TWM621407U - 用於國際貿易之客戶信用評等系統及其資料服務處理裝置 - Google Patents
用於國際貿易之客戶信用評等系統及其資料服務處理裝置 Download PDFInfo
- Publication number
- TWM621407U TWM621407U TW110208258U TW110208258U TWM621407U TW M621407 U TWM621407 U TW M621407U TW 110208258 U TW110208258 U TW 110208258U TW 110208258 U TW110208258 U TW 110208258U TW M621407 U TWM621407 U TW M621407U
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- company
- credit rating
- customer
- classification
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本創作揭露一種用於國際貿易之客戶信用評等系統及其資料服務處理裝置,其中,電子裝置係輸入公司的基本資料,而資料服務處理裝置係依據公司的基本資料,分別從第三方信用評等報告與多國海關進出口資料中擷取出信用評等資料及進出口資料。資料服務處理裝置的運算模組依序透過分類演算法與分群演算法,將信用評等資料及進出口資料進行多個面向的落點分析,以依據多個面向的落點分析結果或評比分數得出決策樹分類/分級,再由資料服務處理裝置將多個面向的落點分析結果或評比分數進行評等處理,以得出公司的客戶評等級別來用於國際貿易上。
Description
本創作係關聯於一種客戶信用評等技術,特別是指一種用於國際貿易之客戶信用評等系統及其資料服務處理裝置。
現在國際貿易人員在進行詢價或報價時,針對陌生客戶都有一個對外標準的固定價格(牌價)。而在網際網路的交易上,目前缺乏一個可以評量註冊的客戶信用及客戶價值的機制,進而輔助新客戶或潛在客戶取得適當的優惠價格。
以國際貿易為例,在進行交易過程中,如遇常用航線以外的運輸情況時,國際貿易人員必須花大量的時間,透過線下繁複的聯繫作業與有經營此航線且值得信賴的公司合作,但在無法有信用為基礎的交易上,常常帶來許多造成成本上升的因數。
因此,如何提供一種新穎或創新之客戶信用評等技術,以在一個良好的互信狀態上進行國際貿易交易,實已成為本領域技術人員之一大研究課題。
本創作提供一種新穎或創新之用於國際貿易之客戶信用評等系統及其資料服務處理裝置,能使公司在一個良好的互信狀態上進行國際貿易交易,或能增加評比的公平性與可信度,亦能得出更精準的評比分數。
本創作中用於國際貿易之客戶信用評等系統包括:一電子裝置,係用以輸入至少一公司的基本資料;以及一資料服務處理裝置,係連接或通訊連接電子裝置,以依據電子裝置所輸入之公司的基本資料,分別從關聯於公司的第三方信用評等報告與多國海關進出口資料中擷取出公司的信用評等資料及進出口資料。資料服務處理裝置係包括一具有分類演算法與分群演算法之運算模組,以依序透過運算模組的分類演算法與分群演算法,將公司的信用評等資料及進出口資料進行公司的多個面向的落點分析,再依據運算模組的分類演算法與分群演算法所產出之公司的多個面向的落點分析結果或評比分數得出一決策樹分類/分級,俾由資料服務處理裝置將公司的多個面向的落點分析結果或評比分數進行評等處理,以得出公司的客戶評等級別來用於國際貿易上。
本創作之資料服務處理裝置包括:接收模組,係接收一電子裝置所輸入至少一公司的基本資料,及依據電子裝置所輸入之公司的基本資料,分別從關聯於公司的第三方信用評等報告與多國海關進出口資料中擷取出公司的信用評等資料及進出口資料;具有分類演算法與分群演算法之運算模組,係連接接收模組,以依序透過運算模組的分類演算法與分群
演算法,將公司的信用評等資料及進出口資料進行公司的多個面向的落點分析,再依據運算模組的分類演算法與分群演算法所產出之公司的多個面向的落點分析結果或評比分數得出一決策樹分類/分級,俾將公司的多個面向的落點分析結果或評比分數進行評等處理,以得出公司的客戶評等級別來用於國際貿易上。
