风险信息生成方法、装置、计算机设备和存储介质与流程

本申请涉及计算机技术领域，特别是涉及一种风险信息生成方法、装置、计算机设备和存储介质。

背景技术：

在风险评估过程中，为了快速了解目标企业，一般会根据目标企业的企业资讯构建企业关系图。企业关系图可以直观地体现目标企业与关联企业之间存在关联，但其提供的数据有限，无法直接给风险评估提供参考借鉴，因而大量的企业关系图被搁置浪费。可是企业关系图是根据目标公司的企业资讯构建的，包含了关联企业对目标企业可能造成的影响，因此现在缺少一种对企业关系图进行分析挖掘得到目标企业风险的分析方法。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够对目标企业的风险进行评估的风险信息生成方法、装置、计算机设备和存储介质。

一种风险信息生成方法，所述方法包括：

接收终端发送的目标企业的风险分析指令；

根据所述风险分析指令获取所述目标企业的企业舆情信息；

识别所述企业舆情信息中出现的各关联企业及各所述关联企业与所述目标企业之间的关联度和正负面评价结果；

根据所述关联企业、所述关联度和所述正负面评价结果生成所述目标企业的企业关系图；

搜索与所述企业关系图匹配的历史关系图，并获取与所述历史关系图对应的历史企业的历史经营状态；

根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，所述风险信息用于解释导致企业风险的原因，并将所述风险信息发送给所述终端。

在其中一个实施例中，所述根据所述风险分析指令获取所述目标企业的企业舆情信息，包括：

根据所述风险分析指令获取预设周期内所述目标企业的企业动态信息；

获取所述目标企业的管理层名单及行业类别；

根据所述管理层名单获取预设周期内的管理层言论数据；

根据所述行业类别对所述管理层言论数据进行筛选；

根据所述企业动态信息和筛选后的所述管理层言论数据生成企业舆情信息。

在其中一个实施例中，所述搜索与所述企业关系图匹配的历史关系图，包括：

提取所述企业关系图的图像特征；

在历史关系图库中搜索具有所述图像特征的历史关系图；

获取预设图像特征比值；

当所述历史关系图中具有的所述图像特征的数量比大于预设图像特征比值时，则判定所述历史关系图像与所述企业关系图匹配。

在其中一个实施例中，所述识别出所述企业舆情信息中的各关联企业及各所述关联企业与所述目标企业之间的关联度和正负面评价结果，包括：

文本抽取所述企业舆情信息中各关联企业与所述目标企业之间的关系表达式；

根据所述关系表达式获取所述企业舆情信息中各所述关联企业与所述目标企业之间的关联度；

从所述企业舆情信息中提取情感词语；

对所述情感词语进行正负面分析，并基于所述关系表达式得到各所述关联企业与所述目标企业之间的正负面评价结果。

在其中一个实施例中，所述根据所述关联企业、所述关联度和所述正负面评价生成所述目标企业的企业关系图，包括：

获取预设关系图框架中各关联层级的关联度取值范围及排布方式；

查找与所述关联度取值范围匹配的所述关联企业；

根据所述排布方式和所述正负面评价结果对匹配的所述关联企业进行排布；

根据生成的各所述关联层级架构图谱，得到针对所述目标企业的企业关系图。

在其中一个实施例中，所述根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，包括：

对所述历史经营状态进行评分，得到历史经营得分；

获取所述企业关系图与所述历史关系图的近似度；

根据所述近似度和所述历史经营得分计算得到所述目标企业的企业经营得分；

根据所述企业经营得分生成所述目标企业的风险信息。

在其中一个实施例中，所述根据所述企业经营得分生成所述目标企业的风险信息，包括：

根据所述企业经营得分判定所述目标企业的预估风险状态；

生成含有所述预估风险状态、所述企业关系图、所述历史经营状态及所述历史关系图的风险信息。

一种风险信息生成装置，所述装置包括：

指令接收模块，用于接收终端发送的目标企业的风险分析指令；

舆情信息获取模块，用于根据所述风险分析指令获取所述目标企业的企业舆情信息；

舆情信息识别模块，用于识别出所述企业舆情信息中的各关联企业及各所述关联企业与所述目标企业之间的关联度和正负面评价结果；

关系图生成模块，用于根据所述关联企业、所述关联度和所述正负面评价结果生成所述目标企业的企业关系图；

关系图搜索模块，用于搜索与所述企业关系图近似的历史关系图，并获取与所述历史关系图对应的历史企业的历史经营状态；

风险信息生成模块，用于根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，所述风险信息用于解释导致企业风险的原因，并将所述风险信息发送给所述终端。

