担保圈风险确定方法、装置、电子设备和存储介质与流程

1.本技术涉及智慧金融领域，具体涉及一种担保圈风险确定方法、装置、电子设备和存储介质。


背景技术：

2.担保圈风险一直是银行业比较关注的热点风险之一，特别是在经济放缓和下行期间，担保圈的风险暴露程度增加，不仅影响到担保圈内关联企业的发展，严重时甚至会造成区域性的金融风险。
3.目前担保圈风险没有较好的准确的评估方法。


技术实现要素：

4.本技术实施例的目的是提供一种担保圈风险确定方法、装置、电子设备和存储介质，以实现精确的确定担保圈的风险的效果。
5.本技术的技术方案如下：
6.第一方面，提供了一种担保圈风险确定方法，该方法包括：
7.获取各担保对象对应的多维业务数据；
8.基于所述多维业务数据，构建担保圈知识图谱；
9.对所述担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈；
10.针对每个所述担保圈中的任一目标担保对象，计算所述目标担保对象对应的第一风险评分；
11.针对每个所述担保圈，基于所述担保圈中每个目标担保对象的所述第一风险评分，确定所述担保圈的目标风险评分。
12.第二方面，提供了一种担保圈风险确定装置，该装置包括：
13.获取模块，用于获取各担保对象对应的多维业务数据；
14.构建模块，用于基于所述多维业务数据，构建担保圈知识图谱；
15.第一确定模块，用于对所述担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈；
16.第二确定模块，用于针对每个所述担保圈中的任一目标担保对象，计算所述目标担保对象对应的第一风险评分；
17.第三确定模块，用于针对每个所述担保圈，基于所述担保圈中每个目标担保对象的所述第一风险评分，确定所述担保圈的目标风险评分。
18.第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现本技术实施例任一所述的担保圈风险确定法的步骤。
19.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现本技术实施例任一所述的担保圈风险确定
方法的步骤。
20.本技术的实施例提供的技术方案至少带来以下有益效果：
21.本技术实施例提供的担保圈风险确定方法，通过获取各担保对象对应的多维业务数据，基于多维业务数据，构建担保圈知识图谱，对担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈，针对每个担保圈中的任一目标担保对象，计算目标担保对象对应的第一风险评分；基于担保圈中每个目标担保对象的第一风险评分，确定担保圈的目标风险评分，如此由于获取了担保对象的多维业务数据，这样包含有多维数据，有利于提高担保圈的风险识别精度，同时基于单一目标担保对象在担保圈知识图谱的传播特性，可快速准确的基于单一目标担保对象的第一风险评分，确定担保圈的目标分析评分，精确衡量担保圈的担保风险。
22.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
23.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理，并不构成对本技术的不当限定。
24.图1是本技术一示例性实施例提供的一种担保圈风险确定方法的示意图一；
25.图2是本技术第一方面实施例涉及的担保圈知识图谱的部分示意图之一；
26.图3是本技术第一方面实施例涉及的担保圈知识图谱的部分示意图之二；
27.图4是本技术第一方面实施例涉及的担保圈的示意图；
28.图5是本技术一示例性实施例提供的一种担保圈风险确定方法的示意图二；
29.图6是本技术一示例性实施例提供一种担保圈风险确定装置的结构示意图；
30.图7是本技术实施例提供一种电子设备的结构示意图。
具体实施方式
31.为了使本领域普通人员更好地理解本技术的技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。应理解，此处所描述的具体实施例仅意在解释本技术，而不是限定本技术。对于本领域技术人员来说，本技术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技术的示例来提供对本技术更好的理解。
32.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的例子。
33.本技术实施例中对数据的获取、存储、使用和处理等均符合国家法律法规的相关规定。
34.如背景技术部分所述，现有技术中在确定担保圈风险时，主要是通过利用最大团
算法获取担保知识图谱中的最大子图，该最大子图是完全图的担保圈闭环，如此在计算担保圈风险时，可能会遗漏掉非完全图中的关联担保风险，造成风险遗漏，导致最终计算的担保圈的风险不够精确的问题。
35.为了解决上述问题，本技术实施例提供了一种担保圈风险确定方法，通过获取各担保对象对应的多维业务数据，基于多维业务数据，构建担保圈知识图谱，对担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈，针对每个担保圈中的任一目标担保对象，计算目标担保对象对应的第一风险评分；基于担保圈中每个目标担保对象的第一风险评分，确定担保圈的目标风险评分，如此由于获取了担保对象的多维业务数据，这样包含有多维数据，有利于提高担保圈的风险识别精度，同时基于单一目标担保对象在担保圈知识图谱的传播特性，可快速准确的基于单一目标担保对象的第一风险评分，确定担保圈的目标分析评分，精确衡量担保圈的担保风险。
