空壳企业识别方法、装置、存储介质及电子装置

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种空壳企业识别方法、装置、存储介质及电子装置。

背景技术

空壳公司是银行等金融机构需要警惕的重要风险之一，一方面空壳公司很容易成为不法行为载体，另一方面，大量的空壳公司账户也为增加了银行的管理成本。对于银行来说，既要防范账户风险，又要优化账户服务，如何平衡好两者之间的关系成为一个关键问题，处理该问题的核心在于是否能够更为精准的识别出空壳企业，从而提前预警，加强管理。

在实际业务过程中，银行针对空壳企业的事前监督非常重要。但是，由于事前无法获得企业的经营和财务数据，因而很难利用回归模型进行预测，一般只能通过企业特征结合业务经验主观判断。当前传统的特征判断法，例如“一人多企、一人多户、一址多照”等方式的指标单一，难以保证判断结果的准确性；而使用层次分析(Analytic HierarchyProcess，AHP)的方法，虽然能够同时综合考虑多种因素，但由于不同特征间权重关系的确定比较依赖主观判断，而且递阶式层次结构的模型表达能力有限，针对空壳企业识别这类复杂问题，不能很好的拟合客观实际。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种空壳企业识别方法、装置、存储介质及电子装置，以至少解决相关技术中难以对空壳企业进行准确识别的技术问题。

根据本发明实施例的一个方面，提供了一种空壳企业识别方法，包括：获取目标识别数据，其中，目标识别数据用于对待识别对象进行风险识别；基于目标识别数据生成目标特征标签，其中，目标特征标签用于确定待识别对象的风险种类；利用目标特征标签构建目标识别网络，并基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率，其中，目标识别网络中包括多个网络节点，多个网络节点用于对待识别对象进行概率分析；根据目标风险概率生成目标提示信息，其中，风险提示信息用于对待识别对象进行风险提示。

可选地，获取目标识别数据包括：获取初始识别数据，初始识别数据包括待识别对象的企业属性信息和预设账户信息；对初始识别数据进行离散化处理，得到目标识别数据。

可选地，基于目标识别数据生成目标特征标签包括：获取预设标注规则，其中，预设标注规则用于表示对于待识别对象的历史分类规则；基于预设经验规则和目标识别数据生成目标特征标签。

可选地，利用目标特征标签构建目标识别网络包括：基于目标特征标签获取业务流程信息；根据业务流程信息确定多个风险识别指标；基于多个风险识别指标确定多个网络节点，并基于多个网络节点构建目标识别网络。

可选地，基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率包括：利用预设先验概率生成第一条件概率表，以及利用目标识别数据生成第二条件概率表；基于目标识别网络对第一条件概率表和第二条件概率表进行分析处理，输出多个网络节点对应的初始风险概率；对初始风险概率进行更新处理，得到目标风险概率。

可选地，对初始风险概率进行更新处理，得到目标风险概率包括：对预设先验概率进行调整，得到调整结果；基于调整结果对初始风险概率进行更新处理，得到目标风险概率。

可选地，根据目标风险概率生成目标提示信息包括：利用目标风险概率确定待识别对象对应的风险等级信息；基于风险等级信息生成目标提示信息。

根据本发明实施例的另一方面，还提供了一种空壳企业识别装置，包括：获取模块，用于获取目标识别数据，其中，目标识别数据用于对待识别对象进行风险识别；第一生成模块，用于基于目标识别数据生成目标特征标签，其中，目标特征标签用于确定待识别对象的风险种类；处理模块，用于利用目标特征标签构建目标识别网络，并基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率，其中，目标识别网络中包括多个网络节点，多个网络节点用于对待识别对象进行概率分析；第二生成模块，用于根据目标风险概率生成目标提示信息，其中，风险提示信息用于对待识别对象进行风险提示。

可选地，获取模块还用于：获取初始识别数据，初始识别数据包括待识别对象的企业属性信息和预设账户信息；对初始识别数据进行离散化处理，得到目标识别数据。

可选地，第一生成模块还用于：获取预设标注规则，其中，预设标注规则用于表示对于待识别对象的历史分类规则；基于预设经验规则和目标识别数据生成目标特征标签。

可选地，处理模块还用于：基于目标特征标签获取业务流程信息；根据业务流程信息确定多个风险识别指标；基于多个风险识别指标确定多个网络节点，并基于多个网络节点构建目标识别网络。