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方法的步骤。

一种计算机可读存储介质，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方法的步骤。

上述风险信息生成方法、装置、计算机设备和存储介质，可以通过构建的企业关系图让用户快速了解目标企业与关联企业之间存在的联系，又可以对企业关系图、历史关系图和历史经营状态之间的数据关联进行分析，并实现对目标企业的经营状态进行预估，生成目标企业的风险信息，风险信息用于解释导致企业风险的原因，不仅实现对企业关系图深层次分析挖掘，而且目标企业的企业关系图还包含了关联企业与目标企业之间的关联度和正负面评价结果，增加了企业关系图的图像特征，提高了风险信息准确度。

附图说明

图1为一个实施例中风险信息生成方法的应用场景图；

图2为一个实施例中风险信息生成方法的流程示意图；

图3为一个实施例中舆情信息分析步骤的流程示意图；

图4为另一个实施例中企业关系图生成步骤的流程示意图；

图5为另一个实施例中风险信息生成方法的流程示意图；

图6为一个实施例中风险信息生成装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的风险信息生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信，服务器104通过另一网络与服务器106通信。终端102将目标企业的风险分析指令发送给服务器104，服务器104接收终端发送的目标企业的风险分析指令，而后服务器104根据风险分析指令从服务器106获取目标企业的企业舆情信息，服务器104识别出企业舆情信息中的各关联企业及各关联企业与目标企业之间的关联度和正负面评价结果，并根据关联企业、关联度和正负面评价结果生成目标企业的企业关系图，服务器104可以从服务器106搜索与企业关系图匹配的历史关系图，并获取与历史关系图对应的历史企业的历史经营状态，服务器104根据企业关系图、历史关系图和历史经营状态生成目标企业的风险信息，并将风险信息发送给终端102。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式智能设备，服务器104和服务器106均可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种风险信息生成方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：

步骤202，接收终端发送的目标企业的风险分析指令。

服务器104接收终端102发送的目标企业的风险分析指令。风险分析指令是用于指示对目标企业的各种舆情信息进行获取，并根据获得的舆情信息进行风险分析预警的指令，风险分析指令可以是包含目标企业的工作代码。风险分析指令中的目标企业可以通过识别用户在终端102输入的语音信息、文字信息等确定。终端102可以获取用户输入的语音信息或文字信息，并根据语音信息或文字信息识别出目标企业，而后生成风险分析指令。例如，用户可以在使用风险分析界面的过程中，点击语音识别功能，终端102获取用户输入的语音信息并识别出目标企业，并生成携带有目标企业的风险分析指令。

步骤204，根据所述风险分析指令获取所述目标企业的企业舆情信息。

服务器104根据风险分析指令获取预设周期内目标企业的企业舆情信息。预设周期可以根据用户的需求设置，周期的时间单位可以是天、周、月、季或年。企业舆情信息可以是民众根据行业政策或是国家政策或者目标企业的企业动态对目标企业的情感、态度、意见、观点的文字表达，也可以是目标企业的各种法律执行公告、行政数据、新闻报道等。服务器可以根据目标企业的企业名称或简称或代称从互联网爬取企业舆情信息，也可以在目标企业的网站上获取民众针对目标企业的企业舆情信息。

步骤206，识别所述企业舆情信息中出现的各关联企业，及各所述关联企业与所述目标企业之间的关联度和正负面评价结果。

服务器104识别出企业舆情信息中出现的各关联企业。关联企业是关联企业的企业名称与目标企业的企业名称在同一条企业舆情信息中出现，且与目标企业之间存在属性关联的第三方企业。例如，关联企业可以是目标企业的子公司、或是目标企业的客户、或是给目标企业提供服务的公司、或是目标企业竞争对手。服务器可以根据各关联企业、目标企业在企业舆情信息中的位置确定关联企业与目标企业之间的关联度，也可以提取企业舆情信息中连接关联企业与目标企业的连接词，根据连接词确定关联度。例如，当连接词为“和”时，关联企业与目标企业之间的关联度可以为0.5；当连接词为“收购”或者“投资”时，关联企业与目标企业之间的关联度可以为0.8；当在企业舆情信息中关联企业与目标企业位于不同句子或段落中时，连接词可以为“不存在”，关联企业与目标企业之间的关联度可以为0.2。

服务器可以从企业舆情信息中提取出情感词语，情感词语可以是“优于”、“优秀”“不足”等表示比较结果或判定结果的词语。服务器根据情感词语得到各关联企业与目标企业之间的正负面评价结果。正负面评价结果用于描述目标企业与关联企业相互的正负面影响，可以区分关联企业对目标企业的影响方向属于积极、还是消极，实现在信息如潮的互联网世界中及时地感知舆论导向，及时地做出各种应对策略和方案调整。

