《一种基于纳税人利益关联网络的重点监控企业评估方法.pdf》由会员分享，可在线阅读，更多相关《一种基于纳税人利益关联网络的重点监控企业评估方法.pdf（13页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 104156905 A (43)申请公布日 2014.11.19 CN 104156905 A (21)申请号 201410404605.7 (22)申请日 2014.08.15 G06Q 50/26(2012.01) (71)申请人 西安交通大学 地址 710049 陕西省西安市咸宁西路 28 号 申请人 税友软件集团股份有限公司 (72)发明人 郑庆华 洪云飞 陈艳平 张未展 李丛 (74)专利代理机构 西安通大专利代理有限责任 公司 61200 代理人 陆万寿 (54) 发明名称 一种基于纳税人利益关联网络的重点监控企 业评估方法 (57) 摘要 本发明公开了一。
2、种基于纳税人利益关联网络 的重点监控企业评估方法， 主要步骤如下 ： (1) 利 用纳税人利益关联网络， 建立相应的随机游走模 型 ； (2) 根据地区、 行业信息获取纳税人利益关联 网络子图 ； (3) 计算子图中各节点的重要程度， 将 企业节点按照重要程度排序， 得到重点监控企业 列表。所述重点监控企业是指在纳税行为中需要 被重点监控的企业， 重要程度是其衡量指标， 实现 了度量评估各企业的重要程度， 并根据重要程度 决定需要被监控的企业。 (51)Int.Cl. 权利要求书 3 页 说明书 7 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书3页 。
3、说明书7页 附图2页 (10)申请公布号 CN 104156905 A CN 104156905 A 1/3 页 2 1. 一种基于纳税人利益关联网络的重点监控企业评估方法， 其特征在于， 包括以下步 骤 ： 1) 建立基于纳税人利益关联网络的随机游走模型， 并根据自动学习法设置随机游走模 型型中的传递因子 ； 2) 根据地区、 行业信息生成纳税人利益关联子图 ； 3) 根据随机游走模型， 计算纳税人利益关联子图中各节点的重要程度， 并将企业节点 按照重要程度排序， 得到重点监控企业列表。 2. 如权利要求 1 所述的基于纳税人利益关联网络的重点监控企业评估方法， 其特征在 于， 所述步骤 1。
4、) 包括 ： 第 1 步 ： 设纳税人利益关联网络的传递因子为 XY， 对于每种节点来说， 其重要程度递 归计算公式为 ： 其中， SX表示类型为 X 的节点重要程度向量，val 表示节点的 重要程度， T 表示节点类别集合， T L,C,B， 其中， L 表示法人节点 ,C 表示企业节点 ,B 表 示董事节点 ； d 表示阻尼系数 ； XY表示为类型为 X 的节点的重要程度会以 XY大小的传递 因子传递给其相邻类型为 Y 的节点 ； MXY代表 X 类型节点和 Y 类型节点之间的重要程度转移 矩阵， MXY中的每个元素是其计算公式为指节点 xi和节点 yj之间 的边权重， SY表示 Y 类型。
5、节点的重要程度向量，表示节点 xi与节点 ys之间的边权重， ys 表示与节点 xi相邻的任意节点， ny表示与节点 xi相邻的 Y 类型节点数量 ； 第 2 步 ： 利用自动学习方法设置随机游走模型中的传递因子 XY： 2.1) 定义并初始化目标函数 ； 2.2) 初始化传递因子为平均值 ； 2.3) 依次更新传递因子和节点重要程度的值， 直到目标函数的变化小于指定阈值， 得 到传递因子值为自动学习后的传递因子。 3. 如权利要求 2 所述的基于纳税人利益关联网络的重点监控企业评估方法， 其特征在 于， 所述第 2 步的具体过程为 ： a) 将 XY初始化设置为满足公式 (2) 的平均值， 。
6、公式 (2) 为 ； 其中， LX表示 L 类型节点跳转至 X 类型节点的重要程度转移概率， CX表示 C 类型节 点跳转至 X 类型节点的重要程度转移概率， BX表示 B 类型节 X 类型节点的重要程度转移 概率， XL表示 X 类型节点跳转至 L 类型节点的重要程度转移概率， XC表示 X 类型节点跳 权 利 要 求 书 CN 104156905 A 2 2/3 页 3 转至 C 类型节点的重要程度转移概率， XB表示 X 类型节点跳转至 B 类型节点的重要程度 转移概率 ； 定义目标函数为 ： 式中 yij vali-valj， 即需要被监控的企业与不需要被监控的企业之间的重要程度差 值。
