关联对象识别方法技术

本申请公开了一种关联对象识别方法

【技术实现步骤摘要】
关联对象识别方法、装置、电子设备及存储介质


[0001]本申请涉及信息识别
，具体涉及一种关联对象识别方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]关联对象识别是一种近年来新兴的
，用于识别数个对象之间的关联关系
。
例如可以通过关联对象识别技术，向企业推荐潜在的交易对象，或者在企业进行交易时，对交易对象进行识别，判断是否可能存在交易风险
。
[0003]然而，目前的关联对象识别方法虽然能够进行简单的识别，但是识别精度不高，容易判断错误
。

技术实现思路

[0004]本申请提供一种关联对象识别方法
、
装置
、
电子设备及存储介质，旨在解决目前的关联对象识别方法识别精度不高的问题
。
[0005]第一方面，本申请提供一种关联对象识别方法，包括：
[0006]获取待识别的目标对象；
[0007]根据所述目标对象的经营范围信息和所述目标对象的物流信息，确定所述目标对象的实际经营信息；
[0008]根据所述目标对象的实际经营信息，以及预设的第一候选对象的实际经营信息，从所述第一候选对象中选择与所述目标对象关联的上游对象和
/
或下游对象
。
[0009]在本申请一种可能的实现方式中，所述根据所述目标对象的经营范围信息和所述目标对象的物流信息，确定所述目标对象的实际经营信息，包括：
[0010]获取与所述目标对象的行业信息相同的多个第二候选对象；
[0011]提取所述多个第二候选对象的经营范围信息中出现次数大于预设次数阈值的第一关键词信息；
[0012]通过预设的关联关系识别模型，对所述目标对象的物流信息
、
所述目标对象的经营范围信息和所述第一关键词信息进行处理，得到所述目标对象对应的第一目标系数；
[0013]根据所述第一目标系数，对所述第一关键词信息进行加权处理，并将加权后的第一关键词信息与所述目标对象的经营范围信息进行融合，得到所述目标对象的实际经营信息；
[0014]所述根据所述目标对象的实际经营信息，以及预设的第一候选对象的实际经营信息，从所述第一候选对象中选择与所述目标对象关联的上游对象和
/
或下游对象之前，所述方法还包括：
[0015]获取与第一候选对象的行业信息相同的多个第三候选对象；
[0016]提取所述多个第三候选对象的经营范围信息中出现次数大于预设次数阈值的第二关键词信息；
[0017]通过预设的关联关系识别模型，对所述第一候选对象的物流信息
、
所述第一候选对象的经营范围信息和所述第二关键词信息进行处理，得到所述第一候选对象对应的第二目标系数；
[0018]根据所述第二目标系数，对所述第二关键词信息进行加权处理，并将加权后的第二关键词信息与所述第一候选对象的经营范围信息进行融合，得到所述第一候选对象的实际经营信息
。
[0019]在本申请一种可能的实现方式中，所述预设的关联关系识别模型通过以下方法训练得到：
[0020]获取订单类型为目标类型的目标订单信息，并将同一目标订单信息中的寄件对象和所述同一目标订单信息中的收件对象分别作为上游对象，以及与所述上游对象关联的第一下游对象；
[0021]根据所述上游对象的经营范围信息和物流信息，和所述第一下游对象的经营范围信息和物流信息，构建正样本数据；
[0022]通过所述正样本数据，对初始的关联关系识别模型进行训练，得到预设的关联关系识别模型
。
[0023]在本申请一种可能的实现方式中，所述通过所述正样本数据，对初始的关联关系识别模型进行训练，得到预设的关联关系识别模型，包括：
[0024]针对每一个上游对象，根据对应的第一下游对象的行业信息，从预设的样本对象中选择所述每一个上游对象对应的第二下游对象，其中，所述每一个上游对象对应的第二下游对象是指与所述每一个上游对象不是上下游关系的样本对象；
[0025]根据所述上游对象的经营范围信息和寄件信息，以及所述上游对象对应的第二下游对象的经营范围信息和寄件信息，构建负样本数据；
[0026]根据所述正样本数据和所述负样本数据，对初始的关联关系识别模型进行训练，得到预设的关联关系识别模型
。
[0027]在本申请一种可能的实现方式中，所述针对每一个上游对象，根据对应的第一下游对象的行业信息，从预设的样本对象中选择所述每一个上游对象对应的第二下游对象，包括：
[0028]针对每一个上游对象，统计所述每一个上游对象对应的第一下游对象的行业信息，得到所述每一个上游对象对应的下游行业分布信息，其中，行业分布信息中包含多个不同行业信息的行业占比；
[0029]统计所有第一下游对象的行业信息，得到全局行业分布信息；
[0030]根据所述样本对象的行业信息，分别从所述每一个上游对象对应的下游行业分布信息中确定所述每一个上游对象对应的个体行业占比，以及从所述全局行业分布信息中确定所述样本对象对应的全局行业占比；
