本发明专利技术提供一种疑似非法集资项目判断方法、装置、计算机设备与存储介质，所述方法包括S1：收集非法集资案例，组建非法集资案例库；S2：对所述非法集资案例进行风险信息提取，获得非法集资案例风险特征；S3：对所述非法集资案例风险特征进行分类，组建非法集资风险特征库，并设立风险阈值；S4：将待检测集资项目进行特征提取，获得待检测集资项目特征；S5：将待检测集资项目特征与非法集资风险特征库中的非法集资案例风险特征进行相似度度量，获得度量结果；S6：比较所述度量结果和风险阈值，根据比较结果将待检测集资项目判定为疑似非法集资项目或无风险集资项目。本方法对疑似非法集资项目判断判定结果准确性高。项目判断判定结果准确性高。项目判断判定结果准确性高。
【技术实现步骤摘要】
疑似非法集资项目判断方法、装置、计算机设备与存储介质
[0001]本专利技术涉及金融风控领域，更具体地，涉及一种疑似非法集资项目判断方法、装置、计算机设备与存储介质。
技术介绍
[0002]所谓非法集资，是指公司、企业、个人或其他组织未经批准。违反法律、法规，通过不正当的渠道，向社会公众或者集体募集资金的行为。刑法上的非法集资是指非法吸收公众存款罪、集资诈骗罪。近年来，非法集资正在以多元方式进行演变，随着互联网的普及，不少非法集资的平台，打着互联网+的旗号。非法集资犯罪手法隐蔽性、欺骗性和诱惑性增强，以所谓高科技、互联网+等新模式模糊犯罪界限。原有对疑似非法集资项目风险评级方法已经无法研判多样化的非法集资行为。
[0003]2019年2月15日公开的中国专利CN109345381A提供了一种风险识别方法，用于对企业失信风险进行识别，所述方法包括：将所述企业失信风险的测试数据输入至决策树模型，供所述决策树学习以生成失信风险识别模型；获取所述企业失信风险的待预测数据；将所述企业失信风险的待预测数据输入至所述失信风险识别模型中，通过所述失信风险识别模型基于所述企业失信风险的待预测数据进行预测；将所述预测结果显示于所述终端的显示界面，以供用户可以清楚地获知预测结果。该方法解决了通过人工的方式无法分析数量级巨大的企业数据，但结果准确性不高。
技术实现思路
[0004]本专利技术为克服上述现有技术对疑似非法集资项目判断结果准确性不高的缺陷，提供一种疑似非法集资项目判断方法、装置、计算机设备与存储介质。r/>[0005]本专利技术的技术方案如下：
[0006]本专利技术提供一种疑似非法集资项目判断方法，所述方法包括以下步骤：
[0007]S1：收集非法集资案例，组建非法集资案例库；所述费非法集资案例为经法院判决定性为非法集资项目的案例；
[0008]S2：对所述非法集资案例进行风险信息提取，获得非法集资案例风险特征；
[0009]S3：对所述非法集资案例风险特征进行分类，组建非法集资风险特征库，并设立风险阈值；
[0010]S4：将待检测集资项目进行特征提取，获得待检测集资项目特征；
[0011]S5：将待检测集资项目特征与非法集资风险特征库中的非法集资案例风险特征进行相似度度量，获得度量结果；
[0012]S6：比较所述度量结果和风险阈值，根据比较结果将待检测集资项目判定为疑似非法集资项目或无风险集资项目。
[0013]优选地，所述方法还包括以下步骤：
[0014]S7：将被判定为疑似非法集资项目的待检测集资项目输入已有的基于层次分析算
法的风险评价模型，对该项目进行风险程度评价。
[0015]优选地，所述S2中，风险信息包括股权信息、工商异常信息、司法处罚信息、法律纠纷信息、注册资金信息、关联企业信息、投诉信息、舆情信息、广告信息、招聘信息和管理人员变更信息。
[0016]优选地，所述S3中，对所述非法集资案例风险特征进行分类时，采用K
‑
means算法进行分类。
[0017]优选地，所述S3中，将非法集资案例风险特征分为财务风险特征、法律风险特征、舆情风险特征和公司风险特征；
[0018]所述财务风险特征包括股权信息和注册资金信息；所述法律风险特征包括工商异常信息、司法处罚信息和法律纠纷信息；所述舆情风险特征包括投诉信息、舆情信息和广告信息；所述公司风险特征包括招聘信息、管理人员变更信息和关联企业信息。
[0019]优选地，所述S5中，将待检测集资项目特征与非法集资风险特征库中的非法集资案例风险特征进行相似度度量时，采用Word2vec进行相似度度量。
[0020]优选地，所述S6中，将所述度量结果和风险阈值进行比较，当度量结果大于风险阈值时，将将待检测集资项目判定为疑似非法集资项目；当度量结果小于或等于风险阈值时，将将待检测集资项目判定为无风险集资项目。
[0021]本专利技术还提供了一种疑似非法集资项目判断装置，所述装置包括：
[0022]案例收集模块，用于收集经法院判决定性为非法集资项目的案例；