可选地，处理模块还用于：利用预设先验概率生成第一条件概率表，以及利用目标识别数据生成第二条件概率表；基于目标识别网络对第一条件概率表和第二条件概率表进行分析处理，输出多个网络节点对应的初始风险概率；对初始风险概率进行更新处理，得到目标风险概率。

可选地，处理模块还用于：对预设先验概率进行调整，得到调整结果；基于调整结果对初始风险概率进行更新处理，得到目标风险概率。

可选地，第二生成模块还用于：利用目标风险概率确定待识别对象对应的风险等级信息；基于风险等级信息生成目标提示信息。

根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述任意一项的空壳企业识别方法。

根据本发明实施例的另一方面，还提供了一种电子装置，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行上述任意一项的空壳企业识别方法。

在本发明实施例中，通过获取目标识别数据，进而基于目标识别数据生成目标特征标签，随后利用目标特征标签构建目标识别网络，并基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率，最后根据目标风险概率生成目标提示信息，达到了对空壳企业进行准确识别并及时预警的目的，从而实现了提升对于空壳企业的识别准确性的技术效果，进而解决了相关技术中难以对空壳企业进行准确识别的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本申请实施例的一种空壳企业识别方法的流程图；

图2是根据本申请实施例的一种法人异常风险的贝叶斯网络的结构示意图；

图3是根据本申请实施例的一种空壳企业风险的贝叶斯网络的结构示意图；

图4是根据本申请实施例的一种法人异常风险及其前导节点的状态和先验概率分布的示意图；

图5是根据本申请实施例的一种空壳企业识别装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：

层析分析法(Analytic Hierarchy Process，AHP)：是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标的若干层次，通过定性指标模糊量化方法算出层次单排序和总排序，以作为多指标、多方案优化决策的系统方法。

贝叶斯网络：一种概率图模型，由一个有向无环图构成，其节点代表随机变量，节点间的有向边代表了节点间的互相关系，用条件概率进行表达关系强度。

针对企业账户开立场景下的空壳企业的风险识别，因为属于事前监督，无法获得目标企业一段时间的经营和财务数据，很难利用回归模型进行预测。目前相关技术中常用的评价方法主要有特征判断法和综合打分法。

特征判断法：该方法主要是利用一些关键风险特征，如“一人多企、一人多户、一址多照”，针对不同特征设定一定的阈值，超过阈值就登记作风险因素，客户经理根据实际情况进行风险识别。该方法主要缺点是风险因素无法有效统一，需要依赖客户经理主观判断，容易导致判断结果不准确。

综合打分法：针对特征判断法主观因素过强的问题，另一种方法考虑针对多个指标分别进行评分，再通过一定权重加总的方法，即综合打分法。一般通过层次分析法(AHP)，分别确定不同指标层级的分数权重，再进行逐级汇总。该方法主要缺点是权重系数的确定难度较大，例如，法人注册地、法人年龄和法人登记企业数之间很难利用权重系数衡量指标间的重要关系，从而确定最终分数。

根据本发明实施例，提供了一种空壳企业识别方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

该方法实施例可以在包含存储器和处理器的电子装置或者类似的运算装置中执行。以运行在计算机终端上为例，计算机终端可以包括一个或多个处理器(处理器可以包括但不限于中央处理器(Central Processing Unit，CPU)、图形处理器(GraphicsProcessing Unit，GPU)、数字信号处理(Digital Signal Processing，DSP)芯片、微处理器(Micro Controller Unit，MCU)、可编程逻辑器件(Field Programmable Gate Array，FPGA)、神经网络处理器(Neural-network Processor Unit，NPU)、张量处理器(TensorProcessing Unit，TPU)、人工智能(Artificial Intelligence，AI)和用于存储数据的存储器。和用于存储数据的存储器。可选地，上述计算机终端还可以包括用于通信功能的传输设备、输入输出设备以及显示设备。本领域普通技术人员可以理解，上述结构描述仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比上述结构描述更多或者更少的组件，或者具有与上述结构描述不同的配置。