[0031]根据所述每一个上游对象对应的个体行业占比，以及所述样本对象对应的全局行业占比，从所述样本对象中选择所述每一个上游对象对应的第二下游对象
。
[0032]在本申请一种可能的实现方式中，所述根据所述目标对象的实际经营信息，以及预设的第一候选对象的实际经营信息，从所述第一候选对象中选择与所述目标对象关联的上游对象和
/
或下游对象，包括：
[0033]获取所述目标对象的对象身份信息，以及预设的第一候选对象的对象身份信息；
[0034]根据所述目标对象的实际经营信息
、
对象身份信息和物流信息，以及所述第一候选对象的实际经营信息
、
对象身份信息和物流信息，从所述第一候选对象中选择与所述目标对象关联的上游对象和
/
或下游对象
。
[0035]在本申请一种可能的实现方式中，所述根据所述目标对象的实际经营信息
、
对象身份信息和物流信息，以及所述第一候选对象的实际经营信息
、
对象身份信息和物流信息，从所述第一候选对象中选择与所述目标对象关联的上游对象和
/
或下游对象，包括：
[0036]对所述目标对象的实际经营信息
、
对象身份信息和物流信息，以及所述第一候选对象的实际经营信息
、
对象身份信息和物流信息进行融合处理，得到融合信息；
[0037]通过预设的关联关系识别模型，对所述融合信息进行预测处理，得到所述目标对象与所述第一候选对象之间的关联概率；
[0038]将关联概率大于预设概率阈值的第一候选对象设置为所述目标对象关联的上游和
/
或下游对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种关联对象识别方法，其特征在于，包括：获取待识别的目标对象；根据所述目标对象的经营范围信息和所述目标对象的物流信息，确定所述目标对象的实际经营信息；根据所述目标对象的实际经营信息，以及预设的第一候选对象的实际经营信息，从所述第一候选对象中选择与所述目标对象关联的上游对象和
/
或下游对象
。2.
根据权利要求1所述的关联对象识别方法，其特征在于，所述根据所述目标对象的经营范围信息和所述目标对象的物流信息，确定所述目标对象的实际经营信息，包括：获取与所述目标对象的行业信息相同的多个第二候选对象；提取所述多个第二候选对象的经营范围信息中出现次数大于预设次数阈值的第一关键词信息；通过预设的关联关系识别模型，对所述目标对象的物流信息
、
所述目标对象的经营范围信息和所述第一关键词信息进行处理，得到所述目标对象对应的第一目标系数；根据所述第一目标系数，对所述第一关键词信息进行加权处理，并将加权后的第一关键词信息与所述目标对象的经营范围信息进行融合，得到所述目标对象的实际经营信息；所述根据所述目标对象的实际经营信息，以及预设的第一候选对象的实际经营信息，从所述第一候选对象中选择与所述目标对象关联的上游对象和
/
或下游对象之前，所述方法还包括：获取与第一候选对象的行业信息相同的多个第三候选对象；提取所述多个第三候选对象的经营范围信息中出现次数大于预设次数阈值的第二关键词信息；通过预设的关联关系识别模型，对所述第一候选对象的物流信息
、
所述第一候选对象的经营范围信息和所述第二关键词信息进行处理，得到所述第一候选对象对应的第二目标系数；根据所述第二目标系数，对所述第二关键词信息进行加权处理，并将加权后的第二关键词信息与所述第一候选对象的经营范围信息进行融合，得到所述第一候选对象的实际经营信息
。3.
根据权利要求2所述的关联对象识别方法，其特征在于，所述预设的关联关系识别模型通过以下方法训练得到：获取订单类型为目标类型的目标订单信息，并将同一目标订单信息中的寄件对象和所述同一目标订单信息中的收件对象分别作为上游对象，以及与所述上游对象关联的第一下游对象；根据所述上游对象的经营范围信息和物流信息，和所述第一下游对象的经营范围信息和物流信息，构建正样本数据；通过所述正样本数据，对初始的关联关系识别模型进行训练，得到预设的关联关系识别模型
。4.
根据权利要求3所述的关联对象识别方法，其特征在于，所述通过所述正样本数据，对初始的关联关系识别模型进行训练，得到预设的关联关系识别模型，包括：针对每一个上游对象，根据对应的第一下游对象的行业信息，从预设的样本对象中选
择所述每一个上游对象对应的第二下游对象，其中，所述每一个上游对象对应的第二下游对象是指与所述每一个上游对象不是上下游关系的样本对象；根据所述上游对象的经营范围信息和寄件信息，以及所述上游对象对应的第二下游对象的经营范围信息和寄件信息，构建负样本数据；根据所述正样本数据和所述负样本数据，对初始的关联关系识别模型进行训练，得到预设的关联关系识别模型
。5.
根据权利要求4所述的关联对象识别方法，其特征在于，所述针对每一个上游对象，根据对应的第一下游对象的行业信息，从预设的样本对象中选择所述...

【专利技术属性】
技术研发人员：余电，王梦晨，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：