步骤208，根据所述关联企业、所述关联度和所述正负面评价结果生成所述目标企业的企业关系图。

服务器104根据关联企业、关联度和正负面评价结果生成目标企业的企业关系图。服务器可以根据关联度确定关联企业在企业关系图中的位置，再根据正负面评价结果确定关联企业的显示方式，而后得到针对目标企业的企业关系图。例如，企业关系图可以以目标企业为中心节点，中心节点周围的每个其他节点代表一个关联企业，目标企业与关联企业之间的关联度越高，则代表关联企业的其他节点与中心节点的距离越小，两个节点之间的位置用于描述两个企业之间的实际关联关系。而且，各节点的规格尺寸可以一致，也可以不一致。服务器可以根据关联企业的注册资本设置不同规格尺寸的节点。

在企业关系图中，服务器可以根据正负面评价结果分成两个图层，一个图层用于描述正面评价结果，另一个图层用于描述负面评价结果，两个图层同时展示时，体现的是完整的企业关系图；服务器也可以根据正负面评价结果对各节点的关联企业进行分别标注，例如，对应于正面评价结果的关联企业可以标注为红色；对应于负面评价结果的关联企业可以标注为绿色。

步骤210，搜索与所述企业关系图匹配的历史关系图，并获取与所述历史关系图对应的历史企业的历史经营状态。

服务器104搜索与企业关系图匹配的历史关系图，历史关系图可以存储在服务器104中的数据库中，也可以存储在与服务器104通信连接的服务器106中。历史关系图可以根据不同时间周期内的历史企业的历史舆情信息而生成的，例如，历史关系图可以是根据历史企业在某一天内的历史舆情信息构建的，也可以根据该企业在某一个月内的历史舆情信息构建的。历史关系图的时间周期可以是和预设周期一致，也可以大于或小于预设周期。

服务器104可以搜索与企业关系图近似的历史关系图，当历史关系图与企业关系图的相似度在预设近似范围内时，服务器判定历史关系图与企业关系图匹配。服务器可以采用gabor滤波器分别提取历史关系图与企业关系图的图片特征矢量，而后根据gabor滤波器的相似度计算公式计算两个图片特征矢量之间的相似度。

服务器104也可以先提取出企业关系图的图像特征，再提取历史关系图的图像特征，并当企业关系图与历史关系图中一致的图像特征大于预设数值时，判定历史关系图与企业关系图匹配。图像特征可以是与中心节点对应的其他节点的数量、其他节点的排布、每个其他节点的位置、每个其他节点的尺寸、每个其他节点代表的正负面评价结果等。当企业关系图与历史关系图中对应位置处的图像特征完全相同时，服务器判定图像特征一致。当服务器104判定历史关系图与企业关系图匹配时，服务器获取与历史关系图对应的历史企业的历史经营状态。历史经营状态可以是在与历史关系图对应的历史周期中历史企业的经营状况，例如存续、在业、吊销、注销、迁入、迁出、停业、清算等；历史经营状态也可以是在历史周期中历史企业的发展状况，例如在某一历史周期内，历史企业收入增长率或是企业收入衰减率等。

步骤212，根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，所述风险信息用于解释导致企业风险的原因，并将所述风险信息发送给所述终端。

服务器104根据企业关系图、历史关系图和历史经营状态生成目标企业的风险信息，并将风险信息发送给终端102。服务器可以获取与历史关系图对应的历史舆情信息，根据历史经营状态对历史舆情信息进行分析，确定历史舆情信息和历史经营状态之间的风险关联因子，而后根据风险关联因子对企业舆情信息进行筛选，将筛选出的企业舆情信息作为风险信息并发送给终端102。风险关联因子可以根据历史经营状态、历史舆情信息的正负面评价结果以及关联度从历史舆情信息中提取或是概括得到。风险信息用于解释导致企业风险的原因，例如，风险信息可以是提示企业舆情信息中存在导致企业发生风险的风险关联因子。

服务器104也可以获取与历史关系图对应的历史舆情信息和历史企业特征，根据历史经营状态和历史企业特征对历史舆情信息进行分析，确定历史舆情信息和历史经营状态之间的风险关联因子，而后获取目标企业特征，根据风险关联因子和目标企业特征对企业舆情信息进行筛选，将筛选出的企业舆情信息作为风险信息并发送给终端102。历史企业特征可以是历史企业的经营范围、历史企业的财务数值等。目标企业特征可以是目标企业的经营范围、目标企业的财务数值等。目标企业特征与历史企业特征对应。

服务器104也可以先获取与历史关系图对应的历史舆情信息及各历史企业之间的关联度，然后对历史舆情信息和历史经营状态进行评分，得到历史舆情信息的历史舆情得分和历史经营状态的历史经营得分，再根据历史舆情得分、历史经营得分和关联度得到历史关系图中的各位置的影响系数，服务器再对企业舆情信息进行评分得到企业舆情得分，服务器根据企业舆情得分、关联度及影响系数得到企业经营得分，并基于企业经营得分生成风险信息并发送给终端102。

