[发明专利]一种基于人工智能的目标涉诉风险计算方法、系统及计算机可读存储介质

权利要求书

1.一种基于人工智能的目标涉诉风险计算方法，其特征在于，包括：

根据目标名称，获取历史诉讼数据、经营参数数据、经营范围数据、管理人员诉讼数据、关联关系数据；

根据所述历史诉讼数据得到诉讼时间序列，输入基于时间序列模型的初始诉讼概率预测模型，得到目标的初始诉讼概率，所述历史诉讼数据包括时间和对应的诉讼数量；

将所述经营参数数据、所述经营范围数据输入行业诉讼概率预测模型，得到目标的行业诉讼概率，所述行业诉讼概率预测模型可以根据所述经营参数数据、所述经营范围数据得到目标对应的聚类类别，并根据所述聚类类别得到目标的所述行业诉讼概率；

根据所述管理人员诉讼数据得到管理人员涉诉时间序列，将所述管理人员涉诉时间序列输入人员诉讼概率预测模型，得到每个管理人员的诉讼概率，并根据所述每个管理人员的诉讼概率得到目标的人员诉讼概率，其中，所述管理人员诉讼数据包括管理人员与对应的涉诉时间、涉诉数量；

将所述关联关系数据输入公司树诉讼概率预测模型，得到目标的公司树诉讼概率，所述公司树诉讼概率预测模型可以根据所述关联关系数据得到作为主成分的公司树特征，根据所述公司树特征将目标归类到对应的公司树聚类类别，根据所述公司树聚类类别得到目标的所述公司树诉讼概率；

将目标的所述初始诉讼概率、所述行业诉讼概率、所述人员诉讼概率、所述公司树诉讼概率输入目标涉诉概率计算模型，计算并输出目标的涉诉概率。

2.根据权利要求1所述的基于人工智能的目标涉诉风险计算方法，其特征在于，所述目标涉诉概率计算模型由以下步骤确定：

获取目标涉诉概率训练数据集，所述目标涉诉概率训练数据集包括历史诉讼训练数据、经营参数训练数据、经营范围训练数据、管理人员诉讼训练数据、关联关系训练数据、目标涉诉状况训练数据；

将所述历史诉讼训练数据输入基于时间序列模型的所述初始诉讼概率预测模型，得到初始诉讼训练概率；

将所述经营参数训练数据、所述经营范围训练数据输入所述行业诉讼概率预测模型，得到行业诉讼训练概率；

将所述管理人员诉讼训练数据输入所述人员诉讼概率预测模型，得到人员诉讼训练概率；

将所述关联关系训练数据输入所述公司树诉讼概率预测模型，得到公司树诉讼训练概率；

以所述初始诉讼训练概率、所述行业诉讼训练概率、所述人员诉讼训练概率、所述公司树诉讼训练概率为自变量，所述目标涉诉状况训练数据为因变量，训练逻辑回归模型，得到所述目标涉诉概率计算模型。

3.根据权利要求1所述的基于人工智能的目标涉诉风险计算方法，其特征在于，根据所述历史诉讼数据得到诉讼时间序列，将所述管理人员涉诉时间序列输入基于时间序列模型的初始诉讼概率预测模型，得到目标的初始诉讼概率，具体包括：

根据所述历史诉讼数据中的所述时间和所述对应的诉讼数量得到诉讼时间序列；

将所述诉讼时间序列输入基于神经网络的时间序列模型，得到第一预设周期的预测诉讼时间序列；

根据所述第一预设周期的预测诉讼时间序列计算所述初始诉讼概率。

4.根据权利要求1所述的基于人工智能的目标涉诉风险计算方法，其特征在于，所述行业诉讼概率预测模型由以下步骤确定：

获取目标经营状况数据集，所述目标经营状况数据集包括训练目标名称、训练涉诉情况、训练经营参数、训练经营范围；

以所述训练经营参数为自变量，所述训练涉诉情况为因变量，进行主成分分析，得到预设数量个作为主成分的目标经营参数；

以所述预设数量个作为主成分的目标经营参数和目标的经营范围为特征，对目标进行聚类；

根据聚类得到的聚类类别，得到不同经营范围和目标经营参数的目标类型的行业涉诉概率。