信息处理方法、信息展示方法、装置、设备及存储介质与流程

1.本发明是涉及信息处理技术领域，尤其涉及一种信息处理方法、信息展示方法、装置、设备及存储介质。


背景技术：

2.合同是一种两人或多人之间、两方或多方当事人之间在办理某事时,为了确定各自的权利和义务而订立的各自遵守的条文。签订了合同就有了法律依据，使得所有签订合同的合作者都能规范的承诺和履行合作的过程，从而使合作的结果合法化。
3.目前来说，合同的风险判断工作主要还是依靠签署合同的双方当事人根据当事人的需求，或者依靠法律专业人员的专业知识、执业经验并结合当前有效的法律法规来判断签署的合同是否存在风险。但是，这种合同的风险判断过程主要是通过人工判断的方式，不仅耗时耗力，而且涉及过多的主观因素，会导致风险判断的结果不准确。另外，对于非专业法律人来说，去判定与目标对象签署合同是否存在风险更存在一定困难。


技术实现要素：

4.本发明一个或多个实施例描述了一种信息处理方法、信息展示方法、装置、设备及存储介质，用以解决相关技术中，确定与签署合同对象签署合同是否存在风险的风险判断效率过低的问题。
5.为了解决上述技术问题，本发明是这样实现的：
6.根据第一方面，提供了一种信息处理方法，该方法可以包括：
7.获取与目标对象相关的目标信息；
8.根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分；
9.根据目标风险评分，生成针对目标对象的风险建议信息。
10.根据第二方面，提供了一种信息展示方法，该方法可以包括：
11.接收第一用户的请求信息，请求信息用于请求第一用户与目标对象在签署合同时的风险建议信息；
12.根据请求信息，获取与目标对象相关的目标信息；
13.根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分；
14.根据目标风险评分，展示与目标对象在签署合同时的风险建议信息。
15.根据第三方面，提供了一种信息处理装置，包括：
16.获取模块，用于获取与目标对象相关的目标信息；
17.处理模块，用于根据目标信息，分别确定目标对象在多个相关联的目标风险领域的目标风险评分；
18.生成模块，用于根据目标风险评分，生成针对目标对象的风险建议信息。
19.根据第四方面，提供了一种信息处理装置，包括：
20.接收模块，用于接收第一用户的请求信息，请求信息用于请求第一用户与目标对象在签署合同时的风险建议信息；
21.获取模块，用于根据请求信息，获取与目标对象相关的目标信息；
22.生成模块，用于根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分；
23.展示模块，用于根据目标风险评分，展示针对目标对象的风险建议信息。
24.根据第五方面，提供了一种计算设备，设备包括至少一个处理器和存储器，存储器用于存储有计算机程序指令，处理器用于执行存储器的程序，以控制计算设备实现如第一方面所示的信息处理方法，或者，实现如第二方面所示的信息展示方法。
25.根据第六方面，提供了一种计算机可读存储介质，其上存储有计算机程序，若计算机程序在计算机中执行，则令计算机执行如第一方面所示的信息处理方法，或者，实现如第二方面所示的信息展示方法。
26.本发明实施例的方案中，通过获取与目标对象相关的目标信息，根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分目标对象，然后，根据这些目标风险评分，生成针对目标对象的风险建议信息。由此，可以有效解决目前人工判断的方式出现的耗时耗力，主观因素导致的风险判断的结果不准确的问题。另外，本发明实施例可以应用于签署合同的领域，利用每个风险领域的风险评分，生成与每个风险评分对应的风险建议信息，有效解决非专业法律人判定与目标对象签署合同是否存在风险的困难的问题，以提高风险判断效率。
附图说明
27.从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中，相同或相似的附图标记表示相同或相似的特征。
28.图1示出根据一个实施例的信息展示方法的架构示意图；
29.图2示出根据一个实施例的一种信息处理方法的流程图；
30.图3示出根据一个实施例的一种示意性的投资人和企业的异构图；
31.图4所示出根据一个实施例的一种示意性的企业节点关系图；
32.图5示出根据一个实施例的一种案由信息组之间的关系示意图；
33.图6示出根据一个实施例的一种信息展示的界面示意图
34.图7示出根据一个实施例的另一种信息展示的界面示意图；
35.图8示出根据一个实施例的信息处理装置的结构框图；
36.图9示出根据一个实施例的信息展示装置的结构框图；