為讓本創作之上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明。在以下描述內容中將闡述本創作之額外特徵及優點,且此等特徵及優點將部分自所述描述內容可得而知,或可藉由對本創作之實踐習得。應理解,前文一般描述與以下詳細描述兩者均僅為例示性及解釋性的,且不欲約束本創作所欲主張之範圍。
1:客戶信用評等系統
10:資料庫
11:第三方信用評等報告
12:多國海關進出口資料
13:歷史運價資料
14:歷史訂單資料
15:歷史客戶評價
20:處理模組
21:分類單元
22:分群單元
23:評等單元
30:運算模組
31:分類演算法
32:分群演算法
33:評等運算單元
40:儲存模組
50:接收模組
A:公司
B1:公司規模
B2:公司價值
B3:公司信用
B4:公司類型
B5:公司穩定性
C1:產品需求量
C2:產品價值
C3:產品運量
C4:產品運送航線
C5:產品規格
D:客戶評等級別
E1:電子裝置
E2:資料服務處理裝置
T:決策樹分類/分級
圖1為本創作中用於國際貿易之客戶信用評等系統的架構示意圖;
圖2為本創作中用於國際貿易之客戶信用評等系統的運作方式示意圖;
圖3為本創作中用於國際貿易之客戶信用評等系統的落點分析的示意圖;以及
圖4為本創作中用於國際貿易之客戶信用評等系統的決策樹分類/分級的示意圖。
以下藉由特定的具體實施形態說明本創作之實施方式,熟
悉此技術之人士可由本說明書所揭示之內容了解本創作之其他優點與功效,亦可因而藉由其他不同的具體等同實施形態加以施行或應用。
圖1為本創作中用於國際貿易之客戶信用評等系統1的架構示意圖。如圖所示,客戶信用評等系統1可包括互相連接或通訊連接之一電子裝置E1與一資料服務處理裝置E2,且資料服務處理裝置E2可包括互相連接或通訊連接之至少一資料庫10、一處理模組20、一運算模組30、一儲存模組40與一接收模組50。資料庫10可以儲存關聯於至少一(如多個)公司A(見圖2)的第三方信用評等報告11、多國海關進出口資料12、歷史運價資料13、歷史訂單資料14與歷史客戶評價15等之至少一者,處理模組20可具有一分類單元21、一分群單元22及一評等單元23,而運算模組30可具有一分類演算法31、一分群演算法32及一評等運算單元33。
例如,電子裝置E1可為使用者裝置(如行動裝置/智慧型手機/平板電腦)、電腦(如桌上型電腦/筆記型電腦)等,資料服務處理裝置E2可為電腦、主機、伺服器(如資料伺服器/網路伺服器/雲端伺服器)等,資料庫10或儲存模組40可為或表示各種資料儲存媒介(如記憶體、記憶卡、硬碟、光碟、隨身碟等),處理模組20可為硬體之處理器(如CPU)、處理晶片、處理電路或軟體之處理程式等,運算模組30可為硬體之運算器、算數邏輯單元(ALU)或軟體之運算程式等。接收模組50可為硬體之接收器、接收晶片、接收電路、資料擷取器、資料擷取晶片或資料擷取電路等,亦可為軟體之接收程式或資料擷取程式等。但是,本創作並不以此為限。
簡言之,電子裝置E1係用以輸入至少一公司的基本資料。資料服務處理裝置E2係依據電子裝置E1所輸入之公司的基本資料,分別從
關聯於公司的第三方信用評等報告11與多國海關進出口資料12中擷取出公司的信用評等資料及進出口資料。資料服務處理裝置E2可依序透過運算模組30的分類演算法31與分群演算法32,將公司的信用評等資料及進出口資料進行公司的多個面向的落點分析,再依據運算模組30的分類演算法31與分群演算法32所產出之公司的多個面向的落點分析結果或評比分數得出一決策樹分類/分級T(見圖4),俾由資料服務處理裝置E2將公司的多個面向的落點分析結果或評比分數進行評等處理,以得出公司的客戶評等級別D來用於國際貿易上。
