本发明公开了一种基于数据分析的企业信用分析管理系统，涉及企业信用分析技术领域，包括数据抓取模块、企业信息数据库和报告输出模块，还包括自身信用分析模块、社会信用分析模块、综合分析模块和关键词特征数据库。通过对企业自身信用度和社会信用度进行分析，反映了企业的管理水平和社会责任感，进一步巩固了企业信用意识，并且在此基础上对企业信用进行综合分析，更全面的评估了企业信用，改变了传统企业信用评估的单一性，使得企业信用评估的受众群体更广，能够为投资者、供应商、客户、求职者等多角色提供更全面、更准确的企业信用信息，很大程度上提升了企业信用评估的公信力。
1.基于数据分析的企业信用分析管理系统，包括数据抓取模块、企业信息数据库和报告输出模块，其特征在于，还包括自身信用分析模块、社会信用分析模块、综合分析模块和关键词特征数据库；
所述数据抓取模块用于对企业的基础数据进行获取并将基础数据发送至企业信息数据库进行存储；
所述自身信用分析模块用于对企业的自身信用度进行分析，得到企业的自身信用度，将企业的自身信用度与预设的自身信用度阈值进行对比，根据对比结果生成自身信用信号，自身信用信号包括自身信用良好信号和自身信用警告信号，将企业的自身信用信号发送至综合分析模块；
所述社会信用分析模块用于对企业的社会信用度进行分析，得到企业的社会信用度，将企业的社会信用度与预设的社会信用度阈值进行对比，根据对比结果生成社会信用信号，社会信用信号包括社会信用良好信号和社会信用警告信号，将企业的社会信用信号发送至综合分析模块；
所述综合分析模块用于对企业的综合信用度进行分析，采集企业的财务和法务风险信息并进行分析得到企业的常规信用度，并接收自身信用分析模块和社会信用分析模块发送的信号对企业综合信用进行判定，将判定结果发送至报告输出模块；
所述报告输出模块用于接收综合分析模块的判定结果并输出企业综合信用度分析报告；
获取企业的工商登记信息，将企业的工商登记信息对应的办公地址与实际办公地址、企业的工商登记信息对应的职工人数与实际职工人数、企业经营规模与实际经营规模、企业的工商登记信息对应的参保人数与实际参保人数进行对比，当对比成功时生成真实信号，反之则生成一个虚假信号，统计真实信号和虚假信号出现的次数，分别记为fh和xj，根据公式 计算得到企业的工商登记信息真实度ZS；
采集企业在职人员和离职人员对企业的评论，称为企业评论，通过关键词特征数据库对企业评论进行定性，判断企业评论的性质，评论的性质包括正面评价、负面评价和中性评价，统计正面评价、负面评价、中性评价的条数，获取目标企业对应各条评论的评论性质并对其出现次数进行统计，分别记为Q正面评论、Q负面评论、Q中性评论；
获取企业内部的劳动纠纷记录，统计劳动纠纷记录出现的次数W，通过公式计算得到企业对应的劳动规范系数LD，R实际为企业对应的实际职工人数；
通过公式ME＝ZS×β1+PL×β2+LD×β3得到企业的自身信用度，β1、β2、β3为预设的真实度权重因子、评论系数权重因子、劳动规范系数权重因子，将企业对应的自身信用度与预设的自身信用度阈值进行对比，当企业对应的自身信用度小于预设的自身信用度阈值时，生成自身信用警告信号，当企业对应的自身信用度大于预设的自身信用度阈值，生成自身信用良好信号，将自身信用警告信号或自身信用良好信号发送至综合分析模块；
所述通过关键词特征数据库对企业评论进行定性，其具体过程如下：
获取企业评论作为样本数据，对样本数据进行简化和分词处理，得到各样本数据对应的词汇，并由各样本数据对应的词汇构成各样本数据对应的词汇列表，预设词汇的词性为“正面”、“负面”和“中性”；
