CN117875725A - 一种基于知识图谱的信息处理系统 - Google Patents
一种基于知识图谱的信息处理系统 Download PDFInfo
- Publication number
- CN117875725A CN117875725A CN202410281942.5A CN202410281942A CN117875725A CN 117875725 A CN117875725 A CN 117875725A CN 202410281942 A CN202410281942 A CN 202410281942A CN 117875725 A CN117875725 A CN 117875725A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- fluctuation
- module
- value
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 50
- 238000012937 correction Methods 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012502 risk assessment Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及信息处理技术领域,特别是指一种基于知识图谱的信息处理系统,包括信息获取模块、信息预处理模块、分类模块、选取判定模块、分析处理模块、辅助处理模块和识别确定模块,本发明对各用户的实时相关信息进行周期性获取并不断修正得到实际搜索词库,从图像、音频、文字方面对信息向量进行相似度判断,确定各信息向量所属的搜索触发词域及对应的数据集,并根据各数据集内的信息确定各用户的股份波动等级,针对不同的股份波动等级进行调整,或,报警,直观地体现了用户结构和股权关系且及时对各用户的股份波动变化情况进行评估,为企业提供更有价值的信息,提高决策制定的准确性和可靠性。
Description
技术领域
本发明涉及信息处理技术领域,特别是指一种基于知识图谱的信息处理系统。
背景技术
目前,公司用户信息的呈现主要采用传统的表格和报表形式,这种方式虽然能够提供基本的用户信息,但难以清晰地展示复杂的用户关系和持股结构。同时,对于用户之间的交叉持股和关联关系的分析有限,缺乏深度挖掘的能力,信息表现单一:传统的表格和报表形式只能呈现简单的用户信息,无法展示复杂的用户关系和交叉持股情况;缺乏直观性:现有技术呈现的用户信息较为繁琐,难以直观地展示用户结构和持股比例等信息;分析能力有限:现有技术对于用户之间的关联关系和交叉持股的分析能力有限,无法深入挖掘用户的背后关系和动态变化。公司用户结构和股权关系是企业治理和战略决策的重要依据,然而现有用户信息呈现方式难以满足企业对于全面、直观、深度分析用户信息的需求。因此,需要一种更加直观、灵活且深度挖掘的公司用户可视化方法,提升对用户关系的理解和把握。
中国专利公开号:CN114706992A,公开了一种基于知识图谱的事件信息处理系统,所述系统包括:第一数据库、第二数据库、处理器和存储有计算机程序的存储器,第一数据库包括:样本事件ID和样本事件ID对应的样本文本列表,当计算机程序被处理器执行时,实现以下步骤:从第一数据库中获取样本事件ID对应的样本文本并根据样本文本,获取样本文本对应的多元组列表;根据所有样本文本和样本文本对应的多元组列表,获取训练集数据;将获取训练集数据输入至多元组构建模型进行训练,得到目标多元组构建模型。
当前的处理系统不能直观的体现公司用户结构和股权关系且不能及时对各用户的股份波动变化情况进行评估,为企业提供更有价值的信息。
发明内容
为此,本发明的目的是提供一种基于知识图谱的信息处理系统,用于克服当前的处理系统不能直观的体现公司用户结构和股权关系且不能及时对各用户的股份波动变化情况进行评估,为企业提供更有价值的信息的问题。
为实现上述目的,本发明提供一种基于知识图谱的信息处理系统,包括,
信息获取模块,其包括历史存储单元和实时获取单元,所述历史存储单元用以提供各用户信息搜索的历史搜索词库,所述实时获取单元用以获取各用户的实时相关信息;
信息预处理模块,其包括修正处理单元和信息向量转化单元,所述修正处理单元用以根据所述实时获取单元获取的各用户的所述实时相关信息对所述历史搜索词库进行相应的修正得到实际搜索词库,所述信息向量转化单元用以将所述实际搜索词库内的全部信息转化为所述信息向量;
分类模块,其用以确定各信息向量所属的搜索触发词域,并将标签信息对应的所述搜索触发词域中相关的用户信息添加至对应的数据集中;
选取判定模块,其用以对确定的所述数据集中信息向量内文字信息进行判断和选取;
分析处理模块,其包括第一计算确定单元和第二计算确定单元,所述第一计算确定单元用以根据各所述数据集中的所述文字信息计算各用户的个人评分,所述第二计算确定单元用以根据所述第一计算确定单元确定的所述用户的所述个人评分对各用户进行风险评估,以确定各用户的个人风险值;
辅助处理模块,其用以对所述分析处理模块确定的各用户的所述风险评估结果进行修正以及对设定的各评估周期的时长进行调节;