37.图10示出根据一个实施例的计算设备的结构示意图。
具体实施方式
38.下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。
对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
39.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种测量的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
40.为了解决上述技术问题，本发明实施例提供了一种信息展示方法、信息处理方法、装置、设备及存储介质，具体如下所示。
41.首先，对本发明实施例提供的一种信息展示架构进行说明。
42.如图1所示，第一用户想要与第二用户即目标对象签署合同，为了了解与对方签署合同的风险，第一用户可以通过计算设备在互联网的一些平台上输入第二用户的认证信息，该认证信息可以包括第二用户的公司名称、股票代码、税号等工商信息。这样，在计算设备接收到这些认证信息时，根据认证信息获取与第二用户相关的目标信息，该目标信息可以包括法律信息和/或工商信息，分别对第二用户相关联的多个目标风险领域中的每个目标风险领域如税收类风险领域、借贷款类风险领域、股权类风险领域、侵权类风险领域和担保类风险领域进行风险评分，然后，根据多个目标风险评分，生成针对第二用户的风险建议信息，并向第一用户展示在签署合同时每个风险领域对应的风险评分以及每个风险评分对应的风险建议信息。
43.其中，上述涉及到第一用户或者第二用户均可以包括如下可能：某个公司、单位或者个人。基于此，上述方法可以适用于如下场景：
44.例如，在第一用户为公司a时，想要与第二用户即公司b在知识产权方向的某个项目上签署合同，那么公司a可以通过上述方法获取到与公司b在多个目标风险领域中每个目标风险领域的目标风险评分以及每个目标风险评分对应的风险建议信息。这样，公司a可以根据侵权类风险领域的风险评分，以及与风险评分对应的风险建议信息，确定是否与公司b签署合同，如此，可以减少公司a和公司b在签署合同时人为干扰的风险，以及为签署合同的风险提供数据支持。
45.或者，在第一用户为个人c时，想要与第二用户即公司d签署劳务合的同时，由于个人c不能全方位、多角度的获取公司d在签署劳务合同时是否存在风险的信息，以及个人c若为非专业法律人在判定与公司d签署合同是否有风险存在一定的困难。由此，个人c可以通过上述获取到与公司d在多个目标风险领域中每个目标风险领域的目标风险评分，以及每个目标风险评分对应的风险建议信息。这样，个人c可以这些风险建议信息去确定是否要公司d签署劳务合同。
46.综上，第一用户在与第二用户签署合同时，可以通过上述方式有效解决目前人工判断的方式出现的耗时耗力，主观因素导致的风险判断的结果不准确的问题。另外，本发明实施例中利用每个风险领域的风险评分，生成与每个风险评分对应的风险建议信息，有效降低非专业法律人去判定与第二用户签署合同是否存在风险的困难，以提高风险判断的质
量和效率。
47.基于上述架构，本发明实施例结合图2和图7对本发明实施例提供的信息处理方法作出进一步说明。
48.图2示出根据一个实施例的一种信息处理方法的流程图。
49.如图2所示，该方法可以包括步骤210至步骤230：
50.首先，步骤210，获取与目标对象相关的目标信息；其次，步骤220，根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分；然后，步骤230，根据目标风险评分，生成针对目标对象的风险建议信息。
51.下面分别对上述步骤进行详细说明：
52.首先，涉及步骤210，在本发明实施例中，与目标对象相关的目标信息可以包括法律信息和/或工商信息。
53.其中，该法律信息可以包括如下信息中的至少一种：包括裁判文书记录数、严重违法次数、股权出质次数、股权质押次数、处罚次数、税收违法次数、动产抵押金额、诉讼数量、诉讼金额、债务纠纷数量、债务纠纷金额、失信次数、重大税收违法数量、预设时间段内是否为a级纳税人、专利总数、著作权总数。
54.这里，除了上述涉及的法律信息，本发明实施例中的法律信息还可以包括其他能够体现诉讼信息或者与法律相关的商业信息等。
55.该目标信息除了包括上述的法律信息，还可以包括目标对象的工商信息。
56.基于此，该工商信息可以包括如下信息中的至少一种：注册资本、实缴资本、经营状态、成立日期、核准日期、企业类型、所属行业、登记平台、所属地区、参保人数、人员规模。
57.这里，除了上述涉及的工商信息，该工商信息还可以包括在官方平台上可以查询到的工商信息，在此仅以上述信息为例进行说明。