虽然不同企业之间结构设置不一样，但是经过数据分析，企业关系图具有明显地小世界效应的特征，存在高度的聚类性，企业与企业彼此之间相互作用相互影响的关系非常紧密，因而影响企业经营状态和历史经营状态的风险关联因子大体是一致的，所以通过历史舆情信息和历史经营状态可以确定影响目标企业的风险关联因子，从而对企业舆情信息进行风险预估和筛选。

上述风险信息生成方法，既可以让用户快速了解目标企业与关联企业之间存在的关联，又可以根据企业关系图实现对目标企业的经营状态进行预估，生成目标企业的风险信息，不仅实现对企业关系图深层次分析挖掘，而且目标企业的企业关系图还显示了关联企业与目标企业之间的关联度和正负面评价结果，提高了风险信息准确度。

在另一个实施例中，根据所述风险分析指令获取所述目标企业的企业舆情信息，包括以下步骤：根据所述风险分析指令获取预设周期内所述目标企业的企业动态信息；获取所述目标企业的管理层名单及行业类别；根据所述管理层名单获取预设周期内的管理层言论数据；根据所述行业类别对所述管理层言论数据进行筛选；根据所述企业动态信息和筛选后的所述管理层言论数据生成企业舆情信息。

服务器104可以根据风险分析指令获取预设周期内目标企业的企业动态信息。企业动态信息可以是目标企业的各种法律执行公告、行政数据、已承接或新创建的企业项目、新闻报道等。预设周期可以是系统默认或由用户设置。

服务器104获取目标企业的管理层名单及行业类别。管理层名单可以包含目标企业当前任期内的所有管理层，也可以包含目标企业上一任期和当前任期内的所有管理层。

服务器104根据管理层名单获取预设周期内的管理层言论数据。管理层言论数据是管理层发表的针对不同企业的项目或行业动态的言论，可以从新闻报道或管理层发表的文章中获取。

服务器104根据行业类别对管理层言论数据进行筛选，将管理层发表的针对本行业类别中的不同企业的各种言论数据筛选出来。而后服务器104根据企业动态信息和筛选后的管理层言论数据生成企业舆情信息。企业舆情信息可以是由一条或多条企业动态信息和/或筛选后的管理层言论数据生成的。

上述风险信息生成方法，全面地获取与目标企业相关的各种企业舆情信息，从而提高了企业关系图的准确性。

在一些实施例中，搜索与所述企业关系图匹配的历史关系图，具有以下步骤：提取所述企业关系图的图像特征；在历史关系图库中搜索具有所述图像特征的历史关系图；获取预设图像特征比值；当所述历史关系图中具有的所述图像特征的数量比大于预设图像特征比值时，则判定所述历史关系图像与所述企业关系图匹配。

服务器104可以对企业关系图进行图像特征提取，例如，服务器可以从企业关系图中提取出企业关系图具有的关联层级数、每层关联层级上排布有几个关联企业、每层关联层级中正面评价结果数量以及正面评价结果在该层中的数量占比等。

服务器104在历史关系图库中搜索具有图像特征的历史关系图。服务器对历史关系图进行图像特征提取，当提取出的图像特征与企业关系图中的图像特征一致时，服务器判定该历史关系图具有企业关系图中的图像特征，历史关系图可以含有一至多个企业关系图中的图像特征。

服务器104获取预设图像特征比值，预设图像特征比值可以设置在70％～90％之间。服务器104可以根据历史关系图中具有的图像特征的数量和企业关系图的图像特征的数量计算历史关系图中具有的图像特征的数量比，而后判断历史关系图中具有的图像特征的数量比是否大于预设图像特征比值。当判断数量比大于预设图像特征比值时，则判定历史关系图像与企业关系图匹配；当判断数量比小于预设图像特征比值时，则判定历史关系图像与企业关系图不匹配。

在一些实施例中，如图3所示，识别出所述企业舆情信息中的各关联企业及各所述关联企业与所述目标企业之间的关联度和正负面评价结果，具有以下步骤：

步骤302，文本抽取所述企业舆情信息中各关联企业与所述目标企业之间的关系表达式。

服务器104对企业舆情信息进行文本抽取，得到各关联企业与目标企业之间的关系表达式。关系表达式是由目标企业、关联企业和联系这两个企业的关系表述构成的相关三元组。例如，企业舆情信息为“目标企业和关联企业签订合同”，关系表达式可以为“和(目标企业，关联企业)”；企业舆情信息为“目标企业在ai领域有···发展，关联企业在ai领域投入资金···”，关系表达式可以为“在ai领域有···发展，(目标企业，关联企业)”。