36.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的担保圈风险确定方法进行详细地说明。
37.图1是本技术实施例所提供的一种担保圈风险确定方法的流程示意图，该担保圈风险确定方法的执行主体可以为服务器。需要说明的是，上述执行主体并不构成对本技术的限定。
38.如图1所示，本技术实施例提供的担保圈风险确定方法可以包括步骤110-步骤150。
39.步骤110、获取各担保对象对应的多维业务数据。
40.步骤120、基于多维业务数据，构建担保圈知识图谱。
41.步骤130、对担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈。
42.步骤140、针对每个担保圈中的任一目标担保对象，计算目标担保对象对应的第一风险评分。
43.步骤150、针对每个担保圈，基于担保圈中每个目标担保对象的第一风险评分，确定担保圈的目标风险评分。
44.本技术的实施例中，通过获取各担保对象对应的多维业务数据，基于多维业务数据，构建担保圈知识图谱，对担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈，针对每个担保圈中的任一目标担保对象，计算目标担保对象对应的第一风险评分；基于担保圈中每个目标担保对象的第一风险评分，确定担保圈的目标风险评分，如此由于获取了担保对象的多维业务数据，这样包含有多维数据，有利于提高担保圈的风险识别精度，同时基于单一目标担保对象在担保圈知识图谱的传播特性，可快速准确的基于单一目标担保对象的第一风险评分，确定担保圈的目标分析评分，精确衡量担保圈的担保风险。
45.下面详细介绍本技术实施例提供的担保圈风险确定方法。
46.首先介绍步骤110、获取各担保对象对应的多维业务数据。
47.其中，担保对象可以是对其他对象进行担保的对象。例如可以是个人，还可以是企业等。
48.在一个示例中，若果对象a想像信贷机构贷款，则需要一个对象b为对象a做担保，如此以便后续对象a如果无法偿还贷款时，信贷机构可向对象b来追讨该笔贷款，则这里的对象b即为担保对象。
49.在本技术的一些实施例中，业务数据可以是与担保有关的数据，例如可以是担保对象的名称，担保对象担保的金额，担保对象为谁进行的担保等。
50.在本技术的一些实施例中，这里的业务数据可以是获取的担保对象的结构化数据和非结构化数据，这里的业务数据可以但不限于包括：工商数据、财务数据、信用数据、税务数据和裁判文书等。
51.在本技术的一些实施例中，结构化数据可以理解为一个excel表，在该表中存储有担保对象的一些信息，例如可以是担保对象的姓名、年龄、电话、为谁做的担保和担保的金额等，用户只要在表中进行查询，即会得到对应的数据。
52.在本技术的一些实施例中，非结构化数据可以理解为一个word文档，例如可以是一个裁判文书等，在该文书中具有该文书的标题、原告方、被高方、裁判员和裁判金额等，用户在需要知道裁判文书中的一些信息时，需要参阅裁判文书，不像excel表一样，只要在该表中进行查询，即可直接获取到对应的数据。
53.在现有技术中，在获取担保对象对应的业务数据时，是将数据按时间(例如可以是按月)进行时间切片，获取该时间的业务数据，但是在实际过程中，大部分客户存在业务数据缺失的状态，如此导致样本数据很少，不足以识别潜在的未知风险，导致确定的担保圈的风险不够精确。
54.然而，本技术实施例中通过直接获取担保对象的多维业务数据，该业务数据不以时间进行切割，不会存在缺失部分时间对应的业务数据的问题，保证了担保圈的风险的精确性。同时，本技术实施例中获取的是担保对象的多维业务数据，丰富了数据池，有利于提高担保圈风险识别精度。
55.在本技术的一些实施例中，在获取到非结构化数据后，还可以利用自然语言处理算法对非结构化数据进行分析，将非结构化数据转换为结构化数据。如此可便于对非结构化数据的查询，提升用户体验。
56.在本技术的一些实施例中，为了进一步提升担保圈风险的确定精确性，在步骤110之后，上述所涉及的担保圈风险确定方法还可以包括：
57.对多维业务数据进行清洗，得到目标多维业务数据。
58.其中，目标多维业务数据可以是对多维业务数据进行清洗后所得到的数据。
59.在本技术的一些实施例中，对多维业务数据进行清洗可以但不限于包括下述至少一项：
60.将多维业务数据中缺失的字段进行补充；
61.将多维业务数据中的空格进行删除；
62.将多维业务数据中的异常的数据数量级进行统一；
63.将多维业务数据中重复的数据进行删除。
64.在本技术的实施例中，通过对多维业务数据进行清洗，可得到目标多维业务数据，如此保证了计算担保圈风险所用到的业务数据是符合规范的，如此进一步提升了担保圈风险的确定精确性。
65.接着介绍步骤120、基于多维业务数据，构建担保圈知识图谱。
66.其中，担保圈知识图谱可以是一个具有各担保对象，以及各担保对象之间的担保关系的知识图谱。
67.需要说明的是，该担保圈知识图谱是一个有向图谱，例如，具有担保关系的a和b两个担保对象，若对应的指向方向是由a指向b，则两个担保对象之间进行担保的跟随关系为由a向b担保。