在一實施例中,資料服務處理裝置E2係利用接收模組50接收電子裝置E1所輸入至少一公司的基本資料,及依據電子裝置E1所輸入之公司的基本資料,分別從關聯於公司的第三方信用評等報告11與多國海關進出口資料12中擷取出公司的信用評等資料及進出口資料。之後,再利用具有分類演算法31與分群演算法32之運算模組30,經連接接收模組50,以依序透過運算模組30的分類演算法31與分群演算法32,將公司的信用評等資料及進出口資料進行公司的多個面向的落點分析,再依據運算模組30的分類演算法31與分群演算法32所產出之公司的多個面向的落點分析結果或評比分數得出一決策樹分類/分級T(見圖4),俾將公司的多個面向的落點分析結果或評比分數進行評等處理,以得出公司的客戶評等級別D來用於國際貿易上。
具體而言,電子裝置E1可與資料服務處理裝置E2溝通,以由資料服務處理裝置E2進一步得出客戶評等級別D。例如,當公司A進入客戶信用評等系統1後,可透過電子裝置E1輸入公司A的基本資料(如公司名
稱、公司地址、公司電話或公司統編等資料),以經由電子裝置E1與資料服務處理裝置E2溝通,將資料(如第三方信用評等報告11、多國海關進出口資料12、歷史運價資料13、歷史訂單資料14、歷史客戶評價15)傳送至資料服務處理裝置E2的資料庫10,再透過資料服務處理裝置E2的處理模組20的分類單元21將來自資料庫10的資料進行處理,資料庫10會提供與電子裝置E1所輸入之公司A的基本資料相符的資訊於處理模組20的分類單元21的處理上,分類單元21會使用運算模組30的分類演算法31來進行資料的分類,以增加評比的公平性與可信度。
在運算模組30的分類演算法31完成資料的分類後,為了讓這些分類的資料能有精確或專注應用於國際貿易之領域上,將利用運算模組30的分群演算法32將已分類的資料進行細項資料的分群處理。而且,分群演算法32的分群處理不僅會使用已分類完成的資料,還會透過與資料庫10的溝通,將分群演算法32所需的資料一併與處理模組20的分群單元22的資訊(如圖2所示產品需求量C1、產品價值C2、產品運量C3、產品運送航線C4、產品規格C5等資料)做整合。
然後,運算模組30的評等運算單元33可將已整合細項資料所產出之資料進行運算,最終得出的數值作為處理模組20的評等單元23的客戶評等級別D,並將評等單元23的客戶評等級別D(數值)儲存至儲存模組40中,當要將客戶評等級別D應用於國際貿易之領域的交易上時,就可從儲存模組40中調用或使用此客戶評等級別D。
圖2為本創作中用於國際貿易之客戶信用評等系統1的運作方式示意圖。如圖所示,在國際貿易之領域中,可依據關聯於公司A的
第三方信用評等報告11、多國海關進出口資料12、歷史運價資料13、歷史訂單資料14、歷史客戶評價15等資料(即多方之客戶評等資料來源),依序使用運算模組30的分類演算法31與分群演算法32將關聯於公司A及其多個面向的資料進行落點分析的處理,以產出一個決策樹(Decision tree)分類/分級T(見圖4),且給予公司A的客戶評等級別D以應用於國際貿易上,使得公司A能在一個良好的互信狀態上進行國際貿易交易,也能讓公司A在最短的時間找到最適合的公司來處理國際貿易事務。
申言之,運算模組30可依序透過分類演算法31與分群演算法32將關聯於公司A的第三方信用評等報告11、多國海關進出口資料12、歷史運價資料13、歷史訂單資料14、歷史客戶評價15等資料進行分類及分群的處理,以進一步得出客戶評等級別D。同時,在國際貿易之領域中,透過此客戶評等級別D在進行國際貿易交易時可以評估給予公司A的優惠價格的程度,對長久合作上能維持更穩定的狀態,甚至當遇到需要找合作對象時,能以最短的時間找到最適合的合作對象,大幅縮短公司A透過電話詢問的時間與次數,且客戶評等級別D也成為互信的關鍵依據。
本創作主要是當一個公司A(如新公司)進來之後,透過電子裝置E1輸入公司A的基本資料(如公司名稱、公司地址、公司電話或公司統編等資料),以由資料服務處理裝置E2依據電子裝置E1所輸入之公司A的基本資料從第三方信用評等報告11中擷取出公司A的信用評等資料(如公司規模B1、公司價值B2、公司信用B3、公司類型B4、公司穩定性B5等資料),並從多國海關進出口資料12中擷取出公司A的進出口資料(如產品需求量C1、產品價值C2、產品運量C3、產品運送航線C4、產品
