TWM563603U - 金流關係圖產生系統 - Google Patents
金流關係圖產生系統 Download PDFInfo
- Publication number
- TWM563603U TWM563603U TW107203594U TW107203594U TWM563603U TW M563603 U TWM563603 U TW M563603U TW 107203594 U TW107203594 U TW 107203594U TW 107203594 U TW107203594 U TW 107203594U TW M563603 U TWM563603 U TW M563603U
- Authority
- TW
- Taiwan
- Prior art keywords
- nth
- training
- processing unit
- flow relationship
- condition
- Prior art date
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
一種金流關係圖產生系統,包含儲存單元及處理單元,該儲存單元儲存多筆相關於多個企業的企業資料,該處理單元根據該等企業資料產生包括多個節點及多個相關於該等節點間之連結的邊的第n金流關係圖,其中n為任意正整數,每一節點對應該等企業之一者,且以該等邊之至少一者與所匯出或所匯入的該等企業之另至少一者對應的節點連結,並根據該等企業資料進行學習演算,以求得第n篩選條件,再根據該第n篩選條件,從該第n金流關係圖的該等邊獲得多個不符合該第n篩選條件的第n欲刪除邊,最後在該第n金流關係圖中刪除該等第n欲刪除邊,以產生第n+1金流關係圖。
Description
本新型是有關於一種數據處理系統,特別是指一種金流關係圖產生方系統。
金融業者在對於一企業客戶進行風險控制時,主要是透過行員調度行內的客戶資料觀察所要評估的該企業客戶與其周邊客戶的金流關係,以獲得該企業客戶的產業生態圈,並由根據產業生態圈進行風險控制。
然而,企業客戶並非與每一周邊客戶的金流關係都為必要的,其中還夾雜與產業生態圈無顯著關聯性之金流關係,亦即產業生態圈中關聯性較弱的金流,若產業生態圈中包括關聯性較弱的金流會影響產業生態圈的準確性,而對於複雜的客戶資料,僅憑行員的經驗無法濾去產業生態圈中關聯性較弱的金流。
因此,本新型的目的,即在提供一種能濾去產業生態圈
中關聯性較弱的金流的金流關係圖產生系統
於是,本新型金流關係圖產生系統包含一儲存單元,及一處理單元。
該儲存單元儲存多筆分別對應多個預存企業的企業資料,每一企業資料包括多筆匯款資訊,每一匯款資訊具有一所對應的預存企業匯出或匯入的匯款企業及一匯款金額。
該處理單元電連接該儲存單元,該處理單元根據該等企業資料產生一包括多個節點及多個相關於該等節點間之連結的邊的第n金流關係圖,其中n為任意正整數,每一節點對應該等預存企業及該等匯款企業之一者,且以該等邊之至少一者與所匯出或所匯入的該等預存企業及該等匯款企業之另至少一者對應的節點連結,並根據該等企業資料進行學習演算,以求得一相關於該等節點間之連結的第n篩選條件,且根據該第n篩選條件,從該第n金流關係圖的該等邊獲得多個不符合該第n篩選條件的第n欲刪除邊,並在該第n金流關係圖中刪除該等第n欲刪除邊,以產生一第二金流關係圖。
本新型之功效在於:藉由該處理單元根據該第n篩選條件獲得該等第n欲刪除邊,在該第n金流關係圖中刪除該等第n欲刪除邊,藉此,刪除產業生態圈關聯較弱的金流,使得使用者可根據準確性較高的產業生態圈進行風險控制。
100‧‧‧金流關係圖產生系統
11‧‧‧儲存單元
12‧‧‧處理單元
91‧‧‧顯示單元
92‧‧‧輸入單元
201~212‧‧‧步驟
31~34‧‧‧子步驟
41~43‧‧‧子步驟
51~54‧‧‧子步驟
本新型之其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:圖1是一方塊圖,說明本新型金流關係圖產生系統的一實施例;圖2是一流程圖,說明說明該實施例執行的步驟;圖3是一示意圖,說明一第一金流關係圖;圖4是一流程圖,說明步驟203所包含的子步驟;圖5是一流程圖,說明步驟206所包含的子步驟;圖6是一流程圖,說明步驟209所包含的子步驟;及圖7是一示意圖,說明一第二金流關係圖分割成多個連通圖。