68.在一个示例中，如图1所示，图1仅为担保圈知识图谱中的某一个担保圈，n1-n5各节点表示各担保对象，n1-n5之间的连线表征n1-n5之间的担保关系。
69.继续参考上述示例，还可以在图1的各担保对象的连线之间写上担保金额，还可以是在各节点(担保对象)上注明各担保对象的属性信息，例如可以是名称，还可以是注册资本等工商信息，还可以是营业收入和营业成本等财务数据，还可以有被告次数、开庭次数等法律信息，还可以有行政处罚数和行政处罚类别等信用信息等。
70.在本技术的一些实施例中，根据各担保对象的多维业务数据构建有向的担保圈知识图谱，利用该图谱可用于后续分析其他的信息。
71.在本技术的一些实施例中，为了进一步提升担保圈风险的确定精确性，在步骤120之后，上述所涉及的担保圈风险确定方法还可以包括：
72.对担保圈知识图谱中的各担保对象中具有相同投资对象的担保对象进行聚类，形成目标担保圈知识图谱。
73.其中，投资对象可以是对担保对象进行投资的对象。例如，在担保对象为企业的情况下，投资对象可以是股东等。
74.在本技术的一些实施例中，目标担保圈知识图谱可以是对担保圈知识图谱中的各担保对象中具有相同投资对象的担保对象进行聚类后所形成的担保圈知识图谱。
75.在本技术的一些实施例中，可以是先利用社区发现算法来识别担保圈知识图谱，具体的可以是将担保圈知识图谱划分为一个一个的社区，在该社区中可以具有多个担保圈，然后利用k-means聚类算法，对社区中的各担保对象进行聚类，具体的可以是将社区中拥有共同投资对象(例如可以是股东)的担保对象进行聚类，具有共同投资对象(例如可以是股东)的担保对象为具有一致行动关系的对象。
76.可以理解的是，担保圈知识图谱为一个区的担保对象，以及其担保关系，例如可以是天津市南开区，利用社区发现算法来识别担保圈知识图谱，可得到各小区的担保对象，以及其担保关系，然后利用k-means聚类算法，将各小区中具有相同投资对象的担保对象进行聚类，将具有相同投资对象的担保对象认为是具有一致行动关系的对象。
77.在本技术的一些实施例中，在确定了具有一致行动关系的对象后，还可以将具有一致行动关系的对象进行标注，例如，图2中的n1和n2为具有一致行动关系的对象，则可以在图2中绘制除n1和n2之间的担保关系连线(连线31)外的一致行动关系连线(连线32)，得到如图3所示的关系图。
78.对应的，在确定了目标担保圈知识图谱后，步骤130可以具体包括：对目标担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈。
79.然后介绍步骤130、对担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈。
80.在本技术的一些实施例中，在计算担保圈风险时，由于担保关系为一对多的保证关系，且具有交叉的多对保证关系会构成连环担保圈，为消除在担保圈知识图谱中风险传导遇到的闭环传播的情况，可以采用深度优先搜索算法对担保关系生成的图进行遍历，对
所有担保关系进行搜索，直至所有的担保关系都是不封闭且不交叉为止，如此利用深度优先搜索算法可以便于风险传播分析。
81.具体的利用深度优先搜索算法对担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈，可以包括：
82.设定担保圈知识图谱中每个担保对象的被访问值的初始值，以及具有担保关系的各担保对象之间的担保搜索值的初始值；
83.重复执行如下步骤，直至担保知识图谱中的担保对象没有担保搜索关系为止，得到至少一个担保圈：
84.设定第一担保对象为初始搜索对象；
85.获取第一担保对象对应的担保搜索关系，更新担保搜索关系对应的第二担保对象的担保搜索值；
86.将第二担保对象更新为第一担保对象。
87.其中，被访问值可以是用于表征担保对象被访问的值，被访问值的初始值可以是设为0。例如，若担保对象被访问一次，则将初始值加1。
88.担保搜索值可以是用于表征具有担保关系的各担保对象之间的担保关系被搜索的值，担保搜索值的初始值可以是设为0。例如，担保对象a和担保对象b具有担保关系，若担保对象a和担保对象b之间的担保关系被搜索一次，则将初始值加1。
89.在本技术的一些实施例中，第一担保对象可以是担保知识图谱中的任意一个担保对象。
90.初始搜索对象可以是以该对象为起始开始进行搜索。
91.担保搜索关系可以是用于表征第一担保对象和第二担保对象具有担保关系。
92.第二担保对象可以是与第一担保对象具有担保关系的对象，例如图2所示，n1若为第一担保对象，则n2为第二担保对象。
93.下面以一个具体的示例来说明深度优先搜索算法如何确定担保圈：
94.如图2所示为担保圈知识图谱中的任意一担保圈，设图2中每个节点附带有被访问属性(即isvisit属性，即是否被访问)，设被访问值的初始值为0。设图2中的每个边(即两个节点之间的连线)附带有担保搜索属性(即issearch属性，即是否被搜索)，设担保搜索值的初始值为0。
