[发明专利]一种企业关联风险判断方法与系统

说明书

本发明公开了一种企业关联风险判断方法，包括以下步骤：将公司A的所有直接相邻节点去掉重复名称后得到数组A；将公司B的所有直接相邻节点去掉重复名称后得到数组B；循环数组B中的元素，将B中的元素添加进A中，如果检测到B中的元素在A中存在，则返回为true，并将当前元素添加进临时数组temp中；统计temp数组中元素数量，定义当前数量为相似度的数值；预先设定一个相似度阈值，大于或等于设定的阈值表示两家公司有疑似关联，否则没有关联。本发明提升了企业关联关系分析的准确度，在市场公开数据没有自然人唯一标识的情况下，可以将企业的关系关联提升15％，对于风险的影响进行量化，方便金融机构对于授信金额等进行量化计算。

技术领域

本发明涉及大数据、人工智能技术领域，具体为一种企业关联风险判断方法与系统。

背景技术

数据产业的发展在很多方面改变了人们的生活，随着企业商事制度的改革，政府信息公开力度加大，金融机构对于数据的需求越来越高；

当前市场上主流公司数据收集整理企业工商信息并关联企业法律诉讼、知识产权、经营状况和对外投资等信息，提供多种查询方式，方便用户对企业进行多方位了解，节省用户收集信息的时间。随着市场对这种查询方式的接受和用户习惯的培养，市场企业主有意识的对投资关系进行隐藏，单一展现企业相关信息的方式不能满足金融机构对企业以及企业中相关人员之间的关系挖掘。而数据安全法律等法律法规的完善，公开的工商数据没有自然人的身份唯一标识信息，造成市场上的主流平台对挖掘企业关联关系存存无法量化，企业关系信息关系不准确等问题，造成金融机构在对具体一家企业或者法人进行贷款风险评估时，无法尽可能的挖掘其中的关联风险。

企业知识图谱的构建，是需要不断对企业，企业中的法定代表人，股东，主要人员，员工等自然人进行提取作为实体，更新知识图谱中的关联关系。当这张网络逐步丰富，可以将知识图谱中的知识进行推理，结合企业相关的其它维度数据，应用在不同的商业场景中。本节主要分析企业知识图谱使用到的几个场景和关键性技术问题：

(1)企业关联族谱：

在现实生活中，符合条件的企业或者自然人都可以投资成为企业的股东，而企业本身也可以直接参与对外投资，入股一家新的企业或者成立分公司。如同人类的自然繁殖，有父辈和子辈，组合成一个大的家族。企业也有类似这样的家族聚合，将一个企业的股东关系，对外投资关系抽丝剥茧的层层展示出来，构成了当前企业的族谱。

分析一家企业的族谱，能直观了解当前企业的股东关系、资金来源以及行业布局。2017年，中国人民银行下发了《中国人民银行关于加强反洗钱客户身份识别有关工作的通知》(银发[2017]235)，通知对“实际控制客户的自然人和交易的实际受益人”做了定义，但没有对具体识别措施做出很明确的定义，仅让金融机构根据实际用户情况，采取询问客户、要求客户提供证明材料、委托有关机构进行调查等手段，以对客户开展尽职调查。这些手段看似有效，但实际操作起来周期长，花费人工大，而且如果股东关系多的情况，非常容易遗漏重要线索。通过构建好的企业关联族谱，系统会很容易搜索出当前公司的相关干系人。

(2)企业疑似控制人：

企业在参与社会中的经营活动，会有商务资金往来。如何对企业的信用和实力进行估价，单纯看企业自身情况是很片面，不完整的。完整推导出企业的股份持股结构，提前规避风险。企业的风险具有传导性，对企业关联风险进行评估，除查看当前企业自身经营状态，同时也需要考察当前企业直接对外投资的企业、当前企业法定代表人和主要人员的关联企业，法定代表人和高管人员等工作背景以及信用情况进行综合评估和考察，而这些衡量标准是需要通过持股比例量化出来。其中获得的关联信息，普通用户很难通过表面信息获取，有些是企业刻意隐藏，正是不愿让其它调查人员发现的风险点。