存储器可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的空壳企业识别方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的空壳企业识别方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示设备可以例如触摸屏式的液晶显示器(Liquid Crustal Display，LCD)和触摸显示器(也被称为“触摸屏”或“触摸显示屏”)。该液晶显示器可使得用户能够与移动终端的用户界面进行交互。在一些实施例中，上述移动终端具有图形用户界面(Graphical UserInterface，GUI)，用户可以通过触摸触敏表面上的手指接触和/或手势来与GUI进行人机交互，此处的人机交互功能可选的包括如下交互：创建网页、绘图、文字处理、制作电子文档、游戏、视频会议、即时通信、收发电子邮件、通话界面、播放数字视频、播放数字音乐和/或网络浏览等、用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。

在本发明实施例中提供了一种运行于上述计算机终端的空壳企业识别方法，图1是根据本申请实施例的一种空壳企业识别方法的流程图，如图1所示，该方法包括如下步骤：

步骤S11，获取目标识别数据，其中，目标识别数据用于对待识别对象进行风险识别；

上述待识别对象为待识别的企业，目标识别数据为预处理后的企业属性信息和企业久悬账户信息。其中，企业属性数据主要是指企业开户所需的相关材料信息，包括但不限于企业注册相关的工商信息、地址及联系方式，以及企业主体性质、所属行业和法人相关信息等。对于已开户企业还包括一些公开的司法诉讼、工商处罚等企业信息。久悬账户信息主要是根据银行进行久悬处理的公司账户信息，可以用于后续对于网络节点赋值建模。

步骤S12，基于目标识别数据生成目标特征标签，其中，目标特征标签用于确定待识别对象的风险种类；

具体的，上述目标特征标签具体可以包括企业主体风险、联系方式风险、住所地址风险和法人异常风险等四种类型。

步骤S13，利用目标特征标签构建目标识别网络，并基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率，其中，目标识别网络中包括多个网络节点，多个网络节点用于对待识别对象进行概率分析；

具体的，上述目标识别网络为贝叶斯网络，利用目标特征标签可以构建贝叶斯网络的拓扑结构，贝叶斯网络中包括多个网络节点，多个网络节点通过有向边进行连接，每个网络节点可以表示一个随机变量，有向边可以表示网络节点之间的关系，有向边可以由父节点指向其子节点。上述待识别对象对应的目标风险概率用于表示网络节点的后验概率。

步骤S14，根据目标风险概率生成目标提示信息，其中，风险提示信息用于对待识别对象进行风险提示。

具体的，上述目标提示信息可以为关于待识别企业的风险预警信息，该风险预警信息可用于确定对于待识别企业的识别结果，目标提示信息可以在终端设备的图形用户界面上进行展示。

通过上述步骤S11至步骤S12，通过获取目标识别数据，进而基于目标识别数据生成目标特征标签，随后利用目标特征标签构建目标识别网络，并基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率，最后根据目标风险概率生成目标提示信息，达到了对空壳企业进行准确识别并及时预警的目的，从而实现了提升对于空壳企业的识别准确性的技术效果，进而解决了相关技术中难以对空壳企业进行准确识别的技术问题。

下面对上述实施例中的空壳企业识别方法进行进一步介绍。

可选地，在步骤S11，获取目标识别数据包括：

步骤S111，获取初始识别数据，初始识别数据包括待识别对象的企业属性信息和预设账户信息；

步骤S112，对初始识别数据进行离散化处理，得到目标识别数据。

具体的，上述预设账户信息可以为与所述待识别企业向关联的久悬账户信息，上述初始识别数据中包括连续型变量，对连续型变量进行离散化处理，可以得到目标识别数据，从而可以实现数据的预处理过程。此外，除了应用一般的离散化方法之外，还会结合业务情况进行分箱，例如，年龄与民事行为能力有直接关联，与客户的财富状况、社会经济活动范围、风险偏好等有较高关联度。基于此对年龄信息进行离散化处理，进而可以将年龄划分为不满18岁，18～26岁，27～60岁，60岁以上等四个区间。