58.其次，涉及步骤220，其中，该步骤具体可以包括：
59.根据法律信息，确定与目标对象相关的目标案由信息；
60.根据目标案由信息，确定与目标对象关联的多个目标风险领域；
61.利用相应领域的目标风险传播模型，得到目标风险领域的目标风险评分。这里，需要说明的是，这里的相应领域可以是与目标风险领域对应的领域。
62.进一步地，可以根据目标案由信息通过下述步骤，确定目标风险领域，具体如下所示：
63.将目标案由信息与多个案由信息组中的案由信息进行匹配，确定与目标案由信息对应的多个目标案由信息组；
64.将多个目标案由信息组中每个目标案由信息组所在的风险领域，确定为与目标对象关联的目标风险领域。
65.基于此，本发明实施例中为了构建不同层面的关系图，便于形成方便关联的风险排查关系，以确定每个目标风险领域的目标风险评分，提供了确定案由信息组和目标风险传播模型的多种方式，具体如下所示：
66.(1)确定案由信息组
67.首先，根据企业节点关系图和第一法律信息，确定多个案由信息；其中，企业节点关系图由多个企业的第一工商信息和第一法律信息确定；
68.接着，对多个案由信息进行聚类，得到多个案由信息组。
69.下面对上述两个过程进行详细描述。
70.在不同的场景中，获取多个企业的第一工商信息和第一法律信息。这里，第一工商信息具体包括的信息可以如步骤210中与目标对象相关的工商信息相同，第一法律信息具体包括的信息可以如步骤210中与目标对象相关的法律信息相同，由此，在此不再赘述。
71.另外，本发明实施例中还可以将第一工商信息中的信息划分为企业工商信息，或者，企业工商信息和投资人工商信息。
72.其中，若第一工商信息包括企业工商信息，即表征企业与企业之间的关系，即可以根据第一工商信息构建企业异构图，这样，通过企业异构图，可以在某个企业x基本没有历史诉讼信息，但企业x的子公司却有大量的历史诉讼的情况下，能够捕捉企业与企业之间深层次的复杂关联。
73.又或者，若第一工商信息包括企业工商信息和投资人工商信息，既表征企业与企业之间的关系，也表征投资人与多个企业之间的关系，即可以根据目标信息构建投资人和企业异构图。这样，通过投资人和企业异构图，可以在企业与企业之间主要是通过高管、股东等其他间接信息进行关联的情况下，能够捕捉企业与投资人之间深层次的复杂关联。需要说明的是，本发明实施例中的投资人除了指代投资个人还可以指代某一个投资公司或者机构。
74.如此，下面以这两种可能的方式构建企业节点关系图为例进行说明。
75.第一种可能，在第一工商信息包括企业工商信息的情况下，根据企业工商信息，构建每个企业之间的企业节点关系图；以便于基于企业节点关系图和第一法律信息。
76.第二种可能，在第一工商信息包括企业工商信息和投资人工商信息的情况下，根据企业工商信息和投资人工商信息，构建每个投资人和每个企业之间关系的投资人和企业异构图；对投资人和企业异构图进行加权投影或者无权投影，得到企业节点关系图。
77.这里，进一步地确定企业节点关系图的步骤可以包括：
78.基于投资人和企业异构图，确定多个企业中共同投资人的个数；根据共同投资人的个数，计算投资人和企业异构图中企业图层的连接边的权重；基于企业图层的连接边的权重，得到企业节点关系图。
79.或者，在投资人和企业异构图的投资人图层中，确定目标投资人节点是否与多个企业节点中至少两个企业节点对应；
80.在目标投资人节点与多个企业节点中至少两个企业节点对应的情况下，关联至少两个企业节点，得到企业节点关系图。
81.由此，针对得到企业节点关系图的过程进行举例说明，如图3所示，根据上述涉及到的第一法律信息和第一工商信息，得到投资人和企业的异构图，如图3中所示，c表示企业如(c1、c2、c3、c4和c5)，s表示投资人(s1、s2、s3、s4和s5)。上面一层是企业图层，该企业图层包括多个企业节点，下面一层是投资人图层，该投资人图层包括多个投资人节点，本发明实施例中主要以企业图层为主，在图3中投资人相当于一个桥梁，目的是为了获取多个企业节点之间的关系。
82.接着，如图4所示，对以上企业节点关系图即二部图进行无权投影，如果两个企业至少有一个公共邻居节点即共同投资人，那么在企业节点所在的企业图层41中，将这两个
企业节点相连。当然，也可以进行加权投影，比如把将两个企业节点的共同邻居个数作为企业图层的连接边的权重，得到企业节点关系图。
83.本发明实施例通过企业节点关系图，能够解决主观经验比较严重和关联风险排查困难的问题。另外，通过基于企业图层的连接边的权重，得到企业节点关系图的边投影的方案，将投资人和企业异构图即二部图转化为单纯的企业节点关系图，解决了标签传播算法不能在异构图中使用的问题。这样，将企业节点关系图和签署合同的业务领域进行了深度的融合定制，有效解决了黑名单标注困难的问题，并且能够针对不同合同领域定义不同的风险量化。如此，在构建好企业节点关系图之后，接下来基于企业节点关系图和第一法律信息，确定多个案由信息，并根据案由信息得到案由信息组。
