基于大数据和Louvain算法的企业风险担保圈构建

来源 :现代计算机 | 被引量 : 0次 | 上传用户:Gzliao1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
担保圈的风险管理是目前监管单位非常棘手和迫在眉睫的难题,担保圈的风险“多米诺骨牌效应”,不仅影响到区域企业风险,也将风险传递至商业银行,甚至有可能发生区域性金融风险。本文通过企业担保关系、隶属关系、法人关系等数据基于大数据构建企业担保关系矩阵,并通过Louvain算法对担保关系矩阵进行层次划分,为担保圈的风险管理研究者提供参考和借鉴。
其他文献
网络安全形势日益严峻,从威胁情报中抽取网络安全实体及其关系,构建结构化威胁情报信息,对于网络安全从业人员来说尤为重要。过去的工作主要利用基于特征的模型来完成,不仅耗时,还需要完成大量的特征工程任务,为威胁情报信息抽取研究带来巨大的挑战。基于上述情况,为了降低任务对特征工程的需求,提出一个基于神经网络模型的威胁情报信息抽取方法(TIIE),一方面,采用长短时记忆神经网络(LSTM)进行命名实体识别任务,并利用条件随机场(CRF)模型实现序列标签之间的约束性;另一方面,结合长短时记忆神经网络模型和最短依赖路径
近年来,随着深度学习技术的快速发展,基于深度学习的目标检测研究不断涌现。通过采用系统性文献综述方法对目标检测领域的156篇文献进行回顾,梳理出目标检测领域四个不同的研究问题,并对目标检测应用、数据集、主流深度卷积神经网络模型和框架进行总结。