規格C5等資料),再依序透過運算模組30的分類演算法31與分群演算法32,將公司A的信用評等資料及進出口資料等進行多個面向的落點分析。例如,分類演算法31或分群演算法32可為K-means分群演算法、人工神經網路(Artificial Neural Network;ANN)、支援向量機(Support Vector Machine;SVM)分類分群法、單純貝氏(Native Bayes)分類法、羅吉斯回歸(Logistic regression)預測法與決策樹分類/分級法之至少一者。
圖3為本創作圖1中用於國際貿易之客戶信用評等系統1的落點分析的示意圖,並參照圖1至圖2予以說明。
舉例而言,圖1至圖2所示運算模組30的分類演算法31可依據關聯於多個公司A的第三方信用評等報告11的信用評等資料與多國海關進出口資料12的進出口資料將多個公司A進行分類,以將相同或等同的公司類型進行初步的區分,例如一個做手機的公司不可能跟一個做衣料生產的公司放在一起進行評比,因此需要將公司A放到相對應的類組進行比較及分析。
如圖3所示,在資料的分類中,分類演算法31除了分出相同或等同的公司類型外,還需使用多項的條件進行分類以分成至少一類組,使此類組在多個面向的評比時能公平評比。而且,分類演算法31將資料的類組分類完成後,會將公司A的多個信用評等資料(如公司規模B1、公司價值B2、公司信用B3、公司類型B4、公司穩定性B5等)中的任兩者進行(第一輪)分類評比或落點分析。例如,將公司A的信用評等資料中的公司信用B3與公司規模B1進行落點分析,假如公司A的公司信用B3為良好(如評分=8)且公司規模B1為龐大(如評分=6.8),則在公司信用B3與公司規模B1的落點
分析時,公司A之落點會落在圖3左側之右上角(+2分)的位置,故公司A在公司信用B3與公司規模B1的面向評比中將會獲得評比分數(+2分)。
在運算模組30的分類演算法31處理完成資料後,再利用運算模組30的分群演算法32將這些資料(如關聯於公司A的第三方信用評等報告的信用評等資料與多國海關進出口資料的進出口資料)進行多個面向(更細項)的比較及分析。在這些比較及分析的過程中,分群演算法32會將公司A的多個面向的資料拿來比較,以將公司A的多個進出口資料(如產品需求量C1、產品價值C2、產品運量C3、產品運送航線C4、產品規格C5等資料)中的任兩者進行(第二輪)分群評比或落點分析。例如,將公司A的進出口資料中的產品價值C2與產品運量C3進行落點分析時,假如公司A的產品價值C2為高(如評分=6.4)且產品運量C3為少(如評分=4.7),則在產品價值C2與產品運量C3的落點分析時,公司A之落點會落在圖3右側之右下角(+1分)的位置,故公司A在產品價值C2與產品運量C3的面向評比中將會獲得評比分數(+1分)。
圖4為本創作圖1中用於國際貿易之客戶信用評等系統1的決策樹分類/分級T的示意圖,並參照圖1至圖2予以說明。
如圖4與圖1至圖2所示,運算模組30可依據分類演算法31與分群演算法32所產出之公司A的多個面向的落點分析結果或評比分數得出一個決策樹分類/分級T,且資料服務處理裝置E2可將公司A的多個面向的落點分析結果或評比分數進行評等處理,以得出公司A的客戶評等級別D來用於國際貿易上。例如,運算模組30的分類演算法31與分群演算法32可將公司規模B1、產品需求量C1、產品運送航線C4等進行分類/分群以得出決
策樹分類/分級T,亦可進一步將圖2所示公司價值B2、公司信用B3、公司類型B4、公司穩定性B5、產品價值C2、產品運量C3、產品規格C5等進行分類/分群以得出決策樹分類/分級T。
另外,當公司A已經運行一段時間且有實際的國際貿易交易紀錄時,將會產生圖2所示客戶評等資料來源之歷史運價資料13、歷史訂單資料14及歷史客戶評價15,且歷史運價資料13、歷史訂單資料14及歷史客戶評價15等資料(歷史實際資料)也會成為公司A的評等標準,並將歷史運價資料13、歷史訂單資料14、歷史客戶評價15與上述第三方信用評等報告11、多國海關進出口資料12結合運用,再依序透過運算模組30的分類演算法31與分群演算法32進一步的分析比較第三方信用評等報告11、多國海關進出口資料12、歷史運價資料13、歷史訂單資料14及歷史客戶評價15,藉此得出更精準的評比分數。
