (zh) * | 2015-02-12 | 2015-05-13 | 哈尔滨工业大学 | 一种基于文本分析的p2p网络借贷风险预测系统 |
| CN108846547A (zh) * | 2018-05-06 | 2018-11-20 | 成都信息工程大学 | 一种动态调整的企业信用风险评估方法 |
| CN110134762A (zh) * | 2019-04-23 | 2019-08-16 | 南京邮电大学 | 基于事件主题分析的虚假信息识别系统及识别方法 |
| CN110674300A (zh) * | 2019-09-30 | 2020-01-10 | 京东城市(北京)数字科技有限公司 | 用于生成信息的方法和装置 |
| CN111598691A (zh) * | 2020-04-20 | 2020-08-28 | 北京航空航天大学 | 信用债发债主体违约风险评估方法、系统及装置 |
| CN113780604A (zh) * | 2020-05-22 | 2021-12-10 | 杭州衡泰软件有限公司 | 一种复合企业信用预警系统及方法 |
| CN113297283A (zh) * | 2020-11-12 | 2021-08-24 | 苏宁金融科技(南京)有限公司 | 用于企业风险预警的舆情分析方法及系统 |
| CN112434226A (zh) * | 2020-12-15 | 2021-03-02 | 易研信息科技有限公司 | 一种网络舆情监测预警方法 |
| CN112669161A (zh) * | 2020-12-24 | 2021-04-16 | 王健英 | 基于区块链、舆情和核心算法的金融风控系统 |
| CN113422761A (zh) * | 2021-06-11 | 2021-09-21 | 西安电子科技大学 | 基于对抗学习的恶意社交用户检测方法 |
| CN114168575A (zh) * | 2021-11-22 | 2022-03-11 | 苏州中科劢诺信息科技有限公司 | 一种金融领域舆情分析方法及系统 |
| CN115049505A (zh) * | 2022-04-22 | 2022-09-13 | 中银金融科技有限公司 | 基于区块链的产业链金融风险防控方法及装置 |
| CN115757779A (zh) * | 2022-11-15 | 2023-03-07 | 北京视野智慧数字科技有限公司 | 基于深度学习模型的金融风险预警方法及装置 |
| CN116910238A (zh) * | 2023-02-21 | 2023-10-20 | 南开大学 | 一种基于孪生网络的知识感知虚假新闻检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107437038B (zh) | 一种网页篡改的检测方法及装置 | |
| KR102353545B1 (ko) | 재난대응 추천방법 및 그 장치 | |
| CN111831824A (zh) | 一种舆情正负面分类方法 | |
| Atoum | Cyberbullying detection through sentiment analysis | |
| CN111462752A (zh) | 基于注意力机制、特征嵌入及bi-lstm的客户意图识别方法 | |
| Sharafat et al. | Data mining for smart legal systems | |
| CN116756688A (zh) | 一种基于多模态融合算法的舆情风险发现方法 | |
| CN117556225B (zh) | 一种人行征信数据风险管理系统 | |
| CN114764463A (zh) | 基于事件传播特征的互联网舆情事件自动预警系统 | |
| CN116881395A (zh) | 一种舆情信息检测方法和装置 | |
| KR20210001625A (ko) | 뉴스 기사의 감성 정보 레이블링에 기초한 기업 부실 정보 서비스 제공 방법 및 그 장치 | |
| KR20210001649A (ko) | 기업 부실 예측 프로그램 | |
| CN115545437A (zh) | 一种基于多源异构数据融合的金融企业经营风险预警方法 | |
| CN117788136A (zh) | 一种基于区块链和舆情的金融风控系统 | |
| Ahbali et al. | Identifying corporate credit risk sentiments from financial news | |
| Lee et al. | Novel methods for resolving false positives during the detection of fraudulent activities on stock market financial discussion boards | |
| Bhattacharya et al. | Early detection of suicidal tendencies from text data using LSTM | |
| Hisham et al. | An innovative approach for fake news detection using machine learning | |
| KR20210001686A (ko) | 뉴스 기사 레이블링 기반 기업 부실 예측 정보 서비스 제공 프로그램 | |
| KR20210001707A (ko) | 뉴스 기사의 감성 정보 레이블링에 기초한 기업 부실 정보 서비스 제공 장치 | |
| KR20210001693A (ko) | 뉴스 기사 레이블링 기반 기업 부실 예측 정보 서비스 제공 프로그램 기록매체 | |
| KR20210001645A (ko) | 기업 부실 예측 방법 | |
| KR20210001670A (ko) | 기업 부실 예측 프로그램 | |
| CN118171645B (zh) | 一种基于文本分类的商业信息分析方法及系统 | |
| Xiong | A method of filtering bad text in network based on topic sensitive words tagging |
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 |