选取各词汇列表中的词汇，将其与关键词特征数据库中存储的关键词进行匹配，若各词汇列表中的词汇与关键词特征数据库中存储的关键词匹配成功，输出该词汇对应的词性；若各词汇列表中的词汇与关键词特征数据库中存储的关键词匹配不成功，则调用情感分析接口对该词汇进行词汇情感分析，若该词汇词性为“正面”，将该词汇发送至关键词特征数据库中的正面关键词表进行存储，若该词汇词性为“负面”，将该词汇发送至关键词特征数据库中的负面关键词表进行存储，若该词汇词性为“中性”，将该词汇发送至关键词特征数据库中的中性关键词表进行存储，对各词汇列表中各词性出现的次数进行统计，若各词汇列表中的词汇与关键词特征数据库中存储的关键词匹配不成功，则调用情感分析接口对该词汇进行词汇情感分析，若该词汇词性为“正面”，将“正面”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的正面关键词表进行存储，若该词汇词性为“负面”，将“负面”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的正面关键词表进行存储，若该词汇词性为“中性”，将“中性”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的中性关键词表进行存储，最终得到各样本数据对应各词性出现的次数，分别记为通过公式计算
得到各模型数据评估系数DXr， 为预设的正面评价词权重因子、中性评价词权重因子、负面评价词权重因子， 为中性词的参考出现次数，ΔC为预设的中性词出现次数的允许差，e为自然常数，当各模型数据评估系数小于预设的模型数据评估系数阈值时，将该条评论标记为负面评论，当各模型数据评估系数等于预设的模型数据评估系数阈值时，将该条评论标记为中性评论，当各模型数据评估系数大于预设的模型数据评估系数阈值时，将该条评论标记为正面评论；将该条评论标记为正面，统计正面评价、负面评价和中性评价出现的次数；
获取企业的社会责任信息，包括环境保护信息和公益信息；环境保护信息包括总投资额TZ、环保投资额TZ'、环保行为记录，公益行为记录，提取环保行为记录中违反环保规定的记录并统计次数，将其记为WG，公益信息包括公益次数G、总受益人数g、总持续周期T；
分别为预设的环保投资额权重因子、环保记录权重因子、公益权重因；
获取企业的投诉记录，并从中提取企业各投诉记录对应的投诉时间点和处理完成时间点，通过差值计算得到各投诉记录对应的受理时长tB，还提取企业对应各投诉记录对应的满意分值DB和投诉次数ts；
计算得到企业对应的第二评估系数TS，t'为预设的处理时长阈值，D'为预设的满意分值阈值，ts'为预设的投诉次数阈值， 为预设的受理时长影响因子、满意分值影响因子、投诉次数影响因子；
通过公式SH＝HB×β4+TS×β5得到企业对应的社会信用度，β4和β5为预设的第一评估系数权重因子和第二评估系数权重因子，将企业对应的社会信用度与预设的社会信用度阈值进行对比，当企业对应的社会信用度小于预设的社会信用度阈值时，生成社会信用警告信号，当企业对应的社会信用度大于预设的社会信用度阈值，生成社会信用良好信号，将社会信用警告信号或社会信用良好信号发送至综合分析模块。
2.根据权利要求1所述的基于数据分析的企业信用分析管理系统，其特征在于：所述对企业的综合信用度进行分析，具体分析过程如下：采集企业对应的财务和法务风险信息，统计财务风险记录和法务风险记录的条数，通过分析得到企业对应的常规信用度，将企业对应的常规信用度与预设的常规信用度阈值进行对比，当企业对应的常规信用度小于预设的常规信用度阈值时，生成常规信用警告信号，当企业对应的常规信用度大于预设的常规信用度阈值，生成常规信用良好信号；
获取企业对应的自身信用度、社会信用度、常规信用度，通过分析得到企业对应的综合信用度，将其与设定的综合信用度阈值进行对比，生成等级信号，若企业对应的综合信用度大于预设的综合信用度阈值，生成一级信用信号，若企业对应的综合信用度等于预设的综合信用度阈值，生成二级信用信号，若企业对应的综合信用度小于预设的综合信用度阈值，生成三级信用信号；