參閱圖1,本新型金流關係圖產生系統100的一實施例,包含一儲存單元11、及一電連接該儲存單元11的處理單元12,該金流關係圖產生系統100的該處理單元12電連接一顯示單元91及一輸入單元92。該儲存單元11例如為一硬碟(Hard Disk Drive,HDD),該處理單元12例如為一中央處理器(Central Processing Unit,CPU)。
該儲存單元11儲存多筆分別對應多個預存企業的企業資料、多個第一預設條件,及多個第二預設條件,每一企業資料包括
多筆匯款資訊,每一匯款資訊具有一所對應的預存企業的匯款帳號、一所對應的預存企業的企業名稱、一所對應的預存企業匯出或匯入的匯款企業、該匯款企業的匯款帳號、該匯款企業的企業名稱、及一匯款金額。值得注意的是,該等預存企業例如為一使用者的客戶,該等匯款企業例如為該等預存企業之一者或非該使用者的客戶之企業。該等第一預設條件及該等第二預設條件之一者,為匯款金額大於一第一預定值的匯款次數大於一第二預定值,例如為匯款金額大於100萬的匯款次數大於10次,在本實施例中,該等第一預設條件不等於該等第二預設條件,但在其他實施方式中,該等第一預設條件等於該等第二預設條件,不以此為限。
參閱圖1及圖2,說明了該實施例執行的步驟。
在步驟201中,該處理單元12根據該等企業資料產生一包括多個節點(node),及多個相關於該等節點間之連結的邊(edge)的第一金流關係圖(如圖3),每一節點對應該等預存企業及該等匯款企業之一者,且以該等邊之至少一者與所匯出或所匯入的該等預存企業及該等匯款企業之另至少一者對應的節點連結。
搭配參閱圖3,該處理單元12利用該顯示單元91顯示該第一金流關係圖,該第一金流關係圖的每一節點包括所對應企業的企業名稱及匯款帳號,並可在該使用者操作該輸入單元92點擊該等節點之其中一者後,該處理單元12利用該顯示單元91顯示所點擊
的節點所包括的企業名稱及匯款帳號。該第一金流關係圖的該等節點具有2種顏色,分別表示該使用者的客戶及非該使用者的客戶,該處理單元12係根據每一節點的匯款帳號決定的節點的顏色,在本實施例中,白色為該使用者的客戶,黑色為非該使用者的客戶。
在步驟202中,對於每一邊,該處理單元12根據該等企業資料的該等匯款資訊獲得對應該邊的一相關所連結的二節點的匯款次數,及每次匯款的匯款金額。
在步驟203中,該處理單元12根據該等匯款次數及每次匯款的匯款金額進行學習演算,例如機器學習(Machine Learning),以求得一第一篩選條件。
搭配參閱圖4,以下說明步驟203所包含的子步驟31~34。
在子步驟31中,對於每一第一預設條件,該處理單元12根據該第一預設條件從該第一金流關係圖的該等邊,獲得多個不符合該第一預設條件的第一訓練欲刪除邊。詳細而言,對於每一第一預設條件,該處理單元12係根據步驟202所獲得的每一邊對應的匯款次數,及每次匯款的匯款金額,獲得該等第一訓練欲刪除邊。
在子步驟32中,對於每一第一預設條件,該處理單元12在該第一金流關係圖中刪除該等第一訓練欲刪除邊,以獲得一第一訓練金流關係圖。
在子步驟33中,對於每一第一訓練金流關係圖,該處理單元12利用一連通元件標記(connected-component)法將該第一訓練金流關係圖分割成至少一第一訓練連通圖,以獲得一第一訓練連通圖數。
在子步驟34中,該處理單元12利用一自動化求最佳閥值演算法根據該等第一訓練連通圖數及該等第一預設條件,從該等第一預設條件獲得一條件以作為該第一篩選條件。
要特別說明的是,在本實施例中,該自動化求最佳閥值例如為大津二值化法(Otsu's method),假設總共有N個第一預設條件,則,M為該等第一訓練連通圖數之總和,h(i)為在第i個第一預設條件下的第一訓練連通圖數,在該大津二值化法中,該處理單元12先計算出每一第一預設條件下獲得第一訓練連通圖數的機率P i ,i=1,2,...,N,其中,i=1,2,...,N,再根據該