识别确定模块,其与所述信息获取模块、所述信息预处理模块、所述触发词域识别单元、所述创建单元、所述构建单元、所述添加单元、所述选取判定模块、所述分析处理模块和所述辅助处理模块分别相连,所述识别确定模块根据所述搜索触发词域的范围大小结合用户类别等级及股份波动平均值确定风险评估指数的取值,识别确定模块内设置有所述评估周期,在评估周期内根据股份值生成股份波动曲线并计算波动差值,从而确定各用户的股份波动等级,针对不同的股份波动等级进行调整评估周期的时长,或,报警。
进一步地,
所述分类模块包括,
触发词域识别单元,其用以对获取的所述信息向量进行识别,确定其所对应的所述搜索触发词域;
创建单元,其用以为各所述用户创建所述数据集,并为数据集建立与所述用户身份标识对应的所述标签信息;
构建单元,其用以构建映射表,所述映射表用以表示所述标签信息与所述搜索触发词域间的关联关系;
添加单元,其用以将所述标签信息对应的所述搜索触发词域中相关的用户信息添加至对应的所述数据集中。
进一步地,所述识别确定模块内设置有各用户对应的标准信息向量和相似度评价值,
所述触发词域识别单元能够根据所述信息获取模块获取的所述信息向量结合所述标准信息向量计算相似度,
识别确定模块根据所述相似度结合所述相似度评价值确定各用户对应的所述搜索触发词域的内容及范围大小。
进一步地,所述识别确定模块内设置有评估周期,
所述信息获取模块根据所述评估周期获取不同评估时刻的持股比例数据,
识别确定模块能够根据所述持股比例数据生成所述股份波动曲线并计算所述股份波动平均值,根据股份波动平均值结合所述搜索触发词域的范围大小、所述用户类别等级确定各用户的风险评估指数的数值。
进一步地,所述选取判定模块对各所述数据集中的所述文字信息进行筛选和判定,将文字信息按照词性筛选为正面文字信息和反面文字信息,根据所述正面文字信息和所述反面文字信息确定正面段落数量和反面段落数量,
所述第一计算确定单元根据所述正面段落数量和所述反面段落数量确定用户的所述个人评分。
进一步地,所述第二计算确定单元内设置有评分影响参数和工作时长影响参数,
第二计算确定单元能够根据所述个人评分、所述个人工作年限和所述风险评估指数结合所述评分影响参数、所述工作时长影响参数确定用户的个人风险值。
进一步地,所述识别确定模块内设置有波动允许范围区间,根据其计算的股份波动差值结合所述波动允许范围区间确定各用户的股份波动等级,
其中,所述股份波动差值为所述股份波动曲线上最大股份值和最小股份值间的差值绝对值。
进一步地,所述识别确定模块根据所述股份波动等级的不同发出第一调节信号,或,报警信号;
所述辅助处理模块能够根据所述识别确定模块发出的所述第一调节信号确定所述评估周期的时长。
进一步地,所述识别确定模块内设置有第一修正系数和第二修正系数,
所述辅助处理模块根据所述信息获取模块获取的用户交叉持股比例结合所述第一修正系数和所述第二修正系数对所述个人风险值进行修正。
进一步地,所述第二修正系数的取值由所述股份波动等级确定,
所述股份波动等级为一级波动时,所述第二修正系数取值为1,
所述股份波动等级为二级波动时,所述第二修正系数取值与所述股份波动差值的数值成正比,
所述股份波动等级为三级波动时,所述第二修正系数取值为+∞。
与现有技术相比,本发明的有益效果在于,本发明通过在识别确定模块内设置信息检测周期,信息获取模块根据信息检测周期对各用户的实时相关信息进行周期性获取,修正处理单元根据每次信息检测周期获取的实时相关信息对所述历史搜索词库进行不断修正得到实际搜索词库,以保证获取到的各用户的相关数据的准确性和一致性,触发词域识别单元对实际搜索词库内的信息向量进行识别,从图像、音频、文字三方面对信息向量进行相似度判断,确定各信息向量所属的搜索触发词域,在确定各信息向量的搜索触发词域后,通过添加单元将标签信息对应的搜索触发词域中相关的用户信息添加至对应的数据集中,将构建的公司用户进行直观的展示,直观地观察公司用户结构和股权关系,轻松了解用户的持股情况。
尤其,通过获取某一用户在评估周期内不同时刻的股份值,根据各时刻的股份值生成股份波动曲线,可以直观的看出该用户的股份变化情况,提升对用户持股比例的把握程度,根据生成的股份波动曲线计算该曲线对应的股份波动平均值,从而确定该用户对应的风险评估指数,更加具有针对性的对各用户进行风险评估,并根据股份波动曲线获取最大股份值和最小股份值计算股份波动差值,根据股份波动差值判断股份波动等级,针对不同的股份波动等级进行调整或报警,当判定股份波动等级为二级波动时,减小该用户的评估周期时长,对该用户的股份变化继续检测,方便及时评估该用户的股份波动变化情况,更加直观、灵活且深度的了解用户波动变化。
尤其,通过辅助处理模块对各用户的个人风险值进行修正,可以有效提高数据的准确性,确保数据与实际情况一致,为后续的决策制定提供可靠的依据,针对于不同用户的不同用户交叉持股比例及股份波动等级的不同确定修正系数的取值,使得计算的实际个人风险值数据更准确、有效,消除个人风险值的误差,使数据更接近真实的情况,使数据更有说服力,为企业提供更有价值的信息,提高决策制定的准确性和可靠性。
附图说明
图1为发明实施例一种基于知识图谱的信息处理系统的结构示意图;
图2为发明实施例一种基于知识图谱的信息处理系统中确定搜索触发词域逻辑图;
图3为发明实施例一种基于知识图谱的信息处理系统中判定股份波动等级逻辑图;