[0023]信息提取模块，用于提取非法集资案例风险信息，生成非法集资案例风险特征；
[0024]分类模块，用于将非法集资案例风险特征进行分类，组成非法集资风险特征库；
[0025]特征提取模块，用于提取待检测集资项目的特征；
[0026]相似度度量模块，用于对待检测集资项目特征与非法集资风险特征库中的非法集资案例风险特征进行相似度度量；
[0027]比较判定模块，用于比较度量结果和风险阈值，依据比较结果对待检测集资项目进行判定；
[0028]风险评估模块，用于评价被判定为疑似非法集资项目的风险程度。
[0029]本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述一种疑似非法集资项目判断方法的步骤。
[0030]本专利技术还提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种疑似非法集资项目判断方法的步骤。
[0031]与现有技术相比，本专利技术技术方案的有益效果是：
[0032]本专利技术通过提取经法院判决定性为非法集资项目案例的风险信息，获得非法集资案例风险特征并对其进行分类，将提取的待检测集资项目特征与非法集资案例风险特征进行相似度度量，将度量结果和风险阈值进行比较，根据比较结果对待检测集资项目进行判定。本专利技术对疑似非法集资项目判断判定结果准确性高。
附图说明
[0033]图1为实施例1所述的一种疑似非法集资项目判断方法的流程图；
[0034]图2为实施例2所述的一种疑似非法集资项目判断装置的结构示意图。
具体实施方式
[0035]附图仅用于示例性说明，不能理解为对本专利的限制；
[0036]为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
[0037]对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0038]下面结合附图和实施例对本专利技术的技术方案做进一步的说明。
[0039]实施例1
[0040]本实施例提供一种疑似非法集资项目判断方法，如图1所示，所述方法包括以下步骤：
[0041]S1：收集经法院判决定性为非法集资项目的案例，组建非法集资案例库；
[0042]S2：对所述非法集资案例进行风险信息提取，获得非法集资案例风险特征；
[0043]S3：对所述非法集资案例风险特征进行分类，组建非法集资风险特征库，并设立风险阈值；
[0044]S4：将待检测集资项目进行特征提取，获得待检测集资项目特征；
[0045]S5：比较所述度量结果和风险阈值，根据比较结果将待检测集资项目判定为疑似非法集资项目或无风险集资项目；
[0046]S6本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种疑似非法集资项目判断方法，其特征在于，所述方法包括以下步骤：S1：收集非法集资案例，组建非法集资案例库；S2：对所述非法集资案例进行风险信息提取，获得非法集资案例风险特征；S3：对所述非法集资案例风险特征进行分类，组建非法集资风险特征库，并设立风险阈值；S4：将待检测集资项目进行特征提取，获得待检测集资项目特征；S5：将待检测集资项目特征与非法集资风险特征库中的非法集资案例风险特征进行相似度度量，获得度量结果；S6：比较所述度量结果和风险阈值，根据比较结果将待检测集资项目判定为疑似非法集资项目或无风险集资项目。2.根据权利要求1所述的一种疑似非法集资项目判断方法，其特征在于，所述方法还包括以下步骤：S7：将被判定为疑似非法集资项目的待检测集资项目输入已有的基于层次分析算法的风险评价模型，对该项目进行风险程度评价。3.根据权利要求2所述的一种疑似非法集资项目判断方法，其特征在于，所述S2中，风险信息包括股权信息、工商异常信息、司法处罚信息、法律纠纷信息、注册资金信息、关联企业信息、投诉信息、舆情信息、广告信息、招聘信息和管理人员变更信息。4.根据权利要求3所述的一种疑似非法集资项目判断方法，其特征在于，所述S3中，对所述非法集资案例风险特征进行分类时，采用K
‑
means算法进行分类。5.根据权利要求4所述的一种疑似非法集资项目判断方法，其特征在于，所述S3中，将非法集资案例风险特征分为财务风险特征、法律风险特征、舆情风险特征和公司风险特征；所述财务风险特征包括股权信息和注册资金信息；所述法律风险特征包括工商异常信息、司法处罚信息和法律纠纷...
【专利技术属性】
技术研发人员：张亦舒，
申请(专利权)人：广州金融科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。