綜上,本創作中用於國際貿易之客戶信用評等系統及其資料服務處理裝置係至少具有下列特色、優點或技術功效。
一、本創作之運算模組的分類演算法能進行資料的分類以增加評比的公平性與可信度,且運算模組的分群演算法能將分類的資料進行更細項的分群處理以精確或專注應用於國際貿易之領域上。
二、本創作依序使用運算模組的分類演算法與分群演算法將關聯於公司及其多個面向的資料進行落點分析的處理,以產出一個決策樹分類/分級,且給予公司的客戶評等級別以應用於國際貿易上,使得公司能在一個良好的互信狀態上進行國際貿易交易,也能讓公司在最短的時間找到最適合的公司來處理國際貿易事務。
三、本創作透過客戶評等級別在進行國際貿易交易時可以評估給予公司的優惠價格的程度,對長久合作上能維持更穩定的狀態,甚至當遇到需要找合作對象時,能以最短的時間找到最適合的合作對象,大幅縮短公司透過電話詢問的時間與次數,且此客戶評等級別也成為互信的關鍵依據。
四、本創作將第三方信用評等報告、多國海關進出口資料、歷史運價資料、歷史訂單資料與歷史客戶評價結合運用,再依序透過運算模組的分類演算法與分群演算法進一步的分析比較,藉此得出更精準的評比分數。
上述實施形態僅例示性說明本創作之原理、特點及其功效,並非用以限制本創作之可實施範疇,任何熟習此項技藝之人士均可在不違背本創作之精神及範疇下,對上述實施形態進行修飾與改變。任何運用本創作所揭示內容而完成之等效改變及修飾,均仍應為申請專利範圍所涵蓋。因此,本創作之權利保護範圍,應如申請專利範圍所列。
1:客戶信用評等系統
10:資料庫
11:第三方信用評等報告
12:多國海關進出口資料
13:歷史運價資料
14:歷史訂單資料
15:歷史客戶評價
20:處理模組
21:分類單元
22:分群單元
23:評等單元
30:運算模組
31:分類演算法
32:分群演算法
33:評等運算單元
40:儲存模組
50:接收模組
D:客戶評等級別
E1:電子裝置
E2:資料服務處理裝置
Claims (10)
- 一種用於國際貿易之客戶信用評等系統,包括:一電子裝置,係用以輸入至少一公司的基本資料;以及一資料服務處理裝置,係連接或通訊連接該電子裝置,以依據該電子裝置所輸入之該公司的基本資料,分別從關聯於該公司的第三方信用評等報告與多國海關進出口資料中擷取出該公司的信用評等資料及進出口資料,其中,該資料服務處理裝置係包括一具有分類演算法與分群演算法之運算模組,以依序透過該運算模組的分類演算法與分群演算法,將該公司的信用評等資料及進出口資料進行該公司的多個面向的落點分析,再依據該運算模組的分類演算法與分群演算法所產出之該公司的多個面向的落點分析結果或評比分數得出一決策樹分類/分級,俾由該資料服務處理裝置將該公司的多個面向的落點分析結果或評比分數進行評等處理,以得出該公司的客戶評等級別來用於國際貿易上。
- 如請求項1所述之用於國際貿易之客戶信用評等系統,其中,該分類演算法或分群演算法為K-means分群演算法、人工神經網路(ANN)、支援向量機(SVM)分類分群法、單純貝氏(Native Bayes)分類法、羅吉斯(Logistic)回歸預測法與決策樹分類/分級法之至少一者。
- 如請求項1所述之用於國際貿易之客戶信用評等系統,其中,該運算模組的分類演算法更依據關聯於多個公司的第三方信用評等報告的信用評等資料與多國海關進出口資料的進出口資料將該多個公司進行分類,以將相同或等同的公司類型進行初步的區分。
- 如請求項1所述之用於國際貿易之客戶信用評等系統,其中,該運算模組的分群演算法更將關聯於該公司的第三方信用評等報告的信用評等資料與多國海關進出口資料的進出口資料進行多個面向的資料比較及分析,再將該公司的多個面向的資料進行分群評比,且其中,該運算模組的分群演算法更將已分類的資料進行細項資料的分群處理,再由該運算模組的評等運算單元將已整合該細項資料所產出之資料進行運算,以得出該客戶評等級別。