84.在实际业务应用中，如果想要分析一个企业法律诉讼相关的风险，可以从公开的裁判文书中去挖掘信息。如果想判断一个企业的失信风险，那可以从失信记录上去挖掘。如果想分析一个企业被法院执行风险，那么可以从公开的执行信息中去获取。
85.本发明实施例以法律诉讼相关风险为例。在实际的裁判文书中，会注明该诉讼所属的案由，例如跟企业相关的案由可以包括不动产登记纠纷、物权保护纠纷、所有权纠纷、用益物权纠纷、担保物权纠纷、占有保护纠纷、合同纠纷、不当得利纠纷、知识产权合同纠纷、劳动争议、与企业有关的纠纷、与公司有关的纠纷、合伙企业纠纷、与破产有关的纠纷、侵权责任纠纷等等大类。而这些大类中，又会进一步细分。比如以合同纠纷为例，又会细分为拍卖合同纠纷、借款合同纠纷、抵押合同纠纷等等。
86.具体的，由于本发明实施例是针对签署合同的两方或者多方当事人进行风险分析，最直接的风险输入应来源于诉讼案由中合同纠纷相关的信息。由此，为了避免针对几十、上百种合同类型分别构建模型耗费精力、提高计算量的可能，或者，不管当前合同类型是什么，统一使用同一个模型来预测风险导致准确度不高的可能，由此，本发明实施例提供了一种将具有一定相似度的案由风险聚在一起作为一类进行合并处理，这里，提供了两种聚类方式对案由信息进行聚类，以得到案由信息组，下面分别进行说明。
87.方式一：在多个案由信息中，计算与关联企业相关的第一案由信息共同出现的目标频率；
88.如果目标频率超过第一预设阈值，对第一案由信息进行聚类，得到与第一案由信息对应的案由信息组；
89.其中，关联企业包括企业节点关系图中具有关联关系的至少两个企业节点。
90.举例说明，根据第一法律信息中的企业历史诉讼信息进行聚类。如果两种案由信息经常在同一家企业同时出现或者共现频率高于预设阈值，就可以认为这两个案由信息是接近的。同理，又可以构建一个案由相似图，然后，进行案由信息组划分，将同一案由信息组内的案由信息认为是同一类。
91.方式二：上述涉及到的对多个案由信息进行聚类，得到多个案由信息组的步骤，具体可以包括：
92.通过文档主体生成模型(latent dirichlet allocation，lda)对多个案由信息进行无监督学习，得到多个案由信息组。
93.举例说明，根据案由信息进行主题模型聚类。比如股权转让纠纷、企业债权转股权合同纠纷、企业出资人权益确认纠纷这几个案由里面的裁判文书里面都经常提到股权、股
东、资产、破产这些类似的词语，利用lda等模型能够无监督地学习到这种潜在的主题模型，让具有相似性质的案由聚集在一个类别里面。
94.可以理解的是，本发明实例中，每个案由信息组可以代表一个风险领域。当然，这些案由信息组之间也并非互相独立的，比如股权类诉讼和借款类诉讼原来并没有放在一个案由信息组里面，但是实际上这两类诉讼之间都是存在一定的关系。这里可以先定义一个案由信息组亲密度的概念。由此，可以根据多个目标案由信息组中每个目标案由信息所在的风险领域，以及亲密度，确定与目标对象关联的目标风险领域；其中，亲密度用于表征多个目标案由信息组中每个目标案由信息组与多个案由信息组中每个案由信息组的亲密关系。
95.如图5所示，a案由信息组和b案由信息组之间仅仅只有1条互相连着的边。而案由信息组b和案由信息组d之间有5条相互连着的边，初步分析案由信息组b与案由信息组d要更亲密。进一步地，可以假设案由信息组a内部一共有n
a
条边，案由信息组b内部一共有n
b
条边，案由信息组a和案由信息组b一共有n
ab
条边。那么可以定义案由信息组a和案由信息组b之间的亲密度为c
ab
＝n
ab
/(n
a
n
b
)。该亲密度可在一定程度上衡量上述划分出来的案由信息类别之间的联系。由此，基于亲密度，还可以将亲密度高于某一个阈值的多个案由信息组划分为一个大范围的风险领域，即一个大范围的风险领域，可以分为若干个范围比较小，更为精准的风险领域。
96.举例说明，若目标对象在目标风险领域a时，目标对象在目标风险领域a的风险评分c
ab
很小，但是在目标风险领域b的风险分s
ib
很大。那么这时根据之前计算好的案由信息组亲密度c
ab
，将所有类别的案由信息组的风险评分，根据亲密度汇总到目标风险领域a来,得到该目标对象最终在目标风险领域a领域的风险分为s
ia
＝∑
kj＝1
c
aj
*s
ij
。
97.(2)确定目标风险传播模型
98.其中，在一种可能的实施例中，可以根据企业节点关系图，统计企业节点关系图中每个企业节点的案由信息的数量；
99.根据案由信息的数量，确定黑名单候选企业节点；