接收自身信用分析模块、社会信用分析模块的信号，并提取一级信用信号、二级信用信号、三级信用信号，并对其进行识别，当同时识别到一级信用信号、自身信用良好信号、社会信用良好信号、常规信用良好信号时，则判定企业的综合信用优秀，当识别到自身信用警告信号、社会信用警告信号、常规信用警告信号中任意一个和一级信用信号或二级信用信号时，判定企业的综合信用良好，当识别到其他情况下，判定企业的综合信用为一般，将判定结果发送至报告输出模块。
基于数据分析的企业信用分析管理系统
技术领域
[0001] 本发明涉及企业信用分析技术领域，具体为基于数据分析的企业信用分析管理系统。
背景技术
[0002] 信用是社会经济发展的必然产物，是现代市场经济运行中必不可少的一环。维持和发展信用关系，是保护社会经济秩序的重要前提，而企业信用不仅在金融市场被投资人或贷款人所关注，而且在一般交易市场上也被多方重视，随着经济契约化的发展，企业信用将成为合作与交易的先决条件。因此，企业信用体系建设是整个社会信用体系建设的重中之重。
[0003] 目前企业信用缺失现象加重，信用意识淡薄，加之传统的企业信用评估方法主要依赖于从财务和法务两个方面对企业信用进行评估，过于注重资产保证，导致评估结果具有片面性，使得企业信用评估公信力较差，并且服务对象具有局限性，进一步导致了企业信用评估的受众群体小，难以给投资者、客户、求职者等多角色提供更全面、更准确的信息。
发明内容
[0004] 本发明的目的在于提供基于数据分析的企业信用分析管理系统，以解决上述背景技术提出的问题。
[0005] 本发明的目的可以通过以下技术方案实现：基于数据分析的企业信用分析管理系统，包括数据抓取模块、企业信息数据库和报告输出模块，还包括自身信用分析模块、社会信用分析模块、综合分析模块和关键词特征数据库；
[0006] 所述数据抓取模块用于对企业的基础数据进行获取并将基础数据发送至企业信息数据库进行存储；
[0007] 所述自身信用分析模块用于对企业的工商登记信息、职工评论、劳动纠纷记录进行获取，由此对企业的自身信用度进行分析，根据企业的自身信用度与预设的企业自身信用度阈值进行对比生成自身信用良好信号或自身信用警告信号，并将自身信用良好信号或自身信用警告信号发送至综合分析模块；
[0008] 所述社会信用分析模块用于对企业的社会责任信息和投诉记录进行采集，由此对企业的社会信用度进行分析，根据企业的社会信用度与预设的企业对应的社会信用度阈值进行对比生成社会信用良好信号或社会信用警告信号，并将社会信用良好信号或社会信用警告信号发送至综合分析模块；
[0009] 所述综合分析模块用于对企业的综合信用度进行分析，采集企业的财务和法务风险信息分析得到企业的常规信用度，将企业的常规信用度与预设的企业的常规信用度阈值进行对比，生成常规信用良好信号或常规信用警告信号，并接收自身信用分析模块和社会信用分析模块发送的信号对企业综合信用进行判定，将判定结果发送至报告输出模块；
[0010] 所述报告输出模块用于接收综合分析模块的判定结果，当企业综合信用为一般时，生成提示信号并进行相应提示，当企业综合信用为优秀或良好时，不生成提示信号，基于此输出企业综合信用度分析报告；
[0011] 所述企业信息数据库用于存储企业的基础信息；
[0012] 所述关键词特征数据库用于存储评论特征关键词，包括正面关键词表、负面关键词表和中性关键词表，正面关键词表用于存储词汇性质为“正面”的关键词，负面关键词表用于存储词汇性质为“负面”的关键词，中性关键词表用于存储词汇性质为“中性”的关键词。
[0013] 优选地，所述对企业的自身信用度进行分析，其分析过程如下：
[0014] 通过职工调查问卷的方式调研企业的真实信息，企业的真实信息包括实际办公地址、实际职工人数、实际经营规模和实际参保人数，获取企业的工商登记信息，包括办公地址、职工人数、经营规模和参保人数；