95.设n1.isvisit＝0且存在担保关系的边(n1，n2)，即n1和n2是具有担保关系的，设n1(即第一担保对象)为初始搜索对象，选择从n1开始搜索与n1对应的担保搜索关系(即r1)，则此时将r1的值(担保搜索值)加1，搜索与n1对应的担保搜索关系后，可搜索到n2(第二担保对象)，则n2被访问，则将n2的被访问值加1，即n1.isvisit＝1。然后将n2更新为第一担保对象，从n2开始搜索，继续下面的访问，直至ni节点没有任何边可以走为止，遍历结束，得到至少一个担保圈，如图4所示，该图4即为不封闭的且不交叉的担保圈。
96.需要说明的是，在对节点进行遍历的过程中，若有多个路径可以走，则选取经过较多节点的担保圈作为最后所要的担保圈。例如，对图2中的各节点进行遍历，按如下路径进行行走：n1-r1-n2-r3-n3(-r2)(由于得到的是不封闭的担保圈，故不走r2)，则该路径中经过n1、n2和n3这3个节点，若按形成上述图4中的担保圈进行行走，则经过n1、n2、n3、n4和n5这5个担保圈，在选取担保圈时，算法会自动选取经过最多节点的担保圈作为最后所要的担
保圈。
97.在另一实施例中，在对节点进行遍历的过程中，若经过不同的路径，但是经过的节点数是一样的，则可随意选取一种路径作为最后所要的担保圈。例如，对图2中的各节点进行遍历，若按形成上述图4中的担保圈进行行走，则经过n1、n2、n3、n4和n5这5个担保圈。若按如下路径进行行走：n1-r1-n2-r3-n3-r6-n5-r5-n4(-n2)，则也是经过n1、n2、n3、n4和n5这5个担保圈，则可随意选取一种路径作为最后所要的担保圈。
98.在本技术的实施例中，通过对担保圈知识图谱中的担保对象进行遍历，得到至少一个担保圈，如此可避免多对担保关系构成连环担保圈导致的确定的担保圈风险不精确的问题，如此进一步提高了担保圈风险的确定精确性。
99.然后介绍步骤140、针对每个担保圈中的任一目标担保对象，计算目标担保对象对应的第一风险评分。
100.其中，针对每个担保圈而言，目标担保对象可以是该担保圈中的任意一个担保对象。例如若图4是担保圈，则图4中的n1、n2、n3、n4和n5均可为目标担保对象。
101.第一风险评分可以是目标担保对象的风险评分。
102.在本技术的一些实施例中，步骤140具体可以包括：
103.基于目标担保对象的负面业务数据，计算目标担保对象的自身风险值；
104.根据目标担保对象的自身风险值和目标担保对象对应的风险调整系数，确定目标担保对象对担保圈中其他担保对象的影响值；
105.基于目标担保对象的自身风险值，以及目标担保对象对担保圈中其他担保对象的影响值，确定目标担保对象对应的第一风险评分。
106.其中，负面业务数据可以是目标担保对象负面的一些业务数据，例如可以但不限于包括：目标担保对象进入黑名单、目标担保对象进入经营异常明录、目标担保对象受到行政处罚、目标担保对象发生债券违约、目标担保对象发生税收违法和目标担保对象工商吊销等。
107.自身风险值可以是目标担保对象自身的风险值。
108.在本技术的一些实施例中，目标担保对象的自身风险值可以是基于目标担保对象的负面业务数据得到的。具体的可以是基于负面业务数据与自身风险值之间的对应函数关系所得到的，还可以是根据预设算法得到的，具体的这里不做限定。
109.在本技术的一些实施例中，风险调整系数可以是目标担保对象对担保圈的风险影响值的系数。
110.在本技术的一些实施例中，风险调整系数可以是基于目标担保对象与担保圈中的其他担保对象之间的距离系数，目标担保对象与其他担保对象的担保金额比例系数，以及目标担保对象自身能力系数确定的。
111.在本技术的一些实施例中，距离系数可以是用于表征目标担保对象与担保圈中的其他担保对象之间的距离的参数，距离越远的担保对象受到目标担保对象的影响越弱，目标担保对象对担保圈中其他担保对象的影响值随着距离增大呈指数级下降，可以通过如下公式(1)计算距离系数：
112.距离系数＝α
distance
^距离值
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
113.其中，α
distance
可以是预先距离参数，该参数可以根据用户需求自行设置，这里不做
限定。
114.在一般情况下，α
distance
设置为0.618。
115.在本技术的一些实施例中，目标担保对象与其他担保对象的担保金额比例系数可以是用于表征目标担保对象与其他担保对象的担保金额的比例的系数。担保金额比例系数越大，目标担保对象对其他担保对象的影响就越大。担保金额比例系数可以是通过如下公式(2)来进行确定：
116.担保金额比例系数＝担保金额/被担保对象注册资本(2)
117.在本技术的一些实施例中，目标担保对象自身能力系数可以是用于表征目标担保对象自身能力的系数。
118.在本技术的一些实施例中，目标担保对象自身能力系数可以是基于预先训练好的机器模型所得到的，具体的可以是将目标担保对象的多维业务数据输入至预先训练好的机器模型中，即可直接得到目标担保对象自身能力系数，如此可快速精确的得到目标担保对象自身能力系数，提高了担保圈风险确定的效率。
119.在本技术的一些实施例中，机器模型可以是基于机器学习算法-随机梯度下降回归算法得到的。
120.在本技术的一些实施例中，可以根据目标担保对象的自身风险值和目标担保对象对应的风险调整系数，确定目标担保对象对担保圈中其他担保对象的影响值。具体的可以根据如下公式(3)来基于目标担保对象的自身风险值和目标担保对象对应的风险调整系数，确定目标担保对象对担保圈中其他担保对象的影响值：
121.r＝r
ki
·cadjust