等機率計算出全體機率平均值μ及變異數σ,其中 ,並從該等第一預設條件隨機選取其中之一者(即第S個第一預設條件),並根據該第一預設條件將該等機率分為A、B二群,再計算A群的機率ω A ,及機率平均值μ A ,其中 及B群的機率ω B ,及機率平均值μ B ,其中 ,再計算A群的機率平均值μ A 減去全體機率平均值μ後平方乘上機率ω A ,加上B群的機率平均值μ B 減去全體機率平均值μ後平方乘上機率ω B ,亦即ω 1(μ A -μ)2+ω 2(μ B -μ)2,直到計算出所有第一預設條件對應的ω1(μ A -μ)2+ω 2(μ B -μ)2的值,最後,該處理單元12以對應的ω 1(μ A -μ)2+ω 2(μ B -μ)2為最大值的第一預設條件作為該第一篩選條件。
在步驟204中,該處理單元12根據該第一篩選條件,從該第一金流關係圖的該等邊獲得多個不符合該第一篩選條件的第一欲刪除邊。詳細而言,該處理單元12係根據該第一篩選條件,及步驟202所獲得的每一邊對應的匯款次數,及每次匯款的匯款金額,獲得該等第一欲刪除邊。
在步驟205中,對於每一節點,該處理單元12根據該等企業資料的該等匯款資訊,獲得對應該節點的一相關所連結的節點的匯入次數。
在步驟206中,該處理單元12根據該等節點對應的該等匯入次數進行學習演算,以求得一目標條件。
搭配參閱圖5,以下說明步驟206所包含的子步驟
41~43。
在子步驟41中,對於每一節點,該處理單元12在該第一金流關係圖中刪除該節點所連結的邊,以獲得一第二訓練金流關係圖。
在子步驟42中,對於每一第二訓練金流關係圖,該處理單元12利用該連通元件標記法將該第二訓練金流關係圖分割成至少一第二訓練連通圖,以獲得一第二訓練連通圖數。
在子步驟43中,該處理單元12利用該自動化求最佳閥值演算法根據該等第二訓練連通圖數,及該等節點對應的匯入次數,獲得該目標條件。
要特別說明的是,在本實施例中,假設總共有K個節點,,L為該等第二訓練連通圖數之總和,g(i)為刪除第i個節點所連結的邊後獲得的第二訓練連通圖數,在該大津二值化法中,該處理單元12先計算出刪除每一節點所連結的邊後獲得第二訓練連通圖數的機率P i ,i=1,2,...,K,其中,i=1,2,...,K,再
根據該等機率計算出全體機率平均值μ及變異數σ,其中 ,並從該等節點隨機選取其中之一者(即第S個節點)對應的匯入次數獲得一門檻條件,該門檻條件例如為匯入次數大於
該節點對應的匯入次數,並根據該門檻條件將該等機率分為A、B二群,再計算A群的機率ω A ,及機率平均值μ A ,其中 及B群的機率ω B ,及機率平均值μ B ,其中 ,計算A群的機率平均值μ A 減去全體機率平均值μ後平方乘上機率ω A ,加上B群的機率平均值μ B 減去全體機率平均值μ後平方乘上機率ω B ,亦即ω 1(μ A -μ)2+ω 2(μ B -μ)2,直到計算出所有節點對應的ω 1(μ A -μ)2+ω 2(μ B -μ)2,最後該處理單元12以對應ω 1(μ A -μ)2+ω 2(μ B -μ)2為最大值的節點所對應的門檻條件作為該目標條件。要特別注意的是,在本實施例中,該處理單元12是計算出全部節點對應的ω 1(μ A -μ)2+ω 2(μ B -μ)2,在其他實施方中,該處理單元12根據該等匯入次數,由多至少依序排序該等節點,並由所對應的匯入次數高至低依序選取節點,並以選取的節點對應的匯入次數作為一門檻條件計算ω 1(μ A -μ)2+ω 2(μ B -μ)2,當某次所計算的ω 1(μ A-μ)2+ω 2(μ B -μ)2及前X次所計算的ω 1(μ A -μ)2+ω 2(μ B -μ)2的最大值與最小值之差在一預設值內時,X≧1,亦即ω 1(μ A -μ)2+ω 2(μ B -μ)2收斂時,該處理單元12以該次選取節點所對應的門檻條件作為該目標條件。舉例來說,假設X為3且該預設值為0.5,該處理單元12根據匯入次數第6高的節點對應的門檻條件獲得的ω 1(μ A -μ)2+ω 2(μ B -
μ)2的值為1.8,而該處理單元12根據匯入次數第3、4、5高的節點對應的門檻條件獲得的ω 1(μ A -μ)2+ω 2(μ B -μ)2的值分別為2、1.7、2.1,由於最大值2.1與最小值1.7之差0.4小於該預設值0.5,該處理單元12以匯入次數第6高的節點對應的門檻條件作為該目標條件。
在步驟207中,根據該目標條件,該處理單元12從該第一金流關係圖的該等節點中獲得多個符合該目標條件的目標節點。