7、 ； na为需要被重点监控的企业数量， nb为不需要被重点监控的企业数量 ； 推导得出 ： 将公示 (4) 代入公式 (3)， 对传递因子 XY求导并使其为 0， 得到 ： 公式 (5) 是传递因子 XY的更新公式为 ： XY XY+*XY (6) 其中， 是用来控制 XY的更新步长的参数 ； b) 保持传递因子 XY不变， 按照公式 (3) 更新所有 val ； c) 保持 val 不变， 按照公式 6 更新所有 XY； d) 重复第 b) 步与第 c) 步， 直至目标函数变化小于阈值。 4. 如权利要求 1 所述的基于纳税人利益关联网络的重点监控企业评估方法， 其特征在 于， 所述步骤 2。
8、) 的包括 ： 第 1 步 ： 根据地区、 行业选择待评估企业节点作为子图节点 ； 第2步 ： 在纳税人利益关联网络中， 将与第1步得到的节点距离小于等于2的相关节点 加入到子图节点中 ； 第 3 步 ： 以第 2 步得到的节点为子节点， 得到的纳税人利益关联网络的导出子图， 则为 所需要的纳税人利益关联子图。 5. 如权利要求 1 所述的基于纳税人利益关联网络的重点监控企业评估方法， 其特征在 于， 所述步骤 (3) 包括 ： 第 1 步 ： 利用步骤 1) 中的随机游走模型， 计算子图中各节点的重要程度 ； 第 2 步 ： 将纳 税人利益关联网络子图中的企业节点按照重要程度排序， 并返回重。
9、点监控企业列表。 6. 如权利要求 5 所述的基于纳税人利益关联网络的重点监控企业评估方法， 其特征在 于， 利用步骤 1) 中的随机游走模型， 计算子图中各节点的重要程度具体包括 ： 3.1) 给所有纳税人利益关联子图中的子节点赋予相同的初始重要程度 ； 3.2) 遍历所有子节点， 利用公式 7 计算改变后的节点重要程度 vali， 计算改变量 changei |vali -vali| ； 公式 7 为 ： 权 利 要 求 书 CN 104156905 A 3 3/3 页 4 其中， wji指节点 j 和节点 i 之间的边权重， ji为节点 j 所属类型与节点 i 所属类型 之间的传递因子，。
10、 节点 j 是任意指向节点 i 的节点 ； 3.1) 对所有节点更新其重要程度， 以 vali值作为最新的重要程度 ； 计算如果 sum 大于阈值， 则跳转至步骤 3.2) ； 如果 sum 小于阈值， 则 结束计算过程， 以最后的值作为子节点最终重要程度。 7. 如权利要求 6 所述的基于纳税人利益关联网络的重点监控企业评估方法， 其特征在 于， 所述阈值取为 0.01。 权 利 要 求 书 CN 104156905 A 4 1/7 页 5 一种基于纳税人利益关联网络的重点监控企业评估方法 技术领域 0001 本发明涉及网络监控评估领域， 尤其涉及一种基于纳税人利益关联网络的重点监 控企业评。
11、估方法。 背景技术 0002 重点税源企业是指一个地区中有一定规模和影响力的企业， 或对该地区税收任务 完成起主要贡献作用的企业， 这样的企业需要被重点监控。 由于其收入比重大， 并对地区经 济发展、 地区税收都有着举足轻重的影响， 因而加强对这些重点企业的监控对税务机关来 讲是一项非常重要的工作。 0003 根据 重点企业税源监控月报数据库管理暂行办法 可以看出， 目前税务部门主要 是采用指标的方式来决定哪些是需要被重点监控的企业， 使用的指标有 ： 0004 (1) 年缴纳增值税和消费税合计 500 万以上的增值纳税户 ； 0005 (2) 年缴纳营业税 100 万元以上的营业纳税税户 ；。
12、 0006 (3) 年缴纳企业所得税或外商外资企业和外国企业所得税 500 万元以上的纳税 户。 0007 在现实中， 对于重点企业税收分析的意义在于分析地区税源状况和税收收入形 势， 分析政策执行情况以及征收管理情况， 客观反映税源发展、 税收收入以及税收管理中存 在的问题， 而之前单纯利用指标的方式并没有利用企业之间的利益关联， 无法有效体现出 企业对于地区经济发展的影响。 基于纳税人利益关联网络的方法可以将企业之间的经济行 为、 利益关系引入到重点监控企业评估之中， 能为税收分析提供更良好的支持。 0008 专利 引入节点重要性的对等网络超级节点选择和资源搜索方法 专利 号 :ZL200。