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
122.其中，r为目标担保对象对担保圈中其他担保对象的影响值；r
ki
为目标担保对象的自身风险值，i为担保圈中的目标担保对象，i＝1,2,3，
……
，n；c
adjust
为目标担保对象对应的风险调整系数。
123.在本技术的一些实施例中，在确定了目标担保对象对担保圈中其他担保对象的影响值后，可通过如下公式(4)基于目标担保对象的自身风险值，以及目标担保对象对担保圈中其他担保对象的影响值，确定目标担保对象对应的第一风险评分：
124.m＝r r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
125.其中，m为第一风险评分；r为目标担保对象的自身风险值；r为目标担保对象对担保圈中其他担保对象的影响值。
126.在本技术的一些实施例中，综合考虑距离因素、担保金额因素和担保对象自身因素等多方面的因素，能够精确的估计目标担保对象对关联担保对象的影响。
127.在本技术的一些实施例中，考虑到影响的累积效应，即事件通过不同路径影响到同一节点，影响将累加，故为了进一步提高担保圈风险确定的精确性，某一目标担保对象对担保圈中的其他担保对象的影响值为其他源担保对象对目标对象的影响值之和，具体的可通过如下公式(5)确定目标对象对担保圈中的其他担保对象的影响值：
[0128][0129]
其中，r1为考虑到影响的累积效应，所得到的目标担保对象对担保圈中的其他担保对象的影响值；k为对目标担保对象的源担保对象，k＝1,2,3，
……
，n；i为目标担保对象。
[0130]
在本技术的实施例中，通过基于目标担保对象的负面业务数据，计算目标担保对象的自身风险值；根据目标担保对象的自身风险值和目标担保对象对应的风险调整系数，确定目标担保对象对担保圈中其他担保对象的影响值；基于目标担保对象的自身风险值，以及目标担保对象对担保圈中其他担保对象的影响值，确定目标担保对象对应的第一风险评分，如此可得到精确的目标担保对象的第一风险评分，进而得到精确的担保圈的风险。
[0131]
最后介绍步骤150、针对每个担保圈，基于担保圈中每个目标担保对象的第一风险评分，确定担保圈的目标风险评分。
[0132]
其中，目标风险评分可以是用于评价担保圈的风险的评分。
[0133]
在本技术的一些实施例中，步骤150可以具体包括：
[0134]
针对每个担保圈，将担保圈中每个目标担保对象的第一风险评分进行累加，得到与担保圈对应的第二风险评分；
[0135]
根据第二风险评分，确定担保圈的目标风险评分。
[0136]
其中，第二风险评分可以是将该担保圈中的各目标担保对象的第一风险评分相加后所得到的评分。
[0137]
在本技术的一些实施例中，通过如下公式(6)，可得到第二风险评分：
[0138][0139]
其中，r2为第二风险评分；l为该担保圈中目标担保对象的个数，l＝1,2,3，
……
，n；rl为该担保圈中各目标担保对象对应的第一风险评分。
[0140]
在本技术的一些实施例中，在目标担保对象仅有一个源担保对象的情况下，rl为上述公式(4)中r，在目标担保对象具有多个源担保对象的情况下，rl为上述公式(5)中的r1。
[0141]
在本技术的一些实施例中，在确定了第二风险评分后，可将第二风险评分作为目标风险评分。
[0142]
在本技术的实施例中，针对每个担保圈，通过将担保圈中每个目标担保对象的第一风险评分进行累加，得到与担保圈对应的第二风险评分，根据第二风险评分，可精确确定担保圈的目标风险评分，如此可得到精确的担保圈风险。
[0143]
在本技术的一些实施例中，由于在一些担保圈中，担保圈中的担保对象除了存在担保关系外，还存在一致行动关系，如此，为了进一步提高担保圈风险确定的精确性，在步骤150之前，上述所涉及的担保圈风险确定方法还可以包括：
[0144]
针对每个担保圈，设定担保圈的规模属性值，以及担保圈的担保金额属性值。
[0145]
其中，规模属性值可以是用于表征担保圈的规模的属性值，该属性值可以是基于该担保圈中担保关系，以及一致行动关系确定，涉及的一致行动人、担保关系人个数越多，该担保圈的目标风险评分也会响应增加。
[0146]
担保金额属性值可以是用于表征担保圈的总担保金额的属性值，总担保金额越大，该担保圈的目标风险评分也会响应增加。
[0147]
对应的，上述步骤150具体可以包括：
[0148]
根据第二风险评分、担保圈的规模属性值和担保圈的担保金额属性值，确定担保圈的目标风险评分。
[0149]
在本技术的实施例中，针对每个担保圈，通过设定担保圈的规模属性值，以及担保圈的担保金额属性值，如此可综合考虑担保圈的规模属性值，以及担保圈的担保金额属性值，来得到精确的担保圈的目标风险评分。
[0150]
在本技术的一些实施例中，为了使用户更加直观的了解到各担保圈的风险类型，在步骤150之后，上述所涉及的担保圈风险确定方法还可以包括：
[0151]
针对每个担保圈，基于担保圈的所述目标风险评分，确定担保圈的风险类型。
[0152]
在本技术的一些实施例中，各担保圈的风险类型可以是各担保圈所属的风险类型，例如可以是正常、可疑和损失这三种类型。
[0153]
在本技术的一些实施例中，具体的基于各担保圈的目标风险评分，确定各担保圈的风险类型可以通过如下方式实现：
[0154]