100.对黑名单候选企业节点进行打分标注，并将打分标注后的黑名单候选企业节点作为负样本；
101.根据负样本，对与风险领域对应的风险传播模型进行模型训练，直至满足预设训练停止条件，得到目标风险传播模型。
102.除了根据案由信息的数量还可以根据一些用于表征企业在每个风险领域的诉讼阶段产生的统计数据即特征数据，确定黑名单候选企业节点，这样，可以综合评定每个企业在每个风险领域的评分，以保证确定黑名单候选企业节点的准确性。
103.由此，在另一种可能的实施例中，根据企业节点关系图，统计企业节点关系图中每个企业节点的案由信息的数量，以及，获取企业节点关系图中每个企业节点的特征数据，特征数据包括用于表征每个企业在每个风险领域的诉讼阶段产生的统计数据；
104.根据案由信息的数量和特征数据，确定黑名单候选企业节点；
105.对黑名单候选企业节点进行打分标注，并将打分标注后的黑名单候选企业节点作为负样本；
106.根据负样本，对与风险领域对应的风险传播模型进行模型训练，直至满足预设训
练停止条件，得到目标风险传播模型。
107.举例说明，在案由信息进行聚类之后，就可以针对不同类别的风险领域建立模型，并基于该模型得到每个企业在每个风险领域的风险评分。
108.在一种可能的实例中，可以直接统计多个企业节点中每个企业节点在每个风险领域中的案由信息的数量；根据案由信息的数量，确定黑名单候选企业节点。需要注意的是，实际中的诉讼过程还需要关注当前企业节点是原告还是被告，是否取得胜利等其他的特征数据。由此，在另一种可能的实例中，还可以根据案由信息的数据和特征数据，确定黑名单候选企业节点，如一个企业被诉讼的次数多并不能表明该企业一定存在较大的风险。例如去搜索某东企业相关的诉讼文件很多，但是由于某东本身就是较大的知名企业，涉及的业务广自然会有更多的纠纷。理论上，如果能够获得某企业签约合同的总计数目c
total
，然后统计这些企业因合同被诉讼次数c
law
，则可以直接给出与该企业进行合同签约的风险评分。然而，c
total
和c
law
这两个数据都是很难获得的。不过，可以肯定的是，c
total
与企业规模s
ent
理论上是符合一个函数关系s
ent
＝f(s
ent
)，而c
law
与企业历史上诉讼信息也理论上是符合一个函数关系。这里可以认为它们之间是一种单调线性相关的关系。
109.此外，败诉比例是也一个非常关键的特征数据。注意这些特征数据因尽量是直接体现该企业是否高风险，并且尽量和后面进行风险传播模型训练时所使用的样本不同，以保证精准确定黑名单候选企业节点。
110.注意以上特征数据仅仅考虑了某一类型的诉讼。实际上不同类型的诉讼之间也是有关联的。如在定义股权类的黑名单候选企业节点的时候，股权列诉讼所占权重应较大，借款类诉讼相对较低，但相比于其他类型比如劳动合同类诉讼的权重仍然较大。这些问题可以通过将多个类别诉讼的特征数据融合在一起进行聚类，表1为诉讼相关的特征数据示例：
111.表1
[0112][0113]
可以将这些特征数据进行聚类，下面对特征数据聚类的方式进行详细说明。首先，利用预设规则挑选一批涉诉讼较多的企业作为初始的黑名单候选企业节点，接着，将这些企业划分为n个类别，n为正整数。再者，从这n个类别中分别抽取100个样例企业，针对每个风险领域，标注该企业是否可作为该领域的黑名单，一种做法是挑选黑名单占比最高的1个(或几个)类别中的所有企业作为该领域的备选种子黑名单。另一种方式是认为每个类别中抽样出来的100个企业的黑名单个数的比例归一化之后代表的是该类别中企业涉黑的概率，这样，每个类别里面的节点就会被赋予一个初始风险分，而那些没有被规则挑选出来的
节点的初始风险分为0。这样，已经被黑名单规则挑选出来的企业本身涉黑的概率相对较大，起始风险分至少大于0。
[0114]
其中，上述涉及的挑选企业的过程可以如下所示：
[0115]
所有企业1000万个，根据规则挑选10万个疑似风险企业。对这10万个企业进行聚类比如聚成10类，每个类别1万个企业。从每个类别中分别抽出100个企业，检查是否有风险。假设这10个类别中被检查出来是黑名单的企业分别是100、90、80、70、60、50、40、30、20、10。那么这些类别里面的节点的初始风险分分别为1、0.9、0.8、0.7、0.6、0.5、0.4、0.3、0.2、0.1。其他990万个未被挑出的企业初始风险分为0。
[0116]
这里有两个比例需要控制，一个是疑似风险企业以及企业总数的占比，即上面例子中的10万/1000万。这个比例大体确定了正样本和负样本的比例，应控制好避免严重的数据不平衡。另一个比例是每个类别抽检企业/该类别企业总数，即上文的100/1万。这个比例首先应保证抽检的个数不能太多，否则精力耗费太大难以实现，另一方面该比例不能太小避免抽样失真。
