[发明专利]一种基于银行对公数据的知识图谱构建方法和装置

权利要求书

1.一种基于银行对公数据的知识图谱构建方法，其特征在于，包括以下步骤：

S1.数据采集,为采集到的每个数据源建立主键；

S2.数据清洗,对原始数据中脏数据、缺失值、异常值进行处理；

S3.关联分析，分析主表中的主键和其它数据源中的主键关联率；

S4.加工数据集市，将步骤S3中需要参与构建数据集市的数据源按照主表中的主键进行合并；

S5.网络本体层设计,相对于实体层进行网络本体层设计，使得对公网络中只有两个本体，分别是人和企业；

S6.网络节点关系抽取，从步骤S4中构建出的数据集市抽取出所有的实体以及实体和实体之间的关系。

2.根据权利要求1所述的基于银行对公数据的知识图谱构建方法，其特征在于，步骤S1中，使用数据采集模块进行数据采集，采集的数据源包括企业注册信息、法人治理、无形资产、税务数据、工商年检数据、法院诉讼、股权质押、工商处罚、企业贷款逾期信息、企业授信信息、企业流动资产和/或企业固定资产；以企业社会统一代码建立主键。

3.根据权利要求1所述的基于银行对公数据的知识图谱构建方法，其特征在于，步骤S2中，对于缺失值的处理方法是删除缺失率大于第一阈值的变量列，对于缺失率小于第一阈值的可通过将缺失样本作为预测值，使用随机森林算法计算出预测该值进行填充。

4.根据权利要求3所述的基于银行对公数据的知识图谱构建方法，其特征在于，步骤S2中，对于异常值的处理是将异常值作为一种状态使用特殊的标识进行填充，或将异常值剔除。

5.根据权利要求1所述的基于银行对公数据的知识图谱构建方法，其特征在于，步骤S3中，所述主表为企业注册信息，所述主键为企业社会统一代码。

6.根据权利要求5所述的基于银行对公数据的知识图谱构建方法，其特征在于，步骤S3中分析主表中的主键和其它数据源中的主键关联率，将关联率低于第二阈值的数据源设置为不参与数据集市的构建，将关联率高于第二阈值的数据源设置为参与数据集市的构建。

7.根据权利要求6所述的基于银行对公数据的知识图谱构建方法，其特征在于，所述关联率的第二阈值设置为80％，关联率高于80％的数据源设置为参与数据集市的构建。

8.根据权利要求1所述的基于银行对公数据的知识图谱构建方法，其特征在于，步骤S5中，对公数据网络中仅设置两个本体，分别是人和企业；仅设置人和人之间有一种关系；人和企业之间有三种关系；企业和企业之间有六种关系，去除其他本体和冗余关系。

9.根据权利要求8所述的基于银行对公数据的知识图谱构建方法，其特征在于，人和人之间有一种关系，为亲属关系；人和企业之间有三种关系，分别为任职关系、投资关系和担保关系；企业和企业之间有六种关系，分别为投资关系、担保关系、诉讼关系、疑似关系、交易关系和供应关系。

10.一种基于银行对公数据的知识图谱构建装置，其特征在于，包括数据采集模块、数据清洗模块、关联分析模块、数据集市加工模块、网络本体层设计模块、和网络节点关系抽取模块，所述装置用于实现根据权利要求1-9任一项所述的基于银行对公数据的知识图谱构建方法。