步骤304，根据所述关系表达式获取所述企业舆情信息中各所述关联企业与所述目标企业之间的关联度。

服务器104根据关系表达式获取企业舆情信息中各关联企业与目标企业之间的关联度。服务器可以根据关系表达式中联系这两个企业的关系表述得到关联企业与目标企业之间的关联度，当关系表述包含的词语越多，关联度越小。例如，当关系表达式为“和(目标企业，关联企业)”时，关联度可以为0.8；当关系表达式为“在ai领域有···发展，(目标企业，关联企业)”时，关联度可以为0.3。

步骤306，从所述企业舆情信息中提取情感词语。

服务器104从企业舆情信息中提取情感词语。情感词语可以是“优于”、“优秀”“不足”等表示比较结果或判定结果的词语。

步骤308，对所述情感词语进行正负面分析，并基于所述关系表达式得到各所述关联企业与所述目标企业之间的正负面评价结果。

服务器104对情感词语进行正负面分析，得到该情感词语是表示肯定的正面分析结果，还是表示否定的负面分析结果。服务器104基于关系表达式确定各关联企业与目标企业之间的连接词，进而根据连接词和正负面分析结果得到各关联企业与目标企业之间的正负面评价结果。例如，企业舆情信息为“目标企业的ai技术比关联企业的ai技术好”，其中，关系表达式为“的ai技术比(目标企业，关联企业)”，情感词语为“好”，该情感词语为表示肯定的正面分析结果，关系表达式中的关系表述存在连接词“比”，所以，对于目标企业而言，关联企业是目标企业的正面评价结果。

上述风险信息生成方法，通过关系体表达式识别出企业舆情信息的关联度和正面评价结果，提高了风险信息准确度。

在另一实施例中，如图4所示，根据所述关联企业、所述关联度和所述正负面评价生成所述目标企业的企业关系图，具有以下步骤：

步骤402，获取预设关系图框架中各关联层级的关联度取值范围及排布方式。

服务器104获取预设关系图框架中各关联层级的关联度取值范围及排布方式。预设关系图框架中可以具有一个中心层级和多个关联层级，中心层级设置目标企业，关联层级设置关联企业。预设关系图框架中记录有各关联层级与中心层级之间的距离。不同关联层级的关联度取值范围不重叠。关联层级的排布方式可以相同或不同。关联层级的排布方式可以是将被排布的关联企业编辑为圆形，并以目标企业为圆心，呈放射状均匀分布在目标企业的四周。

步骤404，查找与所述关联度取值范围匹配的所述关联企业。

服务器104查找与关联度取值范围匹配的关联企业。当关联企业与目标企业之间的关联度的数值在关联层级的关联度取值范围内时，服务器判定该关联企业与关联层级的关联度取值范围匹配。当关联企业与目标企业之间存在多条企业舆情信息，服务器可以根据各企业舆情信息对应的关联度将关联企业进行多次匹配，服务器也可以根据各企业舆情信息对应的关联度计算平均值，得到关联企业的平均关联度，服务器根据平均关联度确定关联企业的关联层级。

步骤406，根据所述排布方式和所述正负面评价结果对匹配的所述关联企业进行排布。

服务器104根据排布方式和正负面评价结果对匹配的关联企业进行排布。服务器可以先根据排布方式将匹配的关联企业排布在关联层级上，而后再根据正负面评价结果将匹配的关联企业进行区分，并对区分的关联企业分别进行差异化示意。例如，排布方式可以为将关联企业均匀分布在一个圆形上，该圆形的圆心处对应目标企业。服务器根据排布方式将关联企业呈圆形排布，而后根据正负面评价结果将匹配的关联企业进行区分，将正面评价结果对应的关联企业标注为红色，将负面评价结果对应的关联企业标注为绿色，生成排布好的关联层级。

服务器也可以根据正负面评价结果得到匹配的关联企业与目标企业之间的正负面评价，再根据排布方式和正负面评价对匹配的关联企业进行排布。例如，排布方式可以为将关联企业填入圆框中，当关联企业的评价为正面评价时的圆框的尺寸大于当关联企业的评价为负面评价时的圆框的尺寸，将圆框均匀分布在一个圆形上，该圆形的圆心处对应目标企业。服务器可以根据正负面评价结果得到匹配的关联企业与目标企业之间的正负面评价，当关联企业的评价为正面评价时的圆框的尺寸为2厘米，当关联企业的评价为负面评价时，圆框的尺寸为1厘米，服务器再将各填充有关联企业的圆框均匀分布在圆形上，生成排布好的关联层级。