(1)根据贝塔分布算法，通过对偏度系数、蜂度系数的调整，使担保圈进行分级。
[0155]
在本技术的一些实施例中，具体的如何根据贝塔分布算法，通过对偏度系数、蜂度系数的调整，使担保圈进行分级属于现有技术，在此不再赘述。
[0156]
(2)将各担保圈的目标风险评分与预设评分阈值进行比对，基于比对结果，确定各担保圈的风险类型。
[0157]
在一个示例中，预先设置当担保圈的目标风险评分小于或等于0.5时为正常，大于0.5，且小于0.7时为可疑，大于或等于0.7时为损失，则若某一担保圈的目标风险评分为0.4，则该担保圈为正常。
[0158]
在本技术的实施例中，针对每个担保圈，基于担保圈的所述目标风险评分，确定担保圈的风险类型，如此可使用户很直观的了解到各担保圈的风险类型，提高了用户体验。
[0159]
在本技术的一些实施例中，在对担保圈的目标风险评分进行计算的过程中，可能会有新增数据的产生，如此需要将新增数据计算进去。现有技术中，在面对新增数据时，必须重新将新增数据加入进去，然后将包含新增数据在内的数据重新全量进行一次计算，如此耗费巨大的时间和资源。
[0160]
为了解决上述问题，在本技术的一些实施例中，在步骤150之后，上述所涉及的担保圈风险确定方法还可以包括：
[0161]
在确定有新增信息的情况下，计算新增信息对应的新增风险评分。
[0162]
其中，新增信息可以是新增加的信息。
[0163]
新增风险评分可以是与新增信息对应的新增风险评分，即为仅计算新增信息所得到的风险评分。
[0164]
对应的，步骤150可以具体包括：基于新增信息对应的新增风险评分，确定担保圈的目标风险评分。
[0165]
在本技术的实施例中，在确定有新增信息的情况下，仅计算新增信息对应的新增风险评分；基于新增信息对应的新增风险评分，确定担保圈的目标风险评分，如此仅计算新增信息对应的新增风险评分，进而得到担保圈的目标风险评分，无需进行全量计算，提高了目标风险评分的计算效率。
[0166]
在本技术的一些实施例中，新增信息可以是新增担保对象，还可以是新增负面业务数据，针对不同的新增信息执行不同的方法，确定担保圈的目标风险评分，具体的可以是：
[0167]
(1)新增信息为新增担保对象
[0168]
所述在确定有新增信息的情况下，计算新增信息对应的新增风险评分具体可以是：
[0169]
在确定有新增担保对象的情况下，计算新增担保对象对担保圈中其他担保对象的新增影响值；
[0170]
所述基于新增信息对应的新增风险评分，确定担保圈的目标风险评分，包括：
[0171]
将所述新增影响值与担保圈的初始风险评分，得到担保圈的目标风险评分。
[0172]
其中，新增影响值可以是新增对象对担保圈中其他担保对象的影响值，具体的计算方式可参考公式(4)或(5)来进行计算，得到新增影响值。
[0173]
初始风险评分可以是在新增信息之前，所得到的担保圈的目标风险评分(即上述公式(6)所得到的目标风险评分)。
[0174]
在本技术的一些实施例中，在得到新增担保对象对担保圈中其他担保对象的新增影响值后，可将该新增影响值与担保圈的初始风险评分进行累加，得到担保圈的目标风险评分。
[0175]
(2)新增信息为新增负面业务数据
[0176]
所述在确定有新增信息的情况下，计算新增信息对应的新增风险评分具体可以是：
[0177]
在确定有新增负面业务数据的情况下，计算新增担保对象的新增自身风险值；
[0178]
基于新增自身风险值，计算新增担保对象对担保圈中的其他担保对象的新增影响值；
[0179]
所述基于新增信息对应的新增风险评分，确定担保圈的目标风险评分，包括：
[0180]
将新增影响值与担保圈的初始风险评分进行累加，得到担保圈的目标风险评分。
[0181]
其中，对于某一担保圈中的某一担保对象而言，若新增了该担保对象的负面业务数据，则新增自身风险值可以是由该新增的负面业务数据所产生的新的自身风险值。
[0182]
在本技术的一些实施例中，针对某一担保圈中的某一担保对象而言，若新增了该担保对象的负面业务数据，则需要计算由该新增负面业务数据产生的新增自身风险值，基于该新增自身风险值，可仅计算由该新增自身风险值产生的新增影响值，然后将该新增影响值与担保圈的初始风险评分进行累加，得到担保圈的目标风险评分。
[0183]
在本技术的一些实施例中，为了实现上述担保圈风险确定方法，可以使用python来进行编程，基于编写的程序实现上述担保圈风险确定方法，具体的编程是基于如下流程来进行编程的：
[0184]
步骤510、获取数据。
[0185]
在本技术的一些实施例中，步骤510与上述步骤110相同，在此不再赘述。
[0186]
步骤520、构建担保圈知识图谱，并得到知识一个担保圈。
[0187]
在本技术的一些实施例中，步骤520与上述步骤120-步骤130相同，在此不再赘述。
[0188]
步骤530、进行担保对象风险评估计算(即计算担保圈的目标风险评分)。
[0189]
在本技术的一些实施例中，步骤530与上述步骤140-步骤150相同，在此不再赘述。
[0190]
步骤540、基于初始风险评分、规模属性值、担保金额属性值，确定担保圈风险评分，并根据评分，对担保圈进行分级。
[0191]
在本技术的一些实施例中，步骤540对应与上述基于初始风险评分、规模属性值、担保金额属性值，确定担保圈目标风险评分，并根据担保圈目标风险评分，对担保圈进行分级，在此不再赘述。