在步驟208中,對於每一目標節點的每一邊,該處理單元12根據該等企業資料的該等匯款資訊獲得一對應該邊的且相關該邊所連結的二節點的匯款次數,及每次匯款的匯款金額。
在步驟209中,對於每一目標節點,該處理單元12根據該等匯款次數及每次匯款的匯款金額進行學習演算,以求得一相關於該目標節點的第二篩選條件。
搭配參閱圖6,以下說明步驟209所包含的子步驟51~54。
在子步驟51中,對於每一目標節點且對於每一第二預設條件,該處理單元12根據該第二預設條件,從該第一金流關係圖的該目標節點所連結的邊,獲得多個不符合該第二預設條件的第二訓練欲刪除邊。
在子步驟52中,對於每一目標節點且對於每一第二預設
條件,該處理單元12在該第一金流關係圖中刪除該等第二訓練欲刪除邊,以獲得一第三訓練金流關係圖。
在子步驟53中,對於每一目標節點且對於每一第二預設條件,該處理單元12利用該連通元件標記法將該第二訓練金流關係圖分割成至少一第三訓練連通圖,以獲得一第三訓練連通圖數。
在子步驟54中,對於每一目標節點,該處理單元12利用該自動化求最佳閥值演算法根據該等預第二預設條件及該目標節點與該等第二預設條件所對應的該等第三訓練連通圖數,從該等第二預設條件中獲得一條件以作為該第二篩選條件。值得注意的是,子步驟54獲得該第二篩選條件的方式類似於子步驟34獲得該第一篩選條件的方式,在此不多加贅述。
在步驟210中,對於每一目標節點,該處理單元12根據對應該目標節點的該第二篩選條件,從該第一金流關係圖的該目標節點所連結的邊獲得至少一不符合該第二篩選條件的第二欲刪除邊。
要特別注意的是,在本實施例中步驟203~204是在步驟205~210之前執行,在其他實施方式中步驟205~210可在步驟203~204之前執行或同時執行,不以此限。
在步驟211中,該處理單元12在該第一金流關係圖中刪除該等第一欲刪除邊及該等第二欲刪除邊,以產生一第二金流關係
圖。
在步驟212中,該處理單元12利用該連通元件標記法將該第二金流關係圖分割成多個連通圖(如圖7)。要特說明的是,在本實施例中,連通圖數為複數5,在其他實施例方式中,連通圖數亦可為1。
要特別注意的是,在其他實施方式中,該第一金流關係圖、該等第一篩選條件,及該等第一欲刪除邊,亦可分別為一第n金流關係、多個第n篩選條件,及多個第n欲刪除邊;該第二金流關係圖、該等第二篩選條件,及該等第二欲刪除邊,亦可分別為一第n+1金流關係、多個第n+1篩選條件,及多個第n+1欲刪除邊,其中n為任意正整數。
綜上所述,本新型金流關係圖產生其系統,該處理單元12進行學習演算,以求得該第一篩選條件、該目標條件,及該等第二篩選條件,並根據該第一篩選條件獲得該等第一欲刪除邊,且該處理單元12根據該目標條件獲得該等目標節點後,再根據第二篩選條件對於每一目標節點獲得該等第二欲刪除邊,最後該處理單元12在該第一金流關係圖中刪除該等第一欲刪除邊及該等第二欲刪除邊,藉此,刪除產業生態圈關聯較弱的金流,使得該使用者可根據準確性較高的產業生態圈進行風險控制,此外,該等節點以2種顏色分別表示該使用者的客戶及非該使用者的客戶,更能讓該使用者
根據準確的產業生態圈作為未來拓展業務,故確實能達成本新型的目的。
惟以上所述者,僅為本新型之實施例而已,當不能以此限定本新型實施之範圍,凡是依本新型申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾,皆仍屬本新型專利涵蓋之範圍內。
Claims (9)
- 一種金流關係圖產生系統,包含一儲存單元,儲存多筆分別對應多個預存企業的企業資料,每一企業資料包括多筆匯款資訊,每一匯款資訊具有一所對應的預存企業匯出或匯入的匯款企業及一匯款金額;及一處理單元,電連接該儲存單元,該處理單元根據該等企業資料產生一包括多個節點及多個相關於該等節點間之連結的邊的第n金流關係圖,每一節點對應該等預存企業及該等匯款企業之一者,且以該等邊之至少一者與所匯出或所匯入的該等預存企業及該等匯款企業之另至少一者對應的節點連結,並根據該等企業資料進行學習演算,以求得一相關於該等節點間之連結的第n篩選條件,且根據該第n篩選條件,從該第n金流關係圖的該等邊獲得多個不符合該第n篩選條件的第n欲刪除邊,並在該第n金流關係圖中刪除該等第n欲刪除邊,以產生一第n+1金流關係圖。