[0015] 将企业的工商登记信息对应的办公地址与实际办公地址、企业的工商登记信息对应的职工人数与实际职工人数、企业经营规模与实际经营规模、企业的工商登记信息对应的参保人数与实际参保人数进行对比，当对比成功时生成真实信号，反之则生成虚假信号，统计真实信号和虚假信号出现的次数，分别记为fh和xj，通过对真实信号和虚假信号出现的次数分析得到企业的工商登记信息真实度ZS。
[0016] 采集企业在职人员和离职人员对企业的评论，称为企业评论，通过关键词特征数据库对企业评论进行定性，判断企业评论的性质，评论的性质包括正面评价、负面评价和中性评价，并统计正面评价、负面评价、中性评价的条数，由此分析企业的评论系数PL；
[0017] 获取企业内部的劳动纠纷记录，统计劳动纠纷记录出现的次数，通过分析得到企业对应的劳动规范系数LD；
[0018] 通过企业的工商登记信息真实度、评论系数、劳动规范系数得到企业的自身信用度ME，将企业对应的自身信用度与预设的自身信用度阈值进行对比，当企业对应的自身信用度小于预设的自身信用度阈值时，生成自身信用警告信号，当企业对应的自身信用度大于预设的自身信用度阈值，生成自身信用良好信号，将自身信用警告信号或自身信用良好信号发送至综合分析模块，发送至综合分析模块。
[0019] 优选地，所述通过关键词特征数据库对企业评论进行定性，其具体过程如下：
[0020] 获取企业评论作为样本数据，去除样本数据中的停用词，以此来对样本数据进行简化处理，使用分词工具对简化后的各样本数据进行处理，将简化后的各样本数据输入到分词工具中，得到各样本数据对应的词汇，由各样本数据对应的词汇构成各样本数据对应的词汇列表CHr'，r表示各样本数据的编号，r＝1,2,...,t，t为正整数，预设词汇的词性为“正面”、“负面”和“中性”；
[0021] 选取各词汇列表中的词汇，将其与关键词特征数据库中存储的关键词进行匹配，若各词汇列表中的词汇与关键词特征数据库中存储的关键词匹配成功，输出该词汇对应的词性，并对“正面”、“负面”、“中性”词性出现次数做统计；若各词汇列表中的词汇与关键词特征数据库中存储的关键词匹配不成功，则调用情感分析接口对该词汇进行词汇情感分析，若该词汇词性为“正面”，将“正面”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的正面关键词表进行存储，若该词汇词性为“负面”，将“负面”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的正面关键词表进行存储，若该词汇词性为“中性”，将“中性”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的中性关键词表进行存储，最终得到各样本数据对应各词性出现的次数，分别记为[0022] 通过分析得到各样本数据的评估系数DXr，当各样本数据评估系数等于预设的样本数据评估系数阈值时，将该条评论标记为中性评论，当各样本数据评估系数大于预设的样本数据评估系数阈值时，将该条评论标记为正面评论，当各样本数据评估系数小于预设的样本数据评估系数阈值时，将该条评论标记为负面评论，统计企业评论中，正面、中性、负面的次数，分别记为Q正面评论、Q负面评论、Q中性评论。
[0023] 优选地，所述对企业的社会信用度进行分析，其分析过程如下：
[0024] 获取企业的社会责任信息，包括环境保护信息和公益信息，环境保护信息包括总投资额TZ、环保投资额TZ'、环保行为记录，公益行为记录，提取环保行为记录中违反环保规定的记录并统计次数，将其记为WG，公益信息包括公益次数G、总受益人数g、总持续周期T；
[0025] 通过分析得到企业的社会信用度对应的第一评估系数HB；
[0026] 获取企业的投诉记录，并从中提取企业各投诉记录对应的投诉时间点和处理完成时间点，通过差值计算得到各投诉记录对应的受理时长tB，还提取企业对应各投诉记录对应的满意分值DB和投诉次数ts；