图4为发明实施例一种基于知识图谱的信息处理系统中确定第二修正系数逻辑图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1-图4所示,图1为发明实施例一种基于知识图谱的信息处理系统的结构示意图;图2为发明实施例一种基于知识图谱的信息处理系统中确定搜索触发词域逻辑图;图3为发明实施例一种基于知识图谱的信息处理系统中判定股份波动等级逻辑图;图4为发明实施例一种基于知识图谱的信息处理系统中确定第二修正系数数值逻辑图。
本发明提供一种基于知识图谱的信息处理系统,包括,
信息获取模块,其包括历史存储单元和实时获取单元,所述历史存储单元用以提供各用户信息搜索的历史搜索词库,所述实时获取单元用以获取各用户的实时相关信息;
信息预处理模块,其包括修正处理单元和信息向量转化单元,所述修正处理单元用以根据所述实时获取单元获取的各用户的所述实时相关信息对所述历史搜索词库进行相应的修正得到实际搜索词库,所述信息向量转化单元用以将实际搜索词库内的全部信息转化为信息向量;
分类模块,其用以确定各信息向量所属的搜索触发词域,并将标签信息对应的所述搜索触发词域中相关的用户信息添加至对应的数据集中;
选取判定模块,其用以对所述信息向量内文字信息进行判断和选取;
分析处理模块,其包括第一计算确定单元和第二计算确定单元,所述第一计算确定单元用以根据各所述数据集内用户信息计算各用户的个人评分,所述第二计算确定单元用以根据所述第一计算确定单元确定的所述用户的个人评分对各用户进行风险评估,以确定各用户的个人风险值;
辅助处理模块,其用以对所述分析处理模块确定的各用户的所述风险评估结果进行修正以及对设定的各评估周期的时长进行调节;
识别确定模块,其与所述信息获取模块、所述信息预处理模块、所述分类模块、所述选取判定模块、所述分析处理模块和所述辅助处理模块分别相连,所述识别确定模块根据触发词域识别单元确定的所述搜索触发词域的范围大小结合信息获取模块获取的用户类别等级及分析处理模块计算的股份波动平均值确定风险评估指数的取值,识别确定模块内设置有评估周期,在所述评估周期内根据信息获取模块获取的股份值生成股份波动曲线并计算波动差值,从而确定各用户的股份波动等级,针对不同的股份波动等级进行调整,或,报警。
具体而言,本实施例中所述分类模块包括,
触发词域识别单元,其用以对获取的所述信息向量进行识别,确定其所对应的搜索触发词域;
创建单元,其用以为各所述用户创建数据集,并为所述数据集建立与所述用户身份标识对应的标签信息;
构建单元,其用以构建映射表,所述映射表用以表示所述标签信息与所述搜索触发词域间的关联关系;
添加单元,其用以将所述标签信息对应的所述搜索触发词域中相关的用户信息添加至对应的所述数据集中。
本实施例中通过在识别确定模块内设置信息检测周期,信息获取模块根据信息检测周期对各用户的实时相关信息进行周期性获取,修正处理单元根据每次信息检测周期获取的实时相关信息对所述历史搜索词库进行不断修正得到实际搜索词库,以保证获取到的各用户的相关数据的准确性和一致性,触发词域识别单元对实际搜索词库内的信息向量进行识别,从图像、音频、文字三方面对信息向量进行相似度判断,确定各信息向量所属的搜索触发词域,在确定各信息向量的搜索触发词域后,通过添加单元将标签信息对应的搜索触发词域中相关的用户信息添加至对应的数据集中,将构建的公司用户进行直观的展示,直观地观察公司用户结构和股权关系,轻松了解用户的持股情况。
具体而言,本实施例中所述触发词域识别单元对所述信息获取模块获取的所述信息向量进行识别,判定其所属的所述搜索触发词域时,对于任一用户,所述识别确定模块内设置有该用户对应的标准信息向量A0(X0,Y0,Z0),其中,X0为标准音频信息,Y0为标准图像信息,Z0为标准文字信息,对于所述信息获取模块获取的任一条所述信息向量A,A=(X,Y,Z),所述触发词域识别单元根据获取的所述信息向量A计算相似度D,若D≥D0,则所述触发词域识别单元判定获取的所述信息向量A属于该用户所对应的搜索触发词域;
若D<D0,则所述触发词域识别单元判定获取的所述信息向量A不属于该用户所对应的搜索触发词域;
其中,D0为所述识别确定模块内设定的相似度评价值。
例如,对于张三用户,识别确定模块内存储有他的个人音频,五官特征及基本个人信息,基本个人信息包括,用户姓名、用户类别等级和持股比例,信息向量转化单元将实时获取单元获取的实时相关信息转化为信息向量,触发词域识别单元对新获取的信息向量进行识别,分析该信息向量内的音频信息与张三的个人音频间的相似度,分析该信息向量内的图像信息与张三的五官特征间的相似度,分析该信息向量内的文字信息与张三的基本个人信息间的相似度,从而确定该信息向量是否属于张三的搜索触发词域。
具体而言,本实施例中所述识别确定模块内设置有评估周期T1,对于任一个用户,每经过一个所述评估周期T1,识别确定模块获取该用户在评估周期T1内的持股比例数据,根据获取的所述持股比例数据生成股份波动曲线,
对于生成的所述股份波动曲线,将其均分为j-1个段落,并获取各段落端点值,各段落端点值按照顺序记为,第一股份值G1,第二股份值G2,....,第j股份值Gj,
所述识别确定模块计算所述股份波动曲线的股份波动平均值G’,设定,所述触发词域识别单元对所述实际搜索词库内的全部信息向量进行识别,确定各所述搜索触发词域的范围大小,所述识别确定模块根据搜索触发词域的范围大小W、所述用户类别等级J及所述股份波动平均值G’确定各用户的风险评估指数Z;