步骤408，根据生成的各所述关联层级架构图谱，得到针对所述目标企业的企业关系图。

服务器104根据生成的各关联层级架构图谱，得到针对目标企业的企业关系图。服务器采用同心圆的方式根据预设关系图框架中各关联层级与中心层级之间的距离对各关联层级进行排布，得到针对目标企业的企业关系图。

上述风险信息生成方法，用图画的方式显示了关联企业与目标企业之间的关联度和正负面评价结果，简单明了地显示目标企业与关联企业之间的联系。

在另一实施例中，如图5所示，根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，具有以下步骤：

步骤502，对所述历史经营状态进行评分，得到历史经营得分。

服务器104对历史经营状态进行评分，得到历史经营得分。历史经营状态可以为破产、注销、勉强经营、存续和发展等状态，不同经营状态的得分也不一样。服务器可以对历史经营状态直接进行评分，得到历史经营得分；还可以根据历史经营状态对应的借存款数量，对历史经营状态进行评分，得到历史经营得分。

步骤504，获取所述企业关系图与所述历史关系图的近似度。

服务器104获取企业关系图与历史关系图的近似度。服务器可以从企业关系图和历史关系图中分别提取特征矢量，通过计算特征矢量的近似度得到图像的近似度。特征矢量可以通过gabor小波卷积方法对各关系图进行提取，并通过gabor小波卷积方法的相似性计算公式计算得到企业关系图与历史关系图的近似度。服务器可以在获取历史关系图时，计算近似度，而后将近似度与历史关系图对应存储在数据库中，当服务器需要获取近似度数值时，服务器可以从数据库中直接获取。

步骤506，根据所述近似度和所述历史经营得分计算得到所述目标企业的企业经营得分。

服务器104根据近似度和历史经营得分计算得到目标企业的企业经营得分，服务器可以计算近似度和历史经营得分的乘积，将其乘积作为企业经营得分。当存在多张历史关系图时，服务器可以分别计算各历史关系图的近似度和历史经营得分的乘积，而后计算乘积的平均值，并将乘积的平均值作为企业经营得分；服务器也可以先计算历史关系图与企业关系图的平均近似度及平均历史经营得分，而后计算平均近似度和平均历史经营得分的乘积，将其乘积作为企业经营得分。

步骤508，根据所述企业经营得分生成所述目标企业的风险信息。

服务器104根据企业经营得分生成目标企业的风险信息。服务器可以先获取分数上限值或分数下限值，再根据企业经营得分和分数上限值或分数下限值生成风险信息；服务器也可以生成含有企业关系图和企业经营得分的风险信息。

在另一实施例中，根据所述企业经营得分生成所述目标企业的风险信息，包括以下步骤：根据所述企业经营得分判定所述目标企业的预估风险状态；生成含有所述预估风险状态、所述企业关系图、所述历史经营状态及所述历史关系图的风险信息。

服务器104根据企业经营得分判定目标企业的预估风险状态，服务器可以先获取与不同状态对应的预设得分范围，再根据企业经营得分和预设得分范围确定目标企业的预估风险状态。服务器再生成含有预估风险状态、企业关系图、历史经营状态及历史关系图的风险信息。

上述风险信息生成方法，生成的风险信息中含有预估风险状态、企业关系图、历史关系图和历史经营状态，既可以让用户快速了解目标企业与关联企业之间存在的关联，又实现对目标企业的经营状态进行预估，还可以提供作为借鉴的历史关系图。

应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种风险信息生成装置，包括：指令接收模块602、舆情信息获取模块604、舆情信息识别模块606、关系图生成模块608、关系图搜索模块610和风险信息生成模块612，其中：

指令接收模块602，用于接收终端发送的目标企业的风险分析指令。

舆情信息获取模块604，用于根据所述风险分析指令获取所述目标企业的企业舆情信息。

舆情信息识别模块606，用于识别所述企业舆情信息中出现的各关联企业，及各所述关联企业与所述目标企业之间的关联度和正负面评价结果。

关系图生成模块608，用于根据所述关联企业、所述关联度和所述正负面评价结果生成所述目标企业的企业关系图。

关系图搜索模块610，用于搜索与所述企业关系图近似的历史关系图，并获取与所述历史关系图对应的历史企业的历史经营状态。

风险信息生成模块612，用于根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，所述风险信息用于解释导致企业风险的原因，并将所述风险信息发送给所述终端。