- 如請求項1所述之用於國際貿易之客戶信用評等系統,其中,該運算模組的分類演算法更將該公司的多個信用評等資料中的任兩者進行分類評比或落點分析,且該運算模組的分群演算法更將該公司的多個進出口資料中的任兩者進行分群評比或落點分析。
- 如請求項1所述之用於國際貿易之客戶信用評等系統,其中,該運算模組更依序透過該分類演算法與該分群演算法將關聯於該公司的第三方信用評等報告、多國海關進出口資料、歷史運價資料、歷史訂單資料及歷史客戶評價進行分類及分群的處理,以得出該客戶評等級別。
- 如請求項1所述之用於國際貿易之客戶信用評等系統,更包括至少一資料庫,係用以儲存關聯於該公司的第三方信用評等報告、多國海關進出口資料、歷史運價資料、歷史訂單資料與歷史客戶評價之至少一者,其中,該資料服務處理裝置更包括一處理模組,係將來自該資料庫的該第三方信用評等報告、多國海關進出口資料、歷史運價資料、歷史訂單資料或歷史客戶評價進行處理,且該資料庫提供與該電子裝置所輸入之該公司的基本資料相符的資訊於該處理模組的處理上。
- 如請求項1所述之用於國際貿易之客戶信用評等系統,其中,該資料服務處理裝置更包括一儲存模組,係用以儲存該客戶評等級別,以於國際貿易交易時,從該儲存模組中調用或使用該客戶評等級別。
- 一種資料服務處理裝置,包括:接收模組,係接收一電子裝置所輸入至少一公司的基本資料,且依據該電子裝置所輸入之該公司的基本資料,分別從關聯於該公司的第三方信用評等報告與多國海關進出口資料中擷取出該公司的信用評等資料及進出口資料;以及具有分類演算法與分群演算法之運算模組,係連接該接收模組,以依序透過該運算模組的分類演算法與分群演算法,將該公司的信用評等資料及進出口資料進行該公司的多個面向的落點分析,再依據該運算模組的分類演算法與分群演算法所產出之該公司的多個面向的落點分析結果或評比分數得出一決策樹分類/分級,俾將該公司的多個面向的落點分析結果或評比分數進行評等處理,以得出該公司的客戶評等級別來用於國際貿易上。
- 如請求項9所述之資料服務處理裝置,其中,該分類演算法或分群演算法為K-means分群演算法、人工神經網路(ANN)、支援向量機(SVM)分類分群法、單純貝氏(Native Bayes)分類法、羅吉斯(Logistic)回歸預測法與決策樹分類/分級法之至少一者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110208258U TWM621407U (zh) | 2021-07-14 | 2021-07-14 | 用於國際貿易之客戶信用評等系統及其資料服務處理裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110208258U TWM621407U (zh) | 2021-07-14 | 2021-07-14 | 用於國際貿易之客戶信用評等系統及其資料服務處理裝置 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM621407U true TWM621407U (zh) | 2021-12-21 |
Family
ID=80680667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110208258U TWM621407U (zh) | 2021-07-14 | 2021-07-14 | 用於國際貿易之客戶信用評等系統及其資料服務處理裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM621407U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI833094B (zh) * | 2021-07-14 | 2024-02-21 | 天脈科技股份有限公司 | 用於國際貿易之客戶信用評等系統、資料服務處理裝置、方法及電腦可讀媒介 |
-
2021
