技术摘要：
本发明涉及风险分析技术领域，具体涉及一种基于企业知识图谱实时的风险泛化与传导分析方法，包括四个分析步骤，其中步骤3包括三个子步骤，步骤4包括四个子步骤。本发明，通过企业知识图谱进行无监督的学习方式分析风险源的影响范围，特别是针对一些新型突发型的风险事  全部
背景技术：
2012年5月17日，某知名公司正式提出了知识图谱(KnowledgeGraph)的概念，其初 衷是为了优化搜索引擎返回的结果，增强用户搜索质量及体验。随着科学技术的发展，知识 图谱技术已渗透到各行各业，特别是知识图谱在金融领域的应用。如可以根据企业、自然人 之间的投资、任职、持股等关系构建企业金融知识图谱。知识图谱，本质上，是一种揭示实体 之间关系的语义网络。 目前，当一个企业发生风险事件时候，往往不能够及时地分析该事件会导致怎样 的影响。例如P2P平台发生暴雷时候，如何分析背后相关联企业是否受到该事件的影响，通 过人工去收集资料分析效率是非常低下的，而且结果也会存在一定的错误，可能会漏掉一 些重要的关系信息。特别地，当企业之间关联关系较为复杂的时候，人工去分析几乎不可能 实现。再如，国内某公司生物疫苗事件，该事件不仅仅是对其公司及相关高管产生恶劣影 响，同样对相关上下游企业、以及k层范围内的企业产生负面效应。如何及时有效地分析出 风险事件影响波及范围，识别可疑的风险源，这对于企业经营、银行信贷提前做风险防控是 非常有帮助的。 现有申请号为2019108419533.3的中国专利公开了一种客户关联风险的预测方法 及装置，该专利依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类 型，得到客户对间每种关联关系的风险传导系数，并进一步对客户对间每种关联关系的风 险传导系数进行拟合，得到客户对间的拟合风险传导系数，使客户对间的关联关系风险可 量化，在此基础上，依据客户对间的拟合风险传导系数将目标客户群划分为多个风险共同 体，便于对其进行风险管理。该专利通过预设关系权重体系得到关联关系的风险传导系数， 然后通过构建逻辑回归模型拟合风险传导系数，最后根据拟合的风险传导系数将客户进行 分群，得到风险共同体，然而该专利却存在一下问题： 1)其需要构建逻辑回归模型进行拟合风险传导系数，这需要一定量的先验知识， 需要标注样本，不能处理各种不同类型风险的传导； 2)并没有考虑到疑似风险源的识别，对于突发型未知的风险传导是非常不利的， 进而导致不能够第一时间识别疑似的风险源； 3)其并未考虑风险多层传导问题，仅仅评估了关联客户对之间的风险影响，不能 分析风险源与疑似风险源对目标客户的综合影响； 4)其是一种离线风险客户分群方法，不能实现风险实时查询，用户客户不能实时 输入风险源，不能立刻进行泛化和传导分析识别出风险波及范围进而得到风险影响范围图 谱。 为此，提出一种基于企业知识图谱实时的风险泛化与传导分析方法。 7 CN 111598461 A 说　明　书 2/21 页
技术实现要素：
针对现有技术存在的不足，本发明的目的在于提供一种基于企业知识图谱实时的 风险泛化与传导分析方法，其针对一个或者多个事件风险源企业，通过企业多维度特征进 行风险泛化，识别出疑似的风险源企业，然后从风险源企业与疑似风险源企业出发，基于企 业知识图谱进行关联传导分析，识别出风险波及到的企业，形成风险影响图谱，以解决上述