在一些实施例中，舆情信息获取模块604包括企业动态信息获取单元、管理层名单类别获取单元、言论数据获取单元、言论数据筛选单元和舆情信息生成单元，其中：

企业动态信息获取单元，用于根据所述风险分析指令获取预设周期内所述目标企业的企业动态信息。

管理层名单类别获取单元，用于获取所述目标企业的管理层名单及行业类别。

言论数据获取单元，用于根据所述管理层名单获取预设周期内的管理层言论数据。

言论数据筛选单元，用于根据所述行业类别对所述管理层言论数据进行筛选。

舆情信息生成单元，用于根据所述企业动态信息和筛选后的所述管理层言论数据生成企业舆情信息。

在另一实施例中，关系图搜索模块610包括图像特征提取单元、历史关系图搜索单元、特征比值获取单元和匹配判定单元，其中：

图像特征提取单元，用于提取所述企业关系图的图像特征。

历史关系图搜索单元，用于在历史关系图库中搜索具有所述图像特征的历史关系图。

特征比值获取单元，用于获取预设图像特征比值。

匹配判定单元，用于当所述历史关系图中具有的所述图像特征的数量比大于预设图像特征比值时，则判定所述历史关系图像与所述企业关系图匹配。

在一个实施例中，舆情信息识别模块606包括关系表达式抽取单元、关联度获取单元、情感词语提取单元和评价结果生成单元，其中：

关系表达式抽取单元，用于文本抽取所述企业舆情信息中各关联企业与所述目标企业之间的关系表达式。

关联度获取单元，用于根据所述关系表达式获取所述企业舆情信息中各所述关联企业与所述目标企业之间的关联度。

情感词语提取单元，用于从所述企业舆情信息中提取情感词语。

评价结果生成单元，用于对所述情感词语进行正负面分析，并基于所述关系表达式得到各所述关联企业与所述目标企业之间的正负面评价结果。

在一些实施例中，关系图生成模块608包括框架信息获取单元、匹配企业查找单元、关联企业排布单元和关系图生成单元，其中：

框架信息获取单元，用于获取预设关系图框架中各关联层级的关联度取值范围及排布方式。

匹配企业查找单元，用于查找与所述关联度取值范围匹配的所述关联企业。

关联企业排布单元，用于根据所述排布方式和所述正负面评价结果对匹配的所述关联企业进行排布。

关系图生成单元，用于根据生成的各所述关联层级架构图谱，得到针对所述目标企业的企业关系图。

在另一实施例中，风险信息生成模块612包括经营状态评分单元、近似度获取单元、企业经营得分计算单元和风险信息生成单元，其中：

经营状态评分单元，用于对所述历史经营状态进行评分，得到历史经营得分。

近似度获取单元，用于获取所述企业关系图与所述历史关系图的近似度。

企业经营得分计算单元，用于根据所述近似度和所述历史经营得分计算得到所述目标企业的企业经营得分。

风险信息生成单元，用于根据所述企业经营得分生成所述目标企业的风险信息。

在一些实施例中，风险信息生成模块612还包括预估风险状态判定单元和风险信息生成单元，其中：

预估风险状态判定单元，用于根据所述企业经营得分判定所述目标企业的预估风险状态。

风险信息生成单元，用于生成含有所述预估风险状态、所述企业关系图、所述历史经营状态及所述历史关系图的风险信息。

关于风险信息生成装置的具体限定可以参见上文中对于风险信息生成方法的限定，在此不再赘述。上述风险信息生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标企业的管理层名单、行业类别、近似度等风险信息生成数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种风险信息生成方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

接收终端发送的目标企业的风险分析指令；

根据所述风险分析指令获取所述目标企业的企业舆情信息；

识别所述企业舆情信息中出现的各关联企业，及各所述关联企业与所述目标企业之间的关联度和正负面评价结果；

根据所述关联企业、所述关联度和所述正负面评价结果生成所述目标企业的企业关系图；

搜索与所述企业关系图匹配的历史关系图，并获取与所述历史关系图对应的历史企业的历史经营状态；

根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，所述风险信息用于解释导致企业风险的原因，并将所述风险信息发送给所述终端。

在一个实施例中，处理器执行计算机程序时实现根据所述风险分析指令获取所述目标企业的企业舆情信息的步骤时，还用于：根据所述风险分析指令获取预设周期内所述目标企业的企业动态信息；获取所述目标企业的管理层名单及行业类别；根据所述管理层名单获取预设周期内的管理层言论数据；根据所述行业类别对所述管理层言论数据进行筛选；根据所述企业动态信息和筛选后的所述管理层言论数据生成企业舆情信息。

在一个实施例中，处理器执行计算机程序时实现搜索与所述企业关系图匹配的历史关系图的步骤时，还用于：提取所述企业关系图的图像特征；在历史关系图库中搜索具有所述图像特征的历史关系图；获取预设图像特征比值；当所述历史关系图中具有的所述图像特征的数量比大于预设图像特征比值时，则判定所述历史关系图像与所述企业关系图匹配。