其中,所述风险评估指数Z与所述搜索触发词域的范围大小W成正比,搜索触发词域的范围大小W越大,风险评估指数Z越大;
所述风险评估指数Z与所述用户类别等级J成正比,用户类别等级J越大,风险评估指数Z越大;
所述风险评估指数Z与所述股份波动平均值G’成正比,股份波动平均值G’越大,风险评估指数Z越大。
具体而言,本实施例中对于任一用户,所述选取判定模块对所述信息向量内的所述文字信息进行筛选和判定,将文字信息按照词性筛选为正面文字信息和反面文字信息,所述第一计算确定单元根据筛选确定的所述正面文字信息的正面段落数量N1和所述反面文字信息的反面段落数量N2计算该用户的个人评分S,
S=N1×a+N2×b,
其中,a为所述正面段落数量N1对所述个人评分的第一计算补偿参数,b为所述反面段落数量N2对所述个人评分的第二计算补偿参数;
所述第二计算确定单元根据所述个人评分S、个人工作年限H和风险评估指数Z计算用户的个人风险值Q,
Q=(S×c+H×d)×Z,
其中,c为所述个人评分S对所述个人风险值Q的评分影响参数,d为所述个人工作年限H对所述个人风险值Q的工作时长影响参数。
具体而言,本实施例中所述识别确定模块选取所述股份波动曲线上的最大股份值Gmax和最小股份值Gmin,根据所述最大股份值Gmax和所述最小股份值Gmin计算股份波动差值U,U=|Gmax-Gmin|,
若U<Umin,则判定该用户的股份波动幅度较小且在波动允许范围内,为一级波动,
若Umin≤U≤Umax,则判定该用户的股份波动幅度在波动允许范围内,为二级波动,所述识别确定模块发出第一调节信号,对所述评估周期T1的时长进行调节;
若U>Umax,则判定该用户的股份波动幅度超过波动允许范围,为三级波动,所述识别确定模块发出报警信号;
其中,所述识别确定模块内设置有所述波动允许范围区间[Umin,Umax],Umin为波动允许范围区间的最小波动评价值,Umax为波动允许范围区间的最大波动评价值。
本实施例中通过获取某一用户在评估周期内不同时刻的股份值,根据各时刻的股份值生成股份波动曲线,可以直观的看出该用户的股份变化情况,提升对用户持股比例的把握程度,根据生成的股份波动曲线计算该曲线对应的股份波动平均值,从而确定该用户对应的风险评估指数,更加具有针对性的对各用户进行风险评估,并根据股份波动曲线获取最大股份值和最小股份值计算股份波动差值,根据股份波动差值判断股份波动等级,针对不同的股份波动等级进行调整或报警,当判定股份波动等级为二级波动时,减小该用户的评估周期时长,对该用户的股份变化继续检测,方便及时评估该用户的股份波动变化情况,更加直观、灵活且深度的了解用户波动变化。
具体而言,本实施例中所述辅助处理模块根据所述股份波动等级和所述信息获取模块获取的用户交叉持股比例B对所述个人风险值Q进行修正得到实际个人风险值Q’,
Q’=B×k1×Q×k2,
其中,k1为所述用户交叉持股比例B对所述实际个人风险值Q’的第一修正系数,k2为所述股份波动等级对所述实际个人风险值Q’的第二修正系数,
当所述股份波动等级为所述一级波动时,所述第二修正系数k2取值为1,
当所述股份波动等级为所述二级波动时,所述第二修正系数k2取值与所述股份波动差值U的数值成正比,
当所述股份波动等级为所述三级波动时,所述第二修正系数k2取值为+∞。
本实施例中通过辅助处理模块对各用户的个人风险值进行修正,可以有效提高数据的准确性,确保数据与实际情况一致,为后续的决策制定提供可靠的依据,针对于不同用户的不同用户交叉持股比例及股份波动等级的不同确定修正系数的取值,使得计算的实际个人风险值数据更准确、有效,消除个人风险值的误差,使数据更接近真实的情况,使数据更有说服力,为企业提供更有价值的信息,提高决策制定的准确性和可靠性。
本发明中各所述计算补偿参数、计算调节参数的作用有两个,一是平衡公式左右纲量,二是调节数值结果,在本实施例中不进行具体赋值,且,本实施例中各计算公式用于直观反应各数值间的调节关系,例如正相关,负相关,在无特殊说明的前提下,未具体限定数值的参数数值均取正。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。 凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于知识图谱的信息处理系统,其特征在于,包括,
信息获取模块,其包括历史存储单元和实时获取单元,所述历史存储单元用以提供各用户信息搜索的历史搜索词库,所述实时获取单元用以获取各用户的实时相关信息;
信息预处理模块,其包括修正处理单元和信息向量转化单元,所述修正处理单元用以根据所述实时获取单元获取的各用户的所述实时相关信息对所述历史搜索词库进行相应的修正得到实际搜索词库,所述信息向量转化单元用以将所述实际搜索词库内的全部信息转化为所述信息向量;
分类模块,其用以确定各信息向量所属的搜索触发词域,并将标签信息对应的所述搜索触发词域中相关的用户信息添加至对应的数据集中;
选取判定模块,其用以对确定的所述数据集中信息向量内文字信息进行判断和选取;