[0027] 通过分析得到企业对应的第二评估系数TS；
[0028] 通过分析得到企业对应的社会信用度SH，将企业对应的社会信用度与预设的社会信用度阈值进行对比，当企业对应的社会信用度小于预设的社会信用度阈值时，生成社会信用警告信号，当企业对应的社会信用度大于预设的社会信用度阈值，生成社会信用良好信号，将社会信用警告信号或社会信用良好信号发送至综合分析模块。
[0029] 优选地，所述对企业的综合信用度进行分析，具体分析过程如下：
[0030] 采集企业对应的财务和法务风险信息，统计财务风险记录的条数CW和法务风险记录的条数FW，通过分析得到企业对应的常规信用度CT，将企业对应的常规信用度与预设的常规信用度阈值进行对比，当企业对应的常规信用度小于预设的常规信用度阈值时，生成常规信用警告信号，当企业对应的常规信用度大于预设的常规信用度阈值，生成常规信用良好信号；
[0031] 获取企业对应的自身信用度、社会信用度、常规信用度，通过分析得到企业对应的综合信用度，将其与设定的综合信用度阈值进行对比，若企业对应的综合信用度大于预设的综合信用度阈值，生成一级信用信号，若企业对应的综合信用度等于预设的综合信用度阈值，生成二级信用信号，若企业对应的综合信用度小于预设的综合信用度阈值，生成三级信用信号；
[0032] 接收自身信用分析模块、社会信用分析模块的信号，并提取一级信用信号、二级信用信号、三级信用信号，并对其进行识别，当同时识别到一级信用信号、自身信用良好信号、社会信用良好信号、常规信用良好信号时，则判定企业的综合信用优秀，当识别到自身信用警告信号、社会信用警告信号、常规信用警告信号中任意一个和一级信用信号或二级信用信号时，判定企业的综合信用良好，当识别到自身信用警告信号、社会信用警告信号、常规信用警告信号中任意两个及以上，和二级信用信号、三级信用信号中的任意一个，则判定企业的综合信用一般，将判定结果发送至报告输出模块。
[0033] 本发明的有益效果：
[0034] 1.本发明通过对企业自身信用度和社会信用度进行分析，很好的反映了企业的管理水平和社会责任感，进一步巩固了企业信用意识；
[0035] 2.本发明通过对企业信用综合分析，更全面的评估了企业信用，改变了传统企业信用评估的单一性，使得企业信用评估的受众群体更广，能够为投资者、供应商、客户、求职者等多角色提供更全面、更准确的企业信用信息，很大程度上提升了企业信用评估的公信力。
附图说明
[0036] 下面结合附图对本发明作进一步的说明。
[0037] 图1是本发明的系统框图。
具体实施方式
[0038] 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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0039] 请参阅图1所示，本发明为基于数据分析的企业信用分析管理系统，包括数据抓取模块、企业信息数据库、报告输出模块、自身信用分析模块、社会信用分析模块、综合分析模块和关键词特征数据库；
[0040] 数据抓取模块用于对企业的基础数据进行获取并将基础数据发送至企业信息数据库进行存储。
[0041] 自身信用分析模块用于对企业的工商登记信息、职工评论、劳动纠纷记录进行获取，由此对企业自身信用度进行分析，其分析步骤如下：
[0042] 通过职工调查问卷的方式调研企业的真实信息，企业的真实信息包括实际办公地址、实际职工人数、实际经营规模和实际参保人数，企业的工商登记信息包括办公地址、职工人数、经营规模和参保人数。
[0043] 将企业的工商登记信息对应的办公地址与实际办公地址、企业的工商登记信息对应的职工人数与实际职工人数、企业经营规模与实际经营规模、企业的工商登记信息对应的参保人数与实际参保人数进行对比，当对比成功时生成真实信号，反之则生成一个虚假信号，统计真实信号和虚假信号出现的次数，分别记为fh和xj，根据公式 计算得到企业的工商登记信息真实度ZS。