- 如請求項1所述的金流關係圖產生系統,其中,該處理單元還根據該等企業資料進行學習演算,以求得一相關於該等節點間之連結的第n+1篩選條件,並根據該第n+1篩選條件,從該第n金流關係圖的該等邊獲得多個不符合該n+1篩選條件的第n+1欲刪除邊,且該處理單元還根據所獲得的該等第n+1欲刪除邊,在該第n金流關係圖中刪除該等第n+1欲刪除邊,以產生該第n+1金流關係圖。
- 如請求項2所述的金流關係圖產生系統,其中,對於每一節 點,該處理單元根據該等企業資料的該等匯款資訊獲得對應該節點的一相關所連結的節點的匯入次數,該處理單元根據該等節點對應的該等匯入次數進行學習演算,以求得一目標條件,並根據該目標條件,從該第一金流關係圖中的該等節點中獲得多個符合該目標條件的目標節點,對於每一目標節點的每一邊,該處理單元根據該等企業資料的該等匯款資訊獲得對應該邊的一相關所連結的二節點的匯款次數,及每次匯款的匯款金額,其中,對於每一目標節點,根據該等匯款次數及每次匯款的匯款金額進行學習演算,以求得相關於該目標節點的該等第n+1篩選條件之一者,並對於每一目標節點,根據對應該目標節點的該第n+1篩選條件,從該第n金流關係圖的該目標節點所連結的邊獲得不符合該第n+1篩選條件的該等第n+1欲刪除邊之至少一者。
- 如請求項3所述的金流關係圖產生系統,其中,對於每一節點,該處理單元在該第n金流關係圖中刪除該節點所連結的邊,以獲得一訓練金流關係圖,對於每一訓練金流關係圖,該處理單元利用一連通元件標記法將該訓練金流關係圖分割成至少一訓練連通圖,以獲得一訓練連通圖數,該處理單元利用一自動化求最佳閥值演算法根據該等訓練連通圖數及該等節點對應的匯入次數,獲得該目標條件。
- 如請求項3所述的金流關係圖產生系統,其中,該儲存單元還儲存有多個預設條件,對於每一目標節點且對於每一預設條件,該處理單元根據該預設條件,從該第n金流關係圖 的該目標節點所連結的邊,獲得多個不符合該預設條件的訓練欲刪除邊,並在該第n金流關係圖中刪除該等訓練欲刪除邊,以獲得一訓練金流關係圖,且利用一連通元件標記法將該訓練金流關係圖分割成至少一訓練連通圖,以獲得一訓練連通圖數,對於每一目標節點,該處理單元利用一自動化求最佳閥值演算法根據該等預設條件及該目標節點與該等預設條件所對應的該訓練連通圖數,從該等預設條件獲得一條件以作為該第n+1篩選條件。
- 如請求項1所述的金流關係圖產生系統,其中,該處理單元還利用一連通元件標記法將該第n+1金流關係圖分割成至少一連通圖。
- 如請求項1所述的金流關係圖產生系統,其中,對於每一邊,該處理單元根據該等企業資料的該等匯款資訊獲得對應該邊的一相關所連結的二節點的匯款次數,及每次匯款的匯款金額,並根據該等匯款次數及每次匯款的匯款金額進行學習演算,以求得該第n篩選條件。
- 如請求項7所述的金流關係圖產生系統,其中,該儲存單元還儲存有多個預設條件,對於每一預設條件,該處理單元根據該預設條件從該第n金流關係圖的該等邊,獲得多個不符合該預設條件的訓練欲刪除邊,並在該第n金流關係圖中刪除該等訓練欲刪除邊,以獲得一訓練金流關係圖,再利用一連通元件標記法將該訓練金流關係圖分割成至少一訓練連通圖,以獲得一訓練連通圖數,該處理單元利用一自動化求最佳閥值演算法根據該訓練連通圖數及該等預設條 件,從該等預設條件獲得一條件以作為該第n篩選條件。
- 如請求項7所述的金流關係圖產生系統,其中,該第n篩選條件為匯款金額大於一第一預定值的匯款次數大於一第二預定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107203594U TWM563603U (zh) | 2018-03-20 | 2018-03-20 | 金流關係圖產生系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107203594U TWM563603U (zh) | 2018-03-20 | 2018-03-20 | 金流關係圖產生系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM563603U true TWM563603U (zh) | 2018-07-11 |
Family
