[发明专利]关系网络图的展示方法及装置

权利要求书

1.一种关系网络图的展示方法，其特征在于，包括：

获取第一监控对象的属性信息、第一风险评估指标、所述关系网络图以及第一事件数据；

通过违约风险概率模型对所述第一监控对象的属性信息、第一风险评估指标、关系网络图以及第一事件数据进行分析，确定所述第一监控对象违约的概率，其中，所述违约风险概率模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：历史监控对象的属性信息、风险评估指标、事件数据、所述关系网络图和所述历史监控对象违约的概率；

根据所述第一监控对象违约的概率，按照预定的展示规则对所述关系网络图进行展示，其中，所述关系网络图包括由与所述历史监控对象以及与所述第一监控对象分别对应的节点组成的关系网络图。

2.根据权利要求1所述的方法，其特征在于，

所述历史监控对象的风险评估指标包括对所述历史监控对象进行风险评估的外部指标，所述历史监控对象的事件数据包括与对所述历史监控对象进行风险评估有关的事件；所述第一风险评估指标包括对所述第一监控对象进行风险评估的外部指标，所述第一事件数据包括与对所述第一监控对象进行风险评估有关的事件。

3.根据权利要求2所述的方法，其特征在于，

所述历史监控对象的属性信息包括以下至少之一：所述历史监控对象的收入负债比、资金流动性；所述第一监控对象的属性信息包括以下至少之一：所述第一监控对象的收入负债比、资金流动性；

所述历史监控对象的风险评估指标、所述第一风险评估指标包括以下至少之一：经济周期、采购经理人指数；

所述历史监控对象的事件数据包括以下至少之一：所述历史监控对象的行政处罚事件、品牌舆情事件、安全事故、财务事件；所述第一事件数据包括以下至少之一：所述第一监控对象的行政处罚事件、品牌舆情事件、安全事故、财务事件。

4.根据权利要求1所述的方法，其特征在于，所述违约风险概率模型是按照以下方式训练得到的：

将所述关系网络图以及所述事件数据分别转换为第一向量、第二向量，其中，所述第一向量以及所述第二向量均为一维向量；

使用所述监控对象的属性信息、所述历史监控对象的风险评估指标、所述第一向量以及所述第二向量对所述违约风险概率模型进行训练得到训练完成后的所述违约风险概率模型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第一监控对象违约的概率，按照预定的展示规则对所述关系网络图进行展示，包括：

确定出违约概率的变化幅度超过阈值的第一节点以及第二节点，其中，所述第二节点为与所述第一节点存在第一关联关系的节点；其中，所述第一关联关系包括以下至少之一：亲友关系、担保关系、股权关系、供应链关系、资金来往关系；

在所述关系网络图中，标注出所述第一节点以及第一边，其中，所述第一边为连接所述第一节点与所述第二节点的边，所述第一边用于指示风险传导的路径；根据所述第一节点的违约概率的变化幅度，确定所述第一边的展示效果。

6.一种关系网络图的展示装置，其特征在于，包括：

获取模块，用于获取第一监控对象的属性信息、第一风险评估指标、所述关系网络图以及第一事件数据；

确定模块，用于通过违约风险概率模型对所述第一监控对象的属性信息、第一风险评估指标、关系网络图以及第一事件数据进行分析，确定所述第一监控对象违约的概率，其中，所述违约风险概率模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：历史监控对象的属性信息、风险评估指标、事件数据、所述关系网络图和所述历史监控对象违约的概率；

展示模块，用于根据所述第一监控对象违约的概率，按照预定的展示规则对所述关系网络图进行展示，其中，所述关系网络图包括由与所述历史监控对象以及与所述第一监控对象分别对应的节点组成的关系网络图。