[0192]
需要说明的是，本技术实施例提供的担保圈风险确定方法，执行主体可以为担保圈风险确定装置，或者该担保圈风险确定装置中的用于执行担保圈风险确定方法的控制模块。
[0193]
基于与上述的担保圈风险确定方法相同的发明构思，本技术还提供了一种担保圈风险确定装置。下面结合图6对本技术实施例提供的担保圈风险确定装置进行详细说明。
[0194]
图6是根据一示例性实施例示出的一种担保圈风险确定装置的结构示意图。
[0195]
如图6所示，该担保圈风险确定装置600可以包括：
[0196]
获取模块610，用于获取各担保对象对应的多维业务数据；
[0197]
构建模块620，用于基于所述多维业务数据，构建担保圈知识图谱；
[0198]
第一确定模块630，用于对所述担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈；
[0199]
第二确定模块640，用于针对每个所述担保圈中的任一目标担保对象，计算所述目标担保对象对应的第一风险评分；
[0200]
第三确定模块650，用于针对每个所述担保圈，基于所述担保圈中每个目标担保对象的所述第一风险评分，确定所述担保圈的目标风险评分。
[0201]
在本技术的实施例中，通过获取模块获取各担保对象对应的多维业务数据，通过构建模块基于多维业务数据，构建担保圈知识图谱，通过第一确定模块对担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈，通过第二确定模块针对每个担保圈中的任一目标担保对象，计算目标担保对象对应的第一风险评分；通过第三确定模块基于担保圈中每个目标担保对象的第一风险评分，确定担保圈的目标风险评分，如此由于获取了担保对象的多维业务数据，这样包含有多维数据，有利于提高担保圈的风险识别精度，同时基于单一目标担保对象在担保圈知识图谱的传播特性，可快速准确的基于单一目标担保对象的第一风险评分，确定担保圈的目标分析评分，精确衡量担保圈的担保风险。
[0202]
在本技术的一些实施例中，为了进一步提高担保圈风险确定的精确性，第二确定模块640可以具体用于：
[0203]
针对每个所述担保圈中的任一目标担保对象，基于所述目标担保对象的负面业务数据，计算所述目标担保对象的自身风险值；
[0204]
针对每个所述担保圈中的任一目标担保对象，根据所述目标担保对象的所述自身风险值和所述目标担保对象对应的风险调整系数，确定所述目标担保对象对所述担保圈中其他担保对象的影响值；其中，所述风险调整系数基于所述目标担保对象与所述担保圈中的其他担保对象之间的距离系数，所述目标担保对象与所述其他担保对象的担保金额比例系数，以及所述目标担保对象自身能力系数确定；
[0205]
针对每个所述担保圈中的任一目标担保对象，基于所述目标担保对象的自身风险值，以及所述目标担保对象对所述担保圈中其他担保对象的影响值，确定所述目标担保对象对应的第一风险评分。
[0206]
在本技术的一些实施例中，为了进一步提高担保圈风险确定的精确性，第三确定
模块650可以包括：
[0207]
第一确定单元，用于针对每个所述担保圈，将所述担保圈中每个目标担保对象的所述第一风险评分进行累加，得到与所述担保圈对应的第二风险评分；
[0208]
第二确定单元，用于根据所述第二风险评分，确定所述担保圈的目标风险评分。
[0209]
在本技术的一些实施例中，为了进一步提高担保圈风险确定的精确性，上述所涉及的担保圈风险确定装置还可以包括：
[0210]
设定模块，用于针对每个所述担保圈，设定所述担保圈的规模属性值，以及所述担保圈的担保金额属性值；
[0211]
对应的，第二确定单元可以具体用于：
[0212]
根据所述第二风险评分、所述担保圈的规模属性值和所述担保圈的担保金额属性值，确定所述担保圈的目标风险评分。
[0213]
在本技术的一些实施例中，为了使用户更加直观的了解到各担保圈的风险类型，上述所涉及的担保圈风险确定装置还可以包括：
[0214]
第四确定模块，用于针对每个所述担保圈，基于所述担保圈的所述目标风险评分，确定所述担保圈的风险类型。
[0215]
在本技术的一些实施例中，为了进一步提高担保圈风险确定的精确性，上述所涉及的担保圈风险确定装置还可以包括：
[0216]
聚类模块，用于对所述担保圈知识图谱中的各担保对象中具有相同投资对象的担保对象进行聚类，形成目标担保圈知识图谱；
[0217]
对应的，第一确定模块630具体可以用于：
[0218]
对所述目标担保圈知识图谱中的担保圈进行识别，得到至少一个担保圈。
[0219]
在本技术的一些实施例中，为了进一步提高担保圈风险确定的精确性，第一确定模块630具体可以用于：
[0220]
设定所述担保圈知识图谱中每个担保对象的被访问值的初始值，以及具有担保关系的各担保对象之间的担保搜索值的初始值；
[0221]
重复执行如下步骤，直至所述担保知识图谱中的担保对象没有担保搜索关系为止，得到至少一个担保圈：
[0222]
设定第一担保对象为初始搜索对象；
[0223]
获取所述第一担保对象对应的担保搜索关系，更新所述担保搜索关系对应的第二担保对象的担保搜索值；其中，所述担保搜索关系表征所述第一担保对象和所述第二担保对象具有担保关系；
[0224]
将所述第二担保对象更新为第一担保对象。
[0225]
在本技术的一些实施例中，为了进一步提高担保圈风险确定的精确性，上述所涉及的担保圈风险确定装置还可以包括：