ID=63642134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107203594U TWM563603U (zh) | 2018-03-20 | 2018-03-20 | 金流關係圖產生系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM563603U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI674547B (zh) * | 2018-03-20 | 2019-10-11 | 第一商業銀行股份有限公司 | 金流關係圖產生方法及其系統 |
-
2018
- 2018-03-20 TW TW107203594U patent/TWM563603U/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI674547B (zh) * | 2018-03-20 | 2019-10-11 | 第一商業銀行股份有限公司 | 金流關係圖產生方法及其系統 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Johnson et al. | Inspection errors for attributes in quality control | |
CN107590688A (zh) | 目标客户的识别方法及终端设备 | |
Shaffie et al. | Monte Carlo on net present value for capital investment in Malaysia | |
CN105894183A (zh) | 项目评价方法及装置 | |
CN111597348A (zh) | 用户画像方法、装置、计算机设备和存储介质 | |
CN106408325A (zh) | 基于用户支付信息的用户消费行为预测分析方法及系统 | |
CN112365007A (zh) | 模型参数确定方法、装置、设备及存储介质 | |
CN110009371B (zh) | 异常行为确定方法、装置、设备及计算机可读存储介质 | |
CN108399284B (zh) | 一种基于偏差约减的大数据交易模型分析与修复方法 | |
TWM563603U (zh) | 金流關係圖產生系統 | |
CN109977131A (zh) | 一种房型匹配系统 | |
CN113268665A (zh) | 基于随机森林的信息推荐方法、装置、设备及存储介质 | |
CN116503158A (zh) | 基于数据驱动的企业破产风险预警方法、系统及装置 | |
CN115545088B (zh) | 模型构建方法、分类方法、装置和电子设备 | |
Khoshlafz et al. | BPR implementation process: an analysis of key success and failure factors | |
CN112561500B (zh) | 基于用户数据的薪酬数据生成方法、装置、设备及介质 | |
CN113849580A (zh) | 一种主体评级预测方法、装置、电子设备及存储介质 | |
CN111984637B (zh) | 数据建模中的缺失值处理方法和装置、设备及存储介质 | |
CN111026705B (zh) | 建筑工程文件管理方法、系统及终端设备 | |
TWI674547B (zh) | 金流關係圖產生方法及其系統 | |
CN106682980A (zh) | 一种设计概率发生器的方法 | |
CN109685453B (zh) | 智能识别工作流有效路径的方法 | |
CN113313615A (zh) | 一种对企业司法风险进行量化评分定级的方法及装置 | |
CN113591881A (zh) | 基于模型融合的意图识别方法、装置、电子设备及介质 | |
CA3092332A1 (en) | System and method for machine learning architecture for interdependence detection |