13、710176639.5 公开了一种将节点重要性引入对等网络的超级节点选择和资源搜 索的方法。 它通过计算节点重要性来识别那些负责维持通信、 保证服务性能的高效节点。 该 发明所采用的分布式迭代计算方法是局部化的算法， 具有灵活高效、 不存在单点故障问题、 能够快速适应对等网络中网络拓扑变化的特点。但是该方法在计算网络重要节点过程中， 考虑的是单一种类节点， 并没有考虑多种类型节点的情况。 0009 专利 基于纳税人利益关联网络模型的偷漏税关联企业识别方法 申请号 ： 201310293435.5 使用了一种基于纳税人利益关联网络模型的方法识别偷漏税关联企业， 有效利用了纳税人之间控股关系、 实。
14、际控制人关系以及企业之间的交易关系。其中的纳 税人利益关联网络 TPIIN 是一种以图方式组织纳税人的形式， 可形式化表示为 TPIIN (V,E,W)， 其中 V vp|p 1,.,NP 表示节点集合， V 包含三种类别， 有 V L C B， 其中 L vl|l 1,.,NL,NLNp 表示所有法人节点， C vc|c 1,.,NC,NC Np 表 示所有企业节点， Bvb|b1,.,NB,NBNp表示所有董事节点， 则有NL+NC+NBNp； E表 示图中所有边的集合， 且令 E epq (vp,vq)|0p,q Np， 其中 epq (vp,vq) 表示存 在从第 p 个节点到第 q 。
15、个节点的有向连线 ； W wpq|0p,q Np 为从第 p 个节点到第 q 个 节点的有向连线上的权重。 说 明 书 CN 104156905 A 5 2/7 页 6 0010 边之间的权重与边的类别有关。表示有向边的类别集 合， 其中表示实际控制人间双向的间接关联关系， 且如果 vp到 vq的边 epq的颜色为 记为则边epq的权重表示法人vl与企业vc之间、 或者董事vb和企业vc间 的单向实际控制人关系，表示法人与企业之间、 或董事与企业之间、 或企业 之间的单向控股关系，表示控股百分比 ； 表示多个董事间的双向互锁关 系，其表示董事间控股权重程度 ；表示企业间的单向交易关系， 其权重。
16、公 式为 ： 0011 0012 其中 Ave(profi t(vi) 为企业 vp 同期平均净利润， Ave(profi t(C(V) 为同企业 vi 同行业的企业同期平均净利润， Ave(profi tproducti(vp) 为企业 vp生成产品 producti 的同期 平均净利润， Ave(profi tproducti(C(V) 为同企业 vp同行业的企业生成产品 producti 的同期 平均净利润。 发明内容 0013 针对以上缺点及不足， 本发明的目的在于提供一种基于纳税人利益关联网络的重 点监控企业评估方法， 该方法利用纳税人利益关联网络中节点种类的不同以及节点之间的 关系。
17、， 度量各企业的重要程度， 根据重要程度决定需要被监控的企业。 0014 为达到以上目的， 本发明的技术方案为 ： 0015 包括以下步骤 ： 0016 1) 建立基于纳税人利益关联网络的随机游走模型， 并根据自动学习法设置随机游 走模型型中的传递因子 ； 0017 2) 根据地区、 行业信息生成纳税人利益关联子图 ； 0018 3) 根据随机游走模型， 计算纳税人利益关联子图中各节点的重要程度， 并将企业 节点按照重要程度排序， 得到重点监控企业列表， 以使得对重点监控企业进行评估。 0019 所述步骤 1) 包括 ： 0020 第 1 步 ： 设纳税人利益关联网络的传递因子为 XY， 00。
18、21 对于每种节点来说， 其重要程度递归计算公式为 ： 0022 0023 其中， SX表示类型为 X 的节点重要程度向量，val 表示节 点的重要程度， T 表示节点类别集合， T L,C,B， 其中， L 表示法人节点 ,C 表示企业节 点 ,B 表示董事节点 ； d 表示阻尼系数 ； XY表示为类型为 X 的节点的重要程度会以 XY大 说 明 书 CN 104156905 A 6 3/7 页 7 小的传递因子传递给其相邻类型为 Y 的节点 ； MXY代表 X 类型节点和 Y 类型节点之间的重要 程度转移矩阵， MXY中的每个元素是其计算公式为指节点 xi和节 点 yj之间的边权重， SY。
19、表示 Y 类型节点的重要程度向量，表示节点 xi与节点 ys之间的 边权重， ys表示与节点 xi相邻的任意节点， ny表示与节点 xi相邻的 Y 类型节点数量 ； 0024 第 2 步 ： 利用自动学习方法设置随机游走模型中的传递因子 XY： 0025 2.1) 定义并初始化目标函数 ； 0026 2.2) 初始化传递因子为平均值 ； 0027 2.3) 依次更新传递因子和节点重要程度的值， 直到目标函数的变化小于指定阈 值， 得到传递因子值为自动学习后的传递因子。 0028 所述第 2 步的具体过程为 ： 0029 a) 将 XY初始化设置为满足公式 (2) 的平均值， 公式 (2) 为 。