基于上述可选实施例，能够对于直接采集到企业属性信息快速进行预处理，从而获得目标识别数据，以用于对于待识别企业是否为空壳企业进行准确判断。

可选地，在步骤S12，基于目标识别数据生成目标特征标签包括：

步骤S121，获取预设标注规则，其中，预设标注规则用于表示对于待识别对象的历史分类规则；

步骤S122，基于预设经验规则和目标识别数据生成目标特征标签。

具体的，上述预设标注规则可以包括空壳企业识别的历史业务经验数据，结合预设经验规则和目标识别数据进行标签化处理，可以获得企业主体风险，联系方式风险，住所地址风险和法人异常风险四大类标签。

例如，在企业主体风险标签类中，单纯的企业名称没有标签含义，但是根据企业名称，可以衍生出一个特征标签：企业名称命名方式雷同。通过自然语言处理(NaturalLanguage Processing，NLP)工具识别出雷同企业名称，再结合企业注册时间进行进一步判断，如果具有雷同企业名称的企业注册时间比较接近，该目标特征标签就标注为“是”。

基于上述可选实施例，通过获取预设标注规则，进而基于预设经验规则和目标识别数据能够快速生成目标特征标签。

可选地，在步骤S13，利用目标特征标签构建目标识别网络包括：

步骤S131，基于目标特征标签获取业务流程信息；

步骤S132，根据业务流程信息确定多个风险识别指标；

步骤S133，基于多个风险识别指标确定多个网络节点，并基于多个网络节点构建目标识别网络。

具体的，贝叶斯网络构建的主要内容是构建贝叶斯网络的拓扑结构，主要分为节点识别和确定网络结构两部分内容。节点识别就是根据业务流程信息和识别经验数据，确定空壳企业识别中的一些关键风险指标和风险诱因，进一步的，根据关键风险指标和风险诱因确定贝叶斯网络中的多个网络节点，从而可以基于多个网点构建贝叶斯网络。

目前，数据可得性最高而且也最为直接的风险是围绕关联法人的风险因素，以下就以法人异常风险为例，构建贝叶斯网络。

图2是根据本申请实施例的一种法人异常风险的贝叶斯网络的结构示意图，如图2所示，在进行网络节点识别时，法人异常风险主要由实控人风险和法人代表风险两部分导致，从而影响空壳企业发生的分布。其中，对于实际控制人来说，如果是境外或者股权关系复杂分散的，其主体隐匿真实受益人引发风险的可能性较大，相关公司是空壳公司的概率也会更高。对于法人代表来说，作为直接可确认的自然人，其年龄，名下企业数目和名下已有高风险行业占比都是空壳企业识别比较核心的影响因素。根据以上分析，确定网络结构，得到法人异常风险的贝叶斯网络拓扑结构。

图3是根据本申请实施例的一种空壳企业风险的贝叶斯网络的结构示意图，如图3所示，空壳企业风险主要由法人异常风险、联系方式风险、住所住址异常风险和企业主体风险而确定。其中，企业主体风险将由高风险行业或经营范围、企业主体性质即企业名称怪癖雷同等因素而确定；当注册地址模糊、注册地址存在相同的企业，可以能存在住所地址异常风险，其中，注册地址存在相同的企业可能为托管代办企业；托管代办企业的联系方式也是托管代办的，其与无效联系方式、联系方式重复率可以共同导致联系方式风险；法人异常风险对应的贝叶斯网络结构拓扑的构建过程参照上述图2对应的描述，不予赘述。

基于上述可选实施例，通过基于目标特征标签获取业务流程信息，进而根据业务流程信息确定多个风险识别指标，最后基于多个风险识别指标确定多个网络节点，并基于多个网络节点能够快速构建合理的目标识别网络，从而用于对待识别企业进行精准识别。