分析处理模块,其包括第一计算确定单元和第二计算确定单元,所述第一计算确定单元用以根据各所述数据集中的所述文字信息计算各用户的个人评分,所述第二计算确定单元用以根据所述第一计算确定单元确定的所述用户的所述个人评分对各用户进行风险评估,以确定各用户的个人风险值;
辅助处理模块,其用以对所述分析处理模块确定的各用户的所述风险评估结果进行修正以及对设定的各评估周期的时长进行调节;
识别确定模块,其与所述信息获取模块、所述信息预处理模块、所述分类模块、所述选取判定模块、所述分析处理模块和所述辅助处理模块分别相连,所述识别确定模块根据所述搜索触发词域的范围大小结合用户类别等级及股份波动平均值确定风险评估指数的取值,识别确定模块内设置有所述评估周期,在评估周期内根据股份值生成股份波动曲线并计算波动差值,从而确定各用户的股份波动等级,针对不同的股份波动等级进行调整评估周期的时长,或,报警。
2.根据权利要求1所述的基于知识图谱的信息处理系统,其特征在于,
所述分类模块包括,
触发词域识别单元,其用以对获取的所述信息向量进行识别,确定其所对应的所述搜索触发词域;
创建单元,其用以为各所述用户创建所述数据集,并为数据集建立与所述用户身份标识对应的所述标签信息;
构建单元,其用以构建映射表,所述映射表用以表示所述标签信息与所述搜索触发词域间的关联关系;
添加单元,其用以将所述标签信息对应的所述搜索触发词域中相关的用户信息添加至对应的所述数据集中。
3.根据权利要求2所述的基于知识图谱的信息处理系统,其特征在于,
所述识别确定模块内设置有各用户对应的标准信息向量和相似度评价值,
所述触发词域识别单元能够根据所述信息获取模块获取的所述信息向量结合所述标准信息向量计算相似度,
识别确定模块根据所述相似度结合所述相似度评价值确定各用户对应的所述搜索触发词域的内容及范围大小。
4.根据权利要求3所述的基于知识图谱的信息处理系统,其特征在于,
所述识别确定模块内设置有评估周期,
所述信息获取模块根据所述评估周期获取不同评估时刻的持股比例数据,
识别确定模块能够根据所述持股比例数据生成所述股份波动曲线并计算所述股份波动平均值,根据股份波动平均值结合所述搜索触发词域的范围大小、所述用户类别等级确定各用户的风险评估指数的数值。
5.根据权利要求4所述的基于知识图谱的信息处理系统,其特征在于,
所述选取判定模块对各所述数据集中的所述文字信息进行筛选和判定,将文字信息按照词性筛选为正面文字信息和反面文字信息,根据所述正面文字信息和所述反面文字信息确定正面段落数量和反面段落数量,
所述第一计算确定单元根据所述正面段落数量和所述反面段落数量确定用户的所述个人评分。
6.根据权利要求5所述的基于知识图谱的信息处理系统,其特征在于,
所述第二计算确定单元内设置有评分影响参数和工作时长影响参数,
第二计算确定单元能够根据所述个人评分、所述个人工作年限和所述风险评估指数结合所述评分影响参数、所述工作时长影响参数确定用户的个人风险值。
7.根据权利要求6所述的基于知识图谱的信息处理系统,其特征在于,
所述识别确定模块内设置有波动允许范围区间,根据其计算的股份波动差值结合所述波动允许范围区间确定各用户的股份波动等级,
其中,所述股份波动差值为所述股份波动曲线上最大股份值和最小股份值间的差值绝对值。
8.根据权利要求7所述的基于知识图谱的信息处理系统,其特征在于,
所述识别确定模块根据所述股份波动等级的不同发出第一调节信号,或,报警信号;
所述辅助处理模块能够根据所述识别确定模块发出的所述第一调节信号确定所述评估周期的时长。
9.根据权利要求6所述的基于知识图谱的信息处理系统,其特征在于,
所述识别确定模块内设置有第一修正系数和第二修正系数,
所述辅助处理模块根据所述信息获取模块获取的用户交叉持股比例结合所述第一修正系数和所述第二修正系数对所述个人风险值进行修正。
10.根据权利要求9所述的基于知识图谱的信息处理系统,其特征在于,
所述第二修正系数的取值由所述股份波动等级确定,
所述股份波动等级为一级波动时,所述第二修正系数取值为1,
所述股份波动等级为二级波动时,所述第二修正系数取值与所述股份波动差值的数值成正比,
所述股份波动等级为三级波动时,所述第二修正系数取值为+∞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281942.5A CN117875725A (zh) | 2024-03-13 | 2024-03-13 | 一种基于知识图谱的信息处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281942.5A CN117875725A (zh) | 2024-03-13 | 2024-03-13 | 一种基于知识图谱的信息处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117875725A true CN117875725A (zh) | 2024-04-12 |
Family