[0117]
由此，基于上述过程，将确定的负样本对与风险领域对应的风险传播模型进行模型训练，直至满足预设训练停止条件，得到目标风险传播模型。
[0118]
这里，本发明实施例将多个案由信息组进行归类、划分，以形成多个风险领域，并在多个风险领域的每个风险领域中，分别对多个风险领域中每个风险领域中的企业进行风险评分，以预测出最有可能发生风险的企业。
[0119]
由此，基于对样本风险打分标注的方案，有效地解决了企业节点图中缺乏初始黑名单的问题，并且采用了多种操作的标记方案，没有对样本进行一刀切的操作，而是在标记阶段就进行打分，所得结果更加精准。
[0120]
然后，涉及步骤230，其中，根据每个目标风险领域的目标风险评分，生成第一风险建议信息；根据第一风险建议信息，生成与目标对象在签署合同时的风险建议信息。
[0121]
这里，在一种可能的实施例中，可以显示风险建议信息，其显示方式可以如图6所示，显示每个目标风险领域的目标风险评分以及与其对应的第一风险建议信息。也可以如图7，在显示每个目标风险领域的目标风险评分以及与其对应的第一风险建议信息的同时，显示根据多个目标风险领域总结性的风险建议信息，另外，还可以仅显示总结性的与目标对象在签署合同时的风险建议信息，如“建议签署”或者“不建议签署”。
[0122]
在另一种可能的实施例中，还可以根据风险建议信息，为规避风险提供条款性建议。如，在风险建议评分高于一定数值时，代表风险过大，由此，可以在风险建议信息的基础上，生成一些为了规避风险提供条款性建议。
[0123]
另外，在又一种可能的实施例中，在该步骤220或者步骤230之后，基于企业节点关系图利用标签传播算法lpa，将企业数据发送到企业节点关系图中的多个企业节点，以更新多个企业节点中每个企业节点上的风险传播模型；其中，
[0124]
企业数据包括下述中的至少一种数据：每个风险领域的黑名单候选企业节点、黑名单候选企业节点在每个风险领域的风险评分、每个风险评分对应的风险建议信息、目标风险传播模型。
[0125]
举例说明，针对每个风险领域分别构建风险传播模型，以其中某一风险领域为例，在经过无权投影的企业节点图上，已经有一部分标注为黑名单的企业，使用lpa等标签传播
算法，可以进一步的将企业数据传递到每个企业节点上去，最终企业节点可以根据风险分判定具体哪些企业在该领域有较大的风险。
[0126]
综上，本发明实施例的方案中，通过获取与目标对象相关的目标信息，根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分目标对象，然后，根据这些目标风险评分，生成针对目标对象的风险建议信息。由此，可以有效解决目前人工判断的方式出现的耗时耗力，主观因素导致的风险判断的结果不准确的问题。另外，本发明实施例中在签署合同的领域中，利用每个风险领域的风险评分，生成与每个风险评分对应的风险建议信息，该方法能够有效地针对不同合同领域进行不同的风险量化评分，并且准确率高，有效解决非专业法律人判定与目标对象签署合同是否存在风险的困难的问题，以提高风险判断效率。
[0127]
另外，通过企业节点关系图，深度融合合同的领域知识，能够解决主观经验比较严重和关联风险排查困难的问题。另外，通过基于企业图层的连接边的权重，得到企业节点关系图的边投影的方案，将投资人和企业异构图即二部图转化为单纯的企业节点关系图，解决了标签传播算法不能在异构图中使用的问题。这样，将企业节点关系图和签署合同的业务领域进行了深度的融合定制，有效解决了黑名单标注困难的问题，并且能够针对不同合同领域定义不同的风险量化。
[0128]
以及，基于对样本风险打分标注的方案，有效地解决了企业节点图中缺乏初始黑名单的问题，并且采用了多种操作的标记方案，没有对样本进行一刀切的操作，而是在标记阶段就进行打分，所得结果更加精准。
[0129]
基于上述信息展示的方法和信息处理方法，本发明实施例分别提供了一种信息展示装置以及一种信息处理装置。
[0130]
首先，图8示出根据一个实施例的信息处理装置的结构框图。
[0131]
如图8所示，该信息展示装置800具体可以包括：
[0132]
获取模块801，用于获取与目标对象相关的目标信息；
[0133]
处理模块802，用于根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分；
[0134]
生成模块803，用于根据目标风险评分，生成针对目标对象的风险建议信息。
[0135]
下面分别对上述模块进行详细说明：
[0136]
在一种可能的实施例中，处理模块802具体可以用于，在目标信息包括法律信息的情况下，根据法律信息，确定与目标对象相关的目标案由信息；