[0044] 采集企业在职人员和离职人员对企业的评论称为企业评论，将企业评论作为样本数据，去除各样本数据中的停用词，停用词包括英文字符、数字、数字字符、标点符号以及使用频率高的单汉字，以此来对各样本数据进行简化处理。
[0045] 使用分词工具对简化后的各样本数据进行处理，将简化后的各样本数据输入到分词工具中，以得到各样本数据对应的词汇，并由各样本数据对应的词汇构成各样本数据对应的词汇列表CHr'，r表示各样本数据的编号，r＝1,2,...,t，t为正整数，表示为第r个样本数据对应的第s个词汇，s表示各
词汇的编号，s＝1,2,...,p，p为正整数。
[0046] 选取各词汇列表中的词汇，将其与关键词特征数据库中存储的关键词进行匹配，若各词汇列表中的词汇与关键词特征数据库中存储的关键词匹配成功，输出该词汇对应的词性，并对“正面”、“负面”和“中性”词性出现次数做统计；若各词汇列表中的词汇与关键词特征数据库中存储的关键词匹配不成功，则调用情感分析接口对该词汇进行词汇情感分析，若该词汇词性为“正面”，将“正面”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的正面关键词表进行存储，若该词汇词性为“负面”，将“负面”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的正面关键词表进行存储，若该词汇词性为“中性”，将“中性”词性出现的次数增加一次，并将该词汇发送至关键词特征数据库中的中性关键词表进行存储，最终得到各样本数据对应各词性出现的次数，分别记为[0047] 本发明实施例将匹配不成功的词汇对其进行词汇情感分析，根据词性不同存入不同的词性存储表，不断完善关键词特征库，以便对企业评论性质做出更准确的判断。
[0048]
[0049] 通过公式计算得到各模型数据评估系数DXr， 为预设的正面评价词权重因子、中性评
价词权重因子、负面评价词权重因子， 为中性词的参考出现次数，ΔC为预设的中性词出现次数的允许差，e为自然常数，当各模型数据评估系数小于预设的模型数据评估系数阈值时，将该条评论标记为负面评论，当各模型数据评估系数等于预设的模型数据评估系数阈值时，将该条评论标记为中性评论，当各模型数据评估系数大于预设的模型数据评估系数阈值时，将该条评论标记为正面评论。
[0050] 获取目标企业对应各条评论的评论性质并对其出现次数进行统计，分别记为Q正面评论、Q负面评论、Q中性评论。
[0051] 通过公式计算得到企业的评论系数PL。
[0052] 获取企业内部的劳动纠纷记录，统计劳动纠纷记录出现的次数W，通过公式计算得到企业对应的劳动规范系数LD，R实际为企业对应的实际职工人数。
[0053] 通过公式ME＝ZS×β1+PL×β2+LD×β3得到企业的自身信用度，β1、β2、β3为预设的真实度权重因子、评论系数权重因子、劳动规范系数权重因子，将企业对应的自身信用度与预设的自身信用度阈值进行对比，当企业对应的自身信用度小于预设的自身信用度阈值时，生成自身信用警告信号，当企业对应的自身信用度大于预设的自身信用度阈值，生成自身信用良好信号，将自身信用警告信号或自身信用良好信号发送至综合分析模块。
[0054] 进一步地，本发明通过对企业的工商登记信息、职工评论、劳动纠纷记录进行分析，以此得到企业的自身信用度，作为评判企业信用的标准之一，改变了传统企业信用评估的单一性。
[0055] 社会信用分析模块用于对企业的社会责任信息和投诉记录进行获取，由此对企业的社会信用度进行分析，其分析步骤如下：