ID=90584961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410281942.5A Pending CN117875725A (zh) | 2024-03-13 | 2024-03-13 | 一种基于知识图谱的信息处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117875725A (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240352A1 (en) * | 2004-04-23 | 2005-10-27 | Invitrogen Corporation | Online procurement of biologically related products/services using interactive context searching of biological information |
CA2668306A1 (en) * | 2009-06-08 | 2010-12-08 | Stephen R. Germann | Method and system for applying metadata to data sets of file objects |
US20120060216A1 (en) * | 2010-09-01 | 2012-03-08 | Apixio, Inc. | Medical information navigation engine (mine) system |
JP2013012172A (ja) * | 2011-06-03 | 2013-01-17 | Toshiba Corp | 株取引知見抽出装置、知見更新装置、及びプログラム |
US8458065B1 (en) * | 2007-01-31 | 2013-06-04 | FinancialSharp Inc. | System and methods for content-based financial database indexing, searching, analysis, and processing |
CN111738581A (zh) * | 2020-06-14 | 2020-10-02 | 湖南三湘银行股份有限公司 | 一种适于银行体系的重型机械制造业企业的评级系统 |
CN111914096A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 基于舆情知识图谱的公共交通乘客满意度评价方法及系统 |
US20210158210A1 (en) * | 2019-11-27 | 2021-05-27 | Oracle International Corporation | Hybrid in-domain and out-of-domain document processing for non-vocabulary tokens of electronic documents |
CN113065003A (zh) * | 2021-04-22 | 2021-07-02 | 国际关系学院 | 一种基于多指标的知识图谱生成方法 |
CN113439423A (zh) * | 2019-01-15 | 2021-09-24 | 英弗布洛斯公司 | 检测域名的同形异义词 |
CN114706992A (zh) * | 2022-02-17 | 2022-07-05 | 中科雨辰科技有限公司 | 一种基于知识图谱的事件信息处理系统 |
WO2022183138A2 (en) * | 2021-01-29 | 2022-09-01 | Elaboration, Inc. | Automated classification of emotio-cogniton |
US20220292543A1 (en) * | 2021-03-09 | 2022-09-15 | Alexandra Valentina Henderson | Pop-up retial franchising and complex econmic system |
CN116384551A (zh) * | 2023-03-10 | 2023-07-04 | 青岛理工大学 | 一种基于知识图谱的上市企业违法风险预测方法 |
CN116628172A (zh) * | 2023-07-24 | 2023-08-22 | 北京酷维在线科技有限公司 | 基于知识图谱的政务服务领域多策略融合的对话方法 |
US20230316003A1 (en) * | 2022-03-31 | 2023-10-05 | Smart Information Flow Technologies, LLC | Natural Language Processing for Identifying Bias in a Span of Text |
CN117151767A (zh) * | 2023-10-30 | 2023-12-01 | 彩讯科技股份有限公司 | 工程费用评估方法和装置 |
CN117422181A (zh) * | 2023-12-15 | 2024-01-19 | 湖南三湘银行股份有限公司 | 一种基于模糊标签的代发客户流失预警方法及系统 |
CN117574898A (zh) * | 2023-10-31 | 2024-02-20 | 国网山东省电力公司电力科学研究院 | 基于电网设备的领域知识图谱更新方法及系统 |
-
2024