[0137]
根据目标案由信息，确定与目标对象关联的多个目标风险领域；
[0138]
利用相应领域的目标风险传播模型，得到目标风险评分。
[0139]
进一步地，在本发明实施例中，处理模块802具体可以用于，将目标案由信息与多个案由信息组中的案由信息进行匹配，确定与目标案由信息对应的多个目标案由信息组；
[0140]
将多个目标案由信息组中每个目标案由信息组所在的风险领域，确定为与目标对象关联的目标风险领域。
[0141]
另外，本发明实施例中信息展示装置800还可以包括确定模块804，用于根据企业节点关系图和第一法律信息，确定多个案由信息；其中，企业节点关系图由多个企业的第一工商信息和第一法律信息确定；
[0142]
对多个案由信息进行聚类，得到多个案由信息组。
[0143]
在另一种可能的实施例中，确定模块804还可以用于，在第一工商信息包括企业工商信息和投资人工商信息的情况下，根据企业工商信息和投资人工商信息，构建每个投资人和每个企业之间关系的投资人和企业异构图；
[0144]
对投资人和企业异构图进行加权投影或者无权投影，得到企业节点关系图。
[0145]
在又一种可能的实施例中，本发明实施例中的确定模块804具体可以用于，基于投资人和企业异构图，确定多个企业中共同投资人的个数；
[0146]
根据共同投资人的个数，计算投资人和企业异构图中企业图层的连接边的权重；
[0147]
基于企业图层的连接边的权重，得到企业节点关系图。
[0148]
进一步地，确定模块804具体可以用于，在投资人和企业异构图的投资人图层中，确定目标投资人节点是否与多个企业节点中至少两个企业节点对应；
[0149]
在目标投资人节点与多个企业节点中至少两个企业节点对应的情况下，关联至少两个企业节点，得到企业节点关系图。
[0150]
基于此，针对确定案由信息组，本发明实施例提供了两种可能的方式，具体如下所示：
[0151]
本发明实施例中的确定模块804具体可以用于，在多个案由信息中，计算与关联企业相关的第一案由信息共同出现的目标频率；
[0152]
如果目标频率超过第一预设阈值，对第一案由信息进行聚类，得到与第一案由信息对应的案由信息组；
[0153]
其中，关联企业包括企业节点关系图中具有关联关系的至少两个企业节点。
[0154]
或者，通过文档主体生成模型lda对多个案由信息进行无监督学习，得到多个案由信息组。
[0155]
在再一种可能的实施例中，确定模块804还可以用于，根据企业节点关系图，统计企业节点关系图中每个企业节点的案由信息的数量；
[0156]
根据案由信息的数量，确定黑名单候选企业节点；
[0157]
对黑名单候选企业节点进行打分标注，并将打分标注后的黑名单候选企业节点作为负样本；
[0158]
根据负样本，对与风险领域对应的风险传播模型进行模型训练，直至满足预设训练停止条件，得到目标风险传播模型。
[0159]
尽于此，该确定模块804具体可以用于，获取企业节点关系图中每个企业节点的特征数据，特征数据包括用于表征每个企业在每个风险领域的诉讼阶段产生的统计数据；
[0160]
根据案由信息的数量和特征数据，确定黑名单候选企业节点。
[0161]
另外，本发明实施例中的处理模块802具体可以用于，根据多个目标案由信息组中每个目标案由信息所在的风险领域，以及亲密度，确定与目标对象关联的目标风险领域；
[0162]
其中，亲密度用于表征多个目标案由信息组中每个目标案由信息组与多个案由信息组中每个案由信息组的亲密关系。
[0163]
除此之外，本发明实施例中信息展示装置800还可以包括更新模块805，用于基于企业节点关系图利用标签传播算法lpa，将企业数据发送到企业节点关系图中的多个企业节点，以更新多个企业节点中每个企业节点上的风险传播模型；其中，
[0164]
企业数据包括下述中的至少一种数据：每个风险领域的黑名单候选企业节点、黑名单候选企业节点在每个风险领域的风险评分、每个风险评分对应的风险建议信息、目标风险传播模型。
[0165]
本发明实施例中的生成模块803具体可以用于，根据每个目标风险领域的目标风险评分，生成第一风险建议信息；
[0166]
根据第一风险建议信息，生成与目标对象在签署合同时的风险建议信息。
[0167]
另外，图9示出根据一个实施例的信息展示装置的结构框图。
[0168]
如图9所示，该信息展示装置900具体可以包括：
[0169]
接收模块901，用于接收第一用户的请求信息，请求信息用于请求第一用户与目标对象在签署合同时的风险建议信息；
[0170]
获取模块902，用于根据请求信息，获取与目标对象相关的目标信息；
[0171]
生成模块903，用于根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分；