可选地，在步骤S13，基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率包括：

步骤S134，利用预设先验概率生成第一条件概率表，以及利用目标识别数据生成第二条件概率表；

步骤S135，基于目标识别网络对第一条件概率表和第二条件概率表进行分析处理，输出多个网络节点对应的初始风险概率；

步骤S136，对初始风险概率进行更新处理，得到目标风险概率。

上述第一条件概率表是根据专家经验生成的部分条件概率表，上述第二条件概率则是基于数据统计的部分条件概率表，结合第一条件概率表和第二条件概率表进行分析处理，可以获得贝叶斯网络中各个网络节点的后验概率，通过调整先验概率，可以对后验概率进行更新完善。

具体的，基于贝叶斯网络拓扑结构，需要对图3中的各个网络节点赋值，即生成条件概率表。图4是根据本申请实施例的一种法人异常风险及其前导节点的状态和先验概率分布的示意图，如图4所示，条件概率表需要基于一段时间的客观历史数据，但是在银行空壳企业识别场景下，很难获取足够可用的风险数据。本申请实施例中除了基于现有可得数据，部分节点会根据业务专家的经验确认初始的条件概率表。其中，如“法人代表年龄”这类节点，可以通过现有样本得到担任法人代表的人中年龄在18-26岁的比例。又例如“受益人为境外人员或机构无法穿透”无法直接通过数据反映，需要业务角度结合专家经验综合评判后确认。

基于以上各个节点赋值，接下来计算所有网络节点的后验概率分布：

假设贝叶斯网络中有i个节点，每个节点表示一个变量或者事件，每个节点又对应着一个条件概率表。对于节点X

现有观测数据D，其中X

/>

假设先验分布为狄利克雷分布，即

其中α

P(θ

基于此，根据各节点条件概率，就可以通过运算推理出法人异常的概率分布。例如已经某企业“法人代表年龄”为32岁，“高风险行业企业占比”为“低”，“受益人为境外人员或机构无法穿透”为“是”。经过运算，其法人异常的概率为12.68％。以此类推，计算出所有待评估企业相关节点的后验概率。

基于上述可选实施例，通过利用预设先验概率生成第一条件概率表，以及利用目标识别数据生成第二条件概率表，进而基于目标识别网络对第一条件概率表和第二条件概率表进行分析处理，输出多个网络节点对应的初始风险概率，最后对初始风险概率进行更新处理，得到目标风险概率，从而可以对空壳企业进行准确识别。

可选地，在步骤S136，对初始风险概率进行更新处理，得到目标风险概率包括：

步骤S1361，对预设先验概率进行调整，得到调整结果；

步骤S1362，基于调整结果对初始风险概率进行更新处理，得到目标风险概率。

具体的，当数据更新后，根据久悬账户对应企业信息标签，贝叶斯网络可以自动修正其对应的先验概率分布α，从而使空壳企业风险识别的后验概率更接近真实概率。

基于上述可选实施例，通过对预设先验概率进行调整，得到调整结果，进而基于调整结果对初始风险概率进行更新处理，得到目标风险概率，能够获得更加准确的后验概率，进一步提升对于空壳企业的识别准确性。

可选地，在步骤S14，根据目标风险概率生成目标提示信息包括：

步骤S141，利用目标风险概率确定待识别对象对应的风险等级信息；

步骤S142，基于风险等级信息生成目标提示信息。

具体的，基于贝叶斯网络的开放性，在数据更新后，除了统计可得类标签，银行业务人员还可以根据宏观环境以及业务流程调整对专家经验条件概率值，进而更新空壳企业识别风险预警信息。如果以上条件都未变化，可以直接进入下一步输出网络节点的后验概率值。

进一步的，基于当前企业信息运算得出企业是否空壳企业的概率分布，并根据概率高低，划分为高风险、中风险以及低风险三个层级。

最后，将风险等级信息展示在终端设备的图形用户界面上以进行信息提示。例如，评定为“高风险等级”的企业，提示对公客户经理“严把操作风险，切实履行现场审查和尽调职责”。

本申请主要就企业账户开立场景下的空壳企业的风险识别问题，基于现有数据挖掘和专家经验构建空壳企业贝叶斯网络基础，并根据已有客观数据通过贝叶斯估计自动赋值网络节点的先验概率，进而对新注册企业是空壳企业的概率进行后验概率估计。