- 2024-03-13 CN CN202410281942.5A patent/CN117875725A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240352A1 (en) * | 2004-04-23 | 2005-10-27 | Invitrogen Corporation | Online procurement of biologically related products/services using interactive context searching of biological information |
US8458065B1 (en) * | 2007-01-31 | 2013-06-04 | FinancialSharp Inc. | System and methods for content-based financial database indexing, searching, analysis, and processing |
CA2668306A1 (en) * | 2009-06-08 | 2010-12-08 | Stephen R. Germann | Method and system for applying metadata to data sets of file objects |
US20120060216A1 (en) * | 2010-09-01 | 2012-03-08 | Apixio, Inc. | Medical information navigation engine (mine) system |
JP2013012172A (ja) * | 2011-06-03 | 2013-01-17 | Toshiba Corp | 株取引知見抽出装置、知見更新装置、及びプログラム |
CN113439423A (zh) * | 2019-01-15 | 2021-09-24 | 英弗布洛斯公司 | 检测域名的同形异义词 |
US20210158210A1 (en) * | 2019-11-27 | 2021-05-27 | Oracle International Corporation | Hybrid in-domain and out-of-domain document processing for non-vocabulary tokens of electronic documents |
CN111738581A (zh) * | 2020-06-14 | 2020-10-02 | 湖南三湘银行股份有限公司 | 一种适于银行体系的重型机械制造业企业的评级系统 |
CN111914096A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 基于舆情知识图谱的公共交通乘客满意度评价方法及系统 |
CN116982048A (zh) * | 2021-01-29 | 2023-10-31 | 精化股份有限公司 | 情绪认知的自动分类 |
WO2022183138A2 (en) * | 2021-01-29 | 2022-09-01 | Elaboration, Inc. | Automated classification of emotio-cogniton |
US20220292543A1 (en) * | 2021-03-09 | 2022-09-15 | Alexandra Valentina Henderson | Pop-up retial franchising and complex econmic system |
CN113065003A (zh) * | 2021-04-22 | 2021-07-02 | 国际关系学院 | 一种基于多指标的知识图谱生成方法 |
CN114706992A (zh) * | 2022-02-17 | 2022-07-05 | 中科雨辰科技有限公司 | 一种基于知识图谱的事件信息处理系统 |
US20230316003A1 (en) * | 2022-03-31 | 2023-10-05 | Smart Information Flow Technologies, LLC | Natural Language Processing for Identifying Bias in a Span of Text |
CN116384551A (zh) * | 2023-03-10 | 2023-07-04 | 青岛理工大学 | 一种基于知识图谱的上市企业违法风险预测方法 |
CN116628172A (zh) * | 2023-07-24 | 2023-08-22 | 北京酷维在线科技有限公司 | 基于知识图谱的政务服务领域多策略融合的对话方法 |
CN117151767A (zh) * | 2023-10-30 | 2023-12-01 | 彩讯科技股份有限公司 | 工程费用评估方法和装置 |
CN117574898A (zh) * | 2023-10-31 | 2024-02-20 | 国网山东省电力公司电力科学研究院 | 基于电网设备的领域知识图谱更新方法及系统 |