- 2021-07-14 TW TW110208258U patent/TWM621407U/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI833094B (zh) * | 2021-07-14 | 2024-02-21 | 天脈科技股份有限公司 | 用於國際貿易之客戶信用評等系統、資料服務處理裝置、方法及電腦可讀媒介 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3985578A1 (en) | Method and system for automatically training machine learning model | |
US11615494B2 (en) | Intellectual property recommending method and system | |
US20210374749A1 (en) | User profiling based on transaction data associated with a user | |
US11853339B2 (en) | Techniques and components to find new instances of text documents and identify known response templates | |
CN112750029A (zh) | 信用风险预测方法、装置、电子设备及存储介质 | |
Chen et al. | Exploring technology opportunities and evolution of IoT-related logistics services with text mining | |
Liu et al. | A big data-Kano and SNA-CRP based QFD model: Application to product design under Chinese new E-commerce model | |
CN112102049A (zh) | 一种模型训练方法、业务处理方法、装置及设备 | |
TWM621407U (zh) | 用於國際貿易之客戶信用評等系統及其資料服務處理裝置 | |
WO2023237135A1 (zh) | 关联对象识别方法、装置、电子设备及存储介质 | |
CN111626331B (zh) | 一种自动化行业分类装置及其工作方法 | |
TWI833094B (zh) | 用於國際貿易之客戶信用評等系統、資料服務處理裝置、方法及電腦可讀媒介 | |
CN108460049A (zh) | 一种确定信息类别的方法和系统 | |
CA3125153A1 (en) | Account manager virtual assistant staging using machine learning techniques | |
KR101853555B1 (ko) | Sw 시장 정보 서비스 시스템 | |
KR101960863B1 (ko) | 기술가치 평가 시스템 | |
CN115563176A (zh) | 一种电子商务数据处理系统及方法 | |
CN115619517A (zh) | 一种应用于信贷领域的机构评估方法及系统 | |
CN115796572A (zh) | 一种风险企业识别方法、装置、设备和介质 | |
CN112541055A (zh) | 一种确定文本标签的方法及装置 | |
CN111951081A (zh) | 一种让每个材料都附上信息属性用数据构建场景的系统 | |
Zahra et al. | Digital Wallet Service Quality Analysis using Multiclass Classification and Sentiment Analysis | |
CN111368019A (zh) | 一种文档数据结构化处理方法 | |
KR102528099B1 (ko) | 차별화된 기업인증 절차를 거친 중소기업의 제품 중개 시스템 및 중개 방법 | |
CN110738538A (zh) | 识别相似物品的方法和装置 |