本申请的主要优势在于：

1.贝叶斯思想是在考虑先验概率的条件下，根据实验结果对先验概率修正后做出推断，不完全依赖统计值，一定程度上弥补了事前监督场景下统计数据薄弱的问题。

2.贝叶斯公式中的可能性函数(调整因子)，能够通过其对先验概率进行调整，避免单纯依靠先验概率存在的主观性过强问题。

3.相较于层次分析，网络分析更够表达更加复杂的关系结构，它包含不仅仅递阶式层次结构，还包括具有内部依赖性和反馈性的层次结构，使得模型表达更强，更能拟合业务实际情况。

4.现阶段得到的后验分布可以作为未来某一阶段的先验分布，随着数据量的增加，当前的后验分布可以作为以后的先验分布，随着分布的不断修正，可以使其越来越接近真实的概率分布，具有很好的自适应性。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

在本实施例中还提供了一种空壳企业识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图5是根据本申请实施例的一种空壳企业识别装置的结构框图，如图5所示，该空壳企业识别装置500包括：

获取模块501，用于获取目标识别数据，其中，所述目标识别数据用于对待识别对象进行风险识别；

第一生成模块502，用于基于所述目标识别数据生成目标特征标签，其中，所述目标特征标签用于确定所述待识别对象的风险种类；

处理模块503，用于利用所述目标特征标签构建目标识别网络，并基于所述目标识别网络对所述目标识别数据进行分析，得到所述待识别对象对应的目标风险概率，其中，所述目标识别网络中包括多个网络节点，所述多个网络节点用于对所述待识别对象进行概率分析；

第二生成模块504，用于根据所述目标风险概率生成目标提示信息，其中，所述风险提示信息用于对所述待识别对象进行风险提示。

可选地，获取模块501还用于：获取初始识别数据，初始识别数据包括待识别对象的企业属性信息和预设账户信息；对初始识别数据进行离散化处理，得到目标识别数据。

可选地，第一生成模块501还用于：获取预设标注规则，其中，预设标注规则用于表示对于待识别对象的历史分类规则；基于预设经验规则和目标识别数据生成目标特征标签。

可选地，处理模块503还用于：基于目标特征标签获取业务流程信息；根据业务流程信息确定多个风险识别指标；基于多个风险识别指标确定多个网络节点，并基于多个网络节点构建目标识别网络。

可选地，处理模块503还用于：利用预设先验概率生成第一条件概率表，以及利用目标识别数据生成第二条件概率表；基于目标识别网络对第一条件概率表和第二条件概率表进行分析处理，输出多个网络节点对应的初始风险概率；对初始风险概率进行更新处理，得到目标风险概率。

可选地，处理模块503还用于：对预设先验概率进行调整，得到调整结果；基于调整结果对初始风险概率进行更新处理，得到目标风险概率。

可选地，第二生成模块504还用于：利用目标风险概率确定待识别对象对应的风险等级信息；基于风险等级信息生成目标提示信息。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本申请的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述非易失性存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，获取目标识别数据，其中，目标识别数据用于对待识别对象进行风险识别；

S2，基于目标识别数据生成目标特征标签，其中，目标特征标签用于确定待识别对象的风险种类；

S3，利用目标特征标签构建目标识别网络，并基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率，其中，目标识别网络中包括多个网络节点，多个网络节点用于对待识别对象进行概率分析；

S4，根据目标风险概率生成目标提示信息，其中，风险提示信息用于对待识别对象进行风险提示。

可选地，在本实施例中，上述非易失性存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本申请的实施例还提供了一种电子装置，包括存储器、处理器，存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取目标识别数据，其中，目标识别数据用于对待识别对象进行风险识别；

S2，基于目标识别数据生成目标特征标签，其中，目标特征标签用于确定待识别对象的风险种类；

S3，利用目标特征标签构建目标识别网络，并基于目标识别网络对目标识别数据进行分析，得到待识别对象对应的目标风险概率，其中，目标识别网络中包括多个网络节点，多个网络节点用于对待识别对象进行概率分析；

S4，根据目标风险概率生成目标提示信息，其中，风险提示信息用于对待识别对象进行风险提示。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。