[0172]
展示模块904，用于根据目标风险评分，展示针对目标对象的风险建议信息。
[0173]
由此，本发明实施例的方案中，通过获取与目标对象相关的目标信息，根据目标信息，分别确定目标对象在多个相关联的目标风险领域中的目标风险评分目标对象，然后，根据这些目标风险评分，生成与目标对象的风险建议信息。由此，可以有效解决目前人工判断的方式出现的耗时耗力，主观因素导致的风险判断的结果不准确的问题。另外，本发明实施例中在签署合同的领域中，利用每个风险领域的风险评分，生成与每个风险评分对应的风险建议信息，该方法能够有效地针对不同合同领域进行不同的风险量化评分，并且准确率高，有效解决非专业法律人判定与目标对象签署合同是否存在风险的困难的问题，以提高风险判断效率。
[0174]
另外，通过企业节点关系图，深度融合合同的领域知识，能够解决主观经验比较严重和关联风险排查困难的问题。另外，通过基于企业图层的连接边的权重，得到企业节点关系图的边投影的方案，将投资人和企业异构图即二部图转化为单纯的企业节点关系图，解决了标签传播算法不能在异构图中使用的问题。这样，将企业节点关系图和签署合同的业务领域进行了深度的融合定制，有效解决了黑名单标注困难的问题，并且能够针对不同合同领域定义不同的风险量化。
[0175]
以及，基于对样本风险打分标注的方案，有效地解决了企业节点图中缺乏初始黑名单的问题，并且采用了多种操作的标记方案，没有对样本进行一刀切的操作，而是在标记阶段就进行打分，所得结果更加精准。
[0176]
图10示出根据一个实施例的计算设备的结构示意图。
[0177]
如图10所示，能够实现根据本发明实施例中的信息展示方法、信息处理方法、信息展示装置以及信息处理装置的计算设备的示例性硬件架构的结构图。
[0178]
该设备可以包括处理器1001以及存储有计算机程序指令的存储器1002。
[0179]
具体地，上述处理器1001可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0180]
存储器1002可以包括用于信息或指令的大容量存储器。举例来说而非限制，存储
器1002可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个及其以上这些的组合。在合适的情况下，存储器1002可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器1002可在综合网关设备的内部或外部。在特定实施例中，存储器1002是非易失性固态存储器。在特定实施例中，存储器1002包括只读存储器(rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存，或者两个或及其以上这些的组合。
[0181]
处理器1001通过读取并执行存储器1002中存储的计算机程序指令，以实现上述实施例中的任意一种方法。
[0182]
收发器1003，主要用于实现本发明实施例中各装置或者与其他设备中的通信。
[0183]
在一个示例中，该设备还可包括总线1004。其中，如图10所示，处理器1001、存储器1002和收发器1003通过总线1004连接并完成相互间的通信。
[0184]
总线1004包括硬件、软件或两者。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、多信道架构(mca)总线、外围控件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线1003可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
[0185]
本发明实施例还提供了与上述信息展示方法对应的计算机可读存储介质。
[0186]
在一种可能的实施例中，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机中执行时，令计算机执行本发明实施例信息展示方法和信息处理方法的步骤。
[0187]
需要明确的是，本发明并不局限于上文实施例中所描述并在图中示出的特定配置和处理。为了描述的方便和简洁，这里省略了对已知方法的详细描述，并且上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0188]
本领域的技术人员可以清楚地了解到，本发明的方法过程并不限于所描述和示出的具体步骤，任何熟悉本技术领域的技术人员在领会本发明的精神后，在本发明揭露的技术范围内作出各种改变、修改和添加，或者等效替换以及改变步骤之间的顺序，这些修改或替换都应涵盖在本发明的保护范围之内。