[0226]
计算模块，用于在确定有新增信息的情况下，计算所述新增信息对应的新增风险评分；
[0227]
第三确定模块，具体用于基于所述新增信息对应的新增风险评分，确定所述担保圈的目标风险评分。
[0228]
在本技术的一些实施例中，所述新增信息包括：新增担保对象；
[0229]
所述在确定有新增信息的情况下，计算所述新增信息对应的新增风险评分，包括：
[0230]
在确定有新增担保对象的情况下，计算所述新增担保对象对所述担保圈中的其他担保对象的新增影响值；
[0231]
所述基于所述新增信息对应的新增风险评分，确定所述担保圈的目标风险评分，包括：
[0232]
将所述新增影响值与所述担保圈的初始风险评分进行累加，得到所述担保圈的目标风险评分。
[0233]
在本技术的一些实施例中，所述新增信息包括：新增负面业务数据；
[0234]
所述在确定有新增信息的情况下，计算所述新增信息对应的新增风险评分，包括：
[0235]
在确定有新增负面业务数据的情况下，计算所述新增担保对象的新增自身风险值；
[0236]
基于新增自身风险值，计算所述新增担保对象对所述担保圈中的其他担保对象的新增影响值；
[0237]
所述基于所述新增信息对应的新增风险评分，确定所述担保圈的目标风险评分，包括：
[0238]
将所述新增影响值与所述担保圈的初始风险评分进行累加，得到所述担保圈的目标风险评分。
[0239]
本技术实施例提供的担保圈风险确定装置，可以用于执行上述各方法实施例提供的担保圈风险确定方法，其实现原理和技术效果类似，为简介起见，在此不再赘述。
[0240]
基于同一发明构思，本技术实施例还提供了一种电子设备。
[0241]
图7是本技术实施例提供的一种电子设备的结构示意图。如图7所示，电子设备可以包括处理器701以及存储有计算机程序或指令的存储器702。
[0242]
具体地，上述处理器701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发明实施例的一个或多个集成电路。
[0243]
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器702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)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器702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702可在综合网关容灾设备的内部或外部。在特定实施例中，存储器702是非易失性固态存储器。在特定实施例中，存储器702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)或闪存或者两个或更多个以上这些的组合。
[0244]
处理器701通过读取并执行存储器702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担保圈风险确定方法。
[0245]
在一个示例中，电子设备还可包括通信接口703和总线710。其中，如图6所示，处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
[0246]
通信接口703，主要用于实现本发明实施例中各模块、设备、单元和/或设备之间的通信。
[0247]
总线710包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。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、微信道架构(mca)总线、外围组件互连(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710可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
[0248]
该电子设备可以执行本发明实施例中的担保圈风险确定方法，从而实现图1或图5描述的担保圈风险确定方法。
[0249]
另外，结合上述实施例中的担保圈风险确定方法，本发明实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序指令；该程序指令被处理器执行时实现上述实施例中的任意一种担保圈风险确定方法。
[0250]
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
[0251]
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
[0252]
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
[0253]
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，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。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。