[发明专利]管理相对人风险预测以及信息推荐方法及装置

说明书

本发明实施例提供一种管理相对人风险预测以及信息推荐方法，包括：获取管理相对人信息数据，建立用户画像；根据用户画像以及聚类算法建立用户群组画像；根据用户画像预测管理相对人发生风险案件的类型和概率；获取风险案例信息数据，并获取包含用于表征所述风险案例信息的内容属性的标签集合；根据用户画像，从风险案例信息数据中确定与管理相对人相匹配的目标风险案例信息，进行个性化案例推荐；根据用户群组画像，从风险案例信息数据中确定与管理相对人群组相匹配的目标风险案例信息，进行群体化案例推荐。该方法通过建立用户画像以及用户群组画像，预测管理相对人发生风险按件的类型及风险，并实现信息的精准推荐，并极大的提高了监管效率。

技术领域

本发明涉及执法监管领域，尤其是涉及一种管理相对人风险预测以及信息推荐方法及装置。

背景技术

在监管过程中可分为行政主体和管理相对人，行政主体是执行行政管理的机关、单位等，管理相对人是指在监管过程中被管理一方的当事人，包括公民、法人和其他组织。行政主体对管理相对人监管的根本目的在于消除风险隐患，保障企业能够正常经营，保证企业为其服务用户提供安全合法的服务。在监管过程中，除了对相对人进行监督排查外，还需要对相对人进行风险预警和管理，降低相对人发生风险的可能性。因此对管理相对人发生风险案件的概率预测及有效预防成为亟需解决的问题。

目前对于相对人的风险发生概率预测方法还不成熟，主要分为主观概率估计和客观概率估计。在主观概率估计中，多依赖于个人经验、知识、类似事件对比等，通过主观判断估算风险发生的概率。主观概率多由熟悉该风险因素的现状和发展趋势的专家组成小组进行估计，并经过多次讨论才能产生合理的意见，所以对于经济和时间上的消耗较多，且无法做到实时性。在客观概率估计中，多根据实际发生概率，通过对历史统计数据分析以及实验来确定。其方法主要通过将主事件分解为多个子事件，通过计算子事件发生的概率得到主事件的概率。但是这种方法对数据量的要求较高，依赖足够的信息，若数据不可得，则易产生数据稀疏或冷启动问题。

针对上述方法中的不足，本项目根据目前企业风险监管情况，借助大数据和人工智能中的关键技术，提出一种管理相对人风险预测以及信息推荐方法及装置。通过构建管理相对人的画像，提高对管理相对人的了解程度，发现管理相对人的特征及活动特性，挖掘管理相对人产生风险案件的影响因素，并能够预测风险案件发生的概率和发展动向，并为管理相对人推荐科学的防范措施，降低风险案件发生的可能性。

发明内容

本发明的目的在于改变现有的监管管理相对人方法中的不足，提供了一种管理相对人风险预测以及信息推荐方法及装置。

一方面，本发明实施例提供了一种管理相对人风险预测以及信息推荐方法，包括：

获取管理相对人信息数据，建立管理相对人的用户画像；

根据用户画像以及聚类算法建立管理相对人群组的用户群组画像；

根据用户画像预测管理相对人发生风险案件的类型和概率；

获取风险案例信息数据，并获取包含用于表征所述风险案例信息的内容属性的标签集合；

根据用户画像，从风险案例信息数据中确定与管理相对人相匹配的目标风险案例信息，进行个性化案例推荐；

根据用户群组画像，从风险案例信息数据中确定与管理相对人群组相匹配的目标风险案例信息，进行群体化案例推荐。

进一步地，管理相对人信息数据包括管理相对人的基本信息数据，管理相对人活动数据，监管调查数据，以及相关风险案件数据。

进一步地，建立管理相对人用户画像，具体包括：

将管理相对人信息数据进行查询和数据清洗，并获取管理相对人的静态画像，静态画像包括管理相对人的基本信息数据；