在一个实施例中，处理器执行计算机程序时实现识别出所述企业舆情信息中的各关联企业及各所述关联企业与所述目标企业之间的关联度和正负面评价结果的步骤时，还用于：文本抽取所述企业舆情信息中各关联企业与所述目标企业之间的关系表达式；根据所述关系表达式获取所述企业舆情信息中各所述关联企业与所述目标企业之间的关联度；从所述企业舆情信息中提取情感词语；对所述情感词语进行正负面分析，并基于所述关系表达式得到各所述关联企业与所述目标企业之间的正负面评价结果。

在一个实施例中，处理器执行计算机程序时实现根据所述关联企业、所述关联度和所述正负面评价生成所述目标企业的企业关系图的步骤时，还用于：获取预设关系图框架中各关联层级的关联度取值范围及排布方式；查找与所述关联度取值范围匹配的所述关联企业；根据所述排布方式和所述正负面评价结果对匹配的所述关联企业进行排布；根据生成的各所述关联层级架构图谱，得到针对所述目标企业的企业关系图。

在一个实施例中，处理器执行计算机程序时实现根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息的步骤时，还用于：对所述历史经营状态进行评分，得到历史经营得分；获取所述企业关系图与所述历史关系图的近似度；根据所述近似度和所述历史经营得分计算得到所述目标企业的企业经营得分；根据所述企业经营得分生成所述目标企业的风险信息。

在一个实施例中，处理器执行计算机程序时实现根据所述企业经营得分生成所述目标企业的风险信息的步骤时，还用于：根据所述企业经营得分判定所述目标企业的预估风险状态；生成含有所述预估风险状态、所述企业关系图、所述历史经营状态及所述历史关系图的风险信息。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

接收终端发送的目标企业的风险分析指令；

根据所述风险分析指令获取所述目标企业的企业舆情信息；

识别所述企业舆情信息中出现的各关联企业，及各所述关联企业与所述目标企业之间的关联度和正负面评价结果；

根据所述关联企业、所述关联度和所述正负面评价结果生成所述目标企业的企业关系图；

搜索与所述企业关系图匹配的历史关系图，并获取与所述历史关系图对应的历史企业的历史经营状态；

根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息，所述风险信息用于解释导致企业风险的原因，并将所述风险信息发送给所述终端。

在一个实施例中，计算机程序被处理器执行时实现根据所述风险分析指令获取所述目标企业的企业舆情信息的步骤时还用于：根据所述风险分析指令获取预设周期内所述目标企业的企业动态信息；获取所述目标企业的管理层名单及行业类别；根据所述管理层名单获取预设周期内的管理层言论数据；根据所述行业类别对所述管理层言论数据进行筛选；根据所述企业动态信息和筛选后的所述管理层言论数据生成企业舆情信息。

在一个实施例中，计算机程序被处理器执行时实现搜索与所述企业关系图匹配的历史关系图的步骤时还用于：提取所述企业关系图的图像特征；在历史关系图库中搜索具有所述图像特征的历史关系图；获取预设图像特征比值；当所述历史关系图中具有的所述图像特征的数量比大于预设图像特征比值时，则判定所述历史关系图像与所述企业关系图匹配。

在一个实施例中，计算机程序被处理器执行时实现识别出所述企业舆情信息中的各关联企业及各所述关联企业与所述目标企业之间的关联度和正负面评价结果的步骤时还用于：文本抽取所述企业舆情信息中各关联企业与所述目标企业之间的关系表达式；根据所述关系表达式获取所述企业舆情信息中各所述关联企业与所述目标企业之间的关联度；从所述企业舆情信息中提取情感词语；对所述情感词语进行正负面分析，并基于所述关系表达式得到各所述关联企业与所述目标企业之间的正负面评价结果。

在一个实施例中，计算机程序被处理器执行时实现根据所述关联企业、所述关联度和所述正负面评价生成所述目标企业的企业关系图的步骤时还用于：获取预设关系图框架中各关联层级的关联度取值范围及排布方式；查找与所述关联度取值范围匹配的所述关联企业；根据所述排布方式和所述正负面评价结果对匹配的所述关联企业进行排布；根据生成的各所述关联层级架构图谱，得到针对所述目标企业的企业关系图。

在一个实施例中，计算机程序被处理器执行时实现根据所述企业关系图、所述历史关系图和所述历史经营状态生成所述目标企业的风险信息的步骤时还用于：对所述历史经营状态进行评分，得到历史经营得分；获取所述企业关系图与所述历史关系图的近似度；根据所述近似度和所述历史经营得分计算得到所述目标企业的企业经营得分；根据所述企业经营得分生成所述目标企业的风险信息。

在一个实施例中，计算机程序被处理器执行时实现根据所述企业经营得分生成所述目标企业的风险信息的步骤时还用于：根据所述企业经营得分判定所述目标企业的预估风险状态；生成含有所述预估风险状态、所述企业关系图、所述历史经营状态及所述历史关系图的风险信息。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。