[0056] 获取企业的社会责任信息，包括环境保护信息和公益信息，环境保护信息包括总投资额TZ、环保投资额TZ'、环保行为记录，公益行为记录，提取环保行为记录中违反环保规定的记录并统计次数，将其记为WG，公益信息包括公益次数G、总受益人数g、总持续周期T。
[0057] 根据公式 得到企业对应的第一评估系数HB， 分别为预设的环保投资额权重因子、环保记录权重因子、公益权重因。
[0058] 本发明实施例通过对企业的社会责任信息进行获取并分析，将其作为企业社会信用的一部分，能够较为准确的体现企业社会信用，使得企业信用评估范围更广，综合性更强。
[0059] 获取企业的投诉记录，并从中提取企业各投诉记录对应的投诉时间点和处理完成时间点，通过差值计算得到各投诉记录对应的受理时长tB，还提取企业对应各投诉记录对应的满意分值DB和投诉次数ts。
[0060] 根据公式计算得到企业对应的第二评估系数TS，t'为预设的处理时长阈值，D'为预设的满意分值阈值，ts'为预设的投诉次数阈值， 为预设的受理时长影响因子、满意分值影响因子、投诉次数影响因子。
[0061] 通过公式SH＝HB×β4+TS×β5得到企业对应的社会信用度，β4和β5为预设的第一评估系数权重因子和第二评估系数权重因子，当企业对应的社会信用度小于预设的社会信用度阈值时，生成社会信用警告信号，当企业对应的社会信用度大于预设的社会信用度阈值，生成社会信用良好信号，将社会信用警告信号或社会信用良好信号发送至综合分析模块。
[0062] 进一步地，本发明通过对企业的社会信用度进行分析，全面的展示了企业的社会责任感和企业社会形象，增加了企业信用评估的公信力。
[0063] 综合分析模块用于对企业的综合信用度进行分析，其具体分析步骤如下：
[0064] 采集企业对应的财务和法务风险信息，统计财务风险记录和法务风险记录的条数，分别记为CW和FW，通过公式计算 得到企业对应的常规信用度，β6和β7为预设的财务风险影响因子和法务风险影响因子，将企业对应的常规信用度与预设的常规信用度阈值进行对比，当企业对应的常规信用度小于预设的常规信用度阈值时，生成常规信用警告信号，当企业对应的常规信用度大于预设的常规信用度阈值，生成常规信用良好信号。
[0065] 获取企业对应的自身信用度、社会信用度、常规信用度通过公式得到企业对应的综合信用度F，γ1、γ2、γ3分别为预设
的自身信用度权重因子、社会信用度权重因子、常规信用度权重因子，将企业对应的综合信用度与设定的综合信用度阈值进行对比，若企业对应的综合信用度大于预设的综合信用度阈值，生成一级信用信号，若企业对应的综合信用度等于预设的综合信用度阈值，生成二级信用信号，若企业对应的综合信用度小于预设的综合信用度阈值，生成三级信用信号；
[0066] 接收自身信用分析模块、社会信用分析模块的信号，并提取一级信用信号、二级信用信号、三级信用信号，并对其进行识别，当同时识别到一级信用信号、自身信用良好信号、社会信用良好信号、常规信用良好信号时，则判定企业的综合信用优秀，当识别到自身信用警告信号、社会信用警告信号、常规信用警告信号中任意一个和一级信用信号或二级信用信号时，判定企业的综合信用良好，当识别到自身信用警告信号、社会信用警告信号、常规信用警告信号中任意两个及以上，和二级信用信号、三级信用信号中的任意一个，则判定企业的综合信用一般，将判定结果发送至报告输出模块。
[0067] 报告输出模块用于接收综合分析模块的判定结果，当企业综合信用为良好或一般时，生成提示信号并进行相应提示，当企业综合信用为优秀时，不生成提示信号，基于此输出企业综合信用度分析报告。
[0068] 企业信息数据库用于存储企业的基础信息。
[0069] 关键词特征数据库用于存储评论特征关键词。
[0070] 以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做种样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