CN117422181A (zh) * | 2023-12-15 | 2024-01-19 | 湖南三湘银行股份有限公司 | 一种基于模糊标签的代发客户流失预警方法及系统 |
Non-Patent Citations (5)
Title |
---|
刘慧婷;杨良全;凌超;赵鹏;: "社交网络中融合社交关系和语义信息的推荐算法", 模式识别与人工智能, no. 03, 15 March 2018 (2018-03-15) * |
孙昊天;杨良斌;: "基于带权三元闭包的知识图谱的构建方法研究", 情报杂志, no. 06, 6 May 2019 (2019-05-06) * |
杨良斌;: "数据挖掘领域研究现状与趋势的可视化分析", 图书情报工作, no. 2, 15 December 2015 (2015-12-15) * |
王姬卜;陆锋;吴升;余丽;: "基于自动回标的地理实体关系语料库构建方法", 地球信息科学学报, no. 07, 11 July 2018 (2018-07-11) * |
王素琪;: "基于粗糙集的财务预警指标体系权重研究――以汽车制造业为例", 当代经济, no. 31, 10 November 2016 (2016-11-10) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20100217743A1 (en) | Attribute estimation system, age estimation system, gender estimation system, age and gender estimation system and attribute estimation method | |
WO2007043593A1 (ja) | 企業技術文書群分析支援装置 | |
CN108363717B (zh) | 一种数据安全级别的识别检测方法及装置 | |
WO2024067387A1 (zh) | 基于特征变量评分的用户画像生成方法,设备、汽车及存储介质 | |
CN112053061A (zh) | 围串标行为识别方法、装置、电子设备和存储介质 | |
JP3014677B2 (ja) | マルコフモデル弁別器、マルコフモデルをトレーニングする方法及びシステム | |
CN110225055A (zh) | 一种基于knn半监督学习模型的网络流量异常检测方法与系统 | |
CN110135760A (zh) | 一种基于变权理论模型的煤矿安全状态评价方法 | |
CN112215365A (zh) | 一种基于朴素贝叶斯模型提供特征预测能力方法 | |
U Aimola et al. | Is the effect of public debt on inflation symmetric or asymmetric? Evidence from the Gambia | |
CN109685133A (zh) | 基于构建的预测模型低成本、高区分度的数据分类方法 | |
CN110335242A (zh) | 一种基于多模型融合的轮胎x光病疵检测方法 | |
CN117875725A (zh) | 一种基于知识图谱的信息处理系统 | |
KR102336679B1 (ko) | 모델선정지표 정규화 기반의 확률분포 선정 방법 | |
JPH10275177A (ja) | 投資信託のパフォーマンス評価装置およびその評価方法 | |
CN115619517A (zh) | 一种应用于信贷领域的机构评估方法及系统 | |
CN115035974A (zh) | 一种心理测评数据管理系统及方法 | |
Zhu et al. | Safety evaluation of human accidents in coal mine based on ant colony optimization and SVM | |
CN114282875A (zh) | 流程审批确定性规则和语义自学习结合判定方法及装置 | |
CN112288571A (zh) | 一种基于快速构建邻域覆盖的个人信用风险评估方法 | |
Shen et al. | An early warning model for social stability based on the PSO-C4. 5 decision tree model | |
CN110288047A (zh) | 一种用于异常检测的大数据特征降维方法及工具 | |
US20240087028A1 (en) | Indicator selection apparatus, indicator selection method, and non-transitory computer-readable medium | |
CN111274404A (zh) | 一种基于人机协同的小样本实体多领域分类方法 | |
Li et al. | Research on listed companies’ credit ratings, considering classification performance and interpretability |
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 |