技术摘要：
一种业务对象识别方法及装置，所述方法包括：将特征样本集中与业务对象相对应的业务特征输入预先训练的机器学习模型，以根据所述机器学习模型的输出结果确定所述业务特征对应的业务对象是否运营了预设业务；将运营了预设业务的业务对象添加至对象集，将运营了预设业务  全部
背景技术：
随着电子商务与互联网金融的发展，越来越多的企业开始运营诸如现金贷款的业 务；然而，此类业务往往伴随着隐性高利率、恶意逾期、暴力催收等情况，为了减少上述情况 的发生，人们需要通过技术手段检索到运营上述业务的企业等业务对象。 在相关技术中，人们可以采用人工智能技术，预先训练能够根据企业所公开的信 息，判断对应的企业是否运营上述业务的机器学习模型，以快速筛选、检索运营上述业务的 企业；然而，此种方法需要首先获取要输入模型的数据，由于互联网信息总量庞大，人工从 海量数据中获取能够用于输入模型的数据，覆盖率会较差；而直接爬取海量数据输入模型， 由于直接爬取的数据并不针对上述业务，因此亦会导致检索的整体效率偏低。
技术实现要素：
有鉴于此，本说明书公开了一种业务对象识别方法及装置。 根据本说明书实施例的第一方面，公开了一种业务对象识别方法，包括： 将特征样本集中，与业务对象相对应的业务特征，输入预先训练的机器学习模型， 以根据所述机器学习模型的输出结果，确定所述业务特征对应的业务对象是否运营了预设 业务； 将运营了预设业务的业务对象添加至对象集，将运营了预设业务的业务对象对应 的业务特征添加至数据集； 在预设的舆情数据库中搜索与所述数据集中的业务特征相关的舆情数据，并从搜 索到的舆情数据中提取业务特征，将提取出的所述业务特征添加至所述特征样本集，以对 所述特征样本集进行更新；以及， 确定与所述对象集中的各业务对象，存在业务关系的扩展业务对象，并将确定出 的所述扩展业务对象添加至所述对象集，以得到更新后的所述对象集。 根据本说明书实施例的第二方面，公开了一种业务对象识别装置，包括： 模型调用模块，将特征样本集中，与业务对象相对应的业务特征，输入预先训练的 机器学习模型，以根据所述机器学习模型的输出结果，确定所述业务特征对应的业务对象 是否运营了预设业务； 添加模块，将运营了预设业务的业务对象添加至对象集，将运营了预设业务的业 务对象对应的业务特征添加至数据集； 特征样本集更新模块，在预设的舆情数据库中搜索与所述数据集中的业务特征相 关的舆情数据，并从搜索到的舆情数据中提取业务特征，将提取出的所述业务特征添加至 所述特征样本集，以对所述特征样本集进行更新； 对象集更新模块，确定与所述对象集中的各业务对象，存在业务关系的扩展业务 5 CN 111553487 A 说　明　书 2/12 页 对象，并将确定出的所述扩展业务对象添加至所述对象集，以得到更新后的所述对象集。 以上技术方案中，一方面，在将利用机器学习模型识别出的运营了预设业务的业 务对象添加至对象集后，由于与对象集中的业务对象存在业务关系的扩展业务对象，一般 亦会运营与对象集中的业务对象同样的预设业务；因此，将扩展业务对象添加至对象集以 对该对象集进行更新，相对于传统方案而言增加了新的业务对象识别渠道，可以提高业务 对象的识别效率和覆盖率。 另一方面，在将利用机器学习模型识别出的运营了预设业务的业务对象对应的业 务特征添加至数据集后，由于从舆情数据库中搜索出的与数据集中的业务特征相关的舆情 数据，通常也与上述预设业务相互关联；因此，将从搜索到的舆情数据中提取出的业务特 征，也添加至特征样本集，相对于传统方案而言增加了新的业务特征获取渠道，可以进一步 提高业务对象的识别效率和覆盖率。 附图说明 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实 施例，并与说明书文本一同用于解释原理。 图1是本说明书所述业务对象识别方法的流程示例图； 图2是本说明书所述业务关系网络的情景示例图； 图3是本说明书所述舆情数据搜索的示例图； 图4是本说明书所述业务闭环的示例图； 图5是本说明书所述业务对象识别装置的结构示例图； 图6是本说明书所述用于业务对象识别的计算机设备的结构示例图。