20、； 0030 0031 其中， LX表示 L 类型节点跳转至 X 类型节点的重要程度转移概率， CX表示 C 类 型节点跳转至 X 类型节点的重要程度转移概率， BX表示 B 类型节 X 类型节点的重要程度 转移概率， XL表示 X 类型节点跳转至 L 类型节点的重要程度转移概率， XC表示 X 类型节 点跳转至 C 类型节点的重要程度转移概率， XB表示 X 类型节点跳转至 B 类型节点的重要 程度转移概率 ； 0032 定义目标函数为 ： 0033 0034 式中 yij vali-valj， 即需要被监控的企业与不需要被监控的企业之间的重要程 度差值 ； na为需要被重点监控的企业数量，。
21、 nb为不需要被重点监控的企业数量 ； 0035 推导得出 ： 0036 0037 将公示 (4) 代入公式 (3)， 对传递因子 XY求导并使其为 0， 得到 ： 0038 0039 公式 (5) 是传递因子 XY的更新公式 ： 0040 XY XY+*XY (6) 0041 其中， 是用来控制 XY的更新步长的参数 ； 0042 b) 保持传递因子 XY不变， 按照公式 (3) 更新所有 val ； 说 明 书 CN 104156905 A 7 4/7 页 8 0043 c) 保持 val 不变， 按照公式 6 更新所有 XY； 0044 d) 重复第 b) 步与第 c) 步， 直至目标函。
22、数变化小于阈值。 0045 述步骤 2) 的包括 ： 0046 第 1 步 ： 根据地区、 行业选择待评估企业节点作为子图节点 ； 0047 第2步 ： 在纳税人利益关联网络中， 将与第1步得到的节点距离小于等于2的相关 节点加入到子图节点中 ； 0048 第 3 步 ： 以第 2 步得到的节点为子节点， 得到的纳税人利益关联网络的导出子图， 则为所需要的纳税人利益关联子图。 0049 所述步骤 (3) 包括 ： 0050 第 1 步 ： 利用步骤 1) 中的随机游走模型， 计算子图中各节点的重要程度 ； 0051 第 2 步 ： 将纳税人利益关联网络子图中的企业节点按照重要程度排序， 并返回。
23、重 点监控企业列表。 0052 利用步骤 1) 中的随机游走模型， 计算子图中各节点的重要程度具体包括 ： 0053 3.1) 给所有纳税人利益关联子图中的子节点赋予相同的初始重要程度 ； 0054 3.2) 遍历所有子节点， 利用公式 7 计算改变后的节点重要程度 vali， 计算改变 量 changei |vali -vali| ； 0055 公式 7 为 ： 0056 0057 其中， wji指节点 j 和节点 i 之间的边权重， ji为节点 j 所属类型与节点 i 所属 类型之间的传递因子 ； 0058 3.1) 对所有节点更新其重要程度， 以 vali值作为最新的重要程度 ； 005。
24、9 计算如果 sum 大于阈值， 则跳转至步骤 3.2) ； 如果 sum 小于阈 值， 则结束计算过程， 以最后的值作为子节点最终重要程度。与现有技术比较， 本发明的有 益效果为 ： 0060 本发明提供了一种基于纳税人利益关联网络的重点监控企业评估方法， 通过设置 纳税人利益关联网络的随机游走模型， 以及纳税人利益关联子图， 并根据随机游走模型， 计 算纳税人利益关联子图中各节点的重要程度， 并将企业节点按照重要程度排序， 得到重点 监控企业列表， 该方法利用纳税人利益关联网络中节点种类的不同以及节点之间的关系， 实现了度量评估各企业的重要程度， 并根据重要程度决定需要被监控的企业。 附图。
25、说明 0061 附图 1 是基于纳税人利益关联网络的重点监控企业评估方法流程图 ； 0062 附图 2 是基于纳税人利益关联网络的随机游走模型形式化图 ； 0063 附图 3 是随机游走模型的传递因子自动学习方法流程图 具体实施方式 说 明 书 CN 104156905 A 8 5/7 页 9 0064 为了更清楚的理解本发明， 以下对本发明作进一步的详细描述。 0065 1) 建立基于纳税人利益关联网络的随机游走模型 ： 0066 此步骤主要是利用纳税人利益关联网络， 建立随机游走模型， 并利用自动学习方 法对模型中的传递因子进行设置。 0067 第 1 步 ： 根据纳税人利益关联网络建立相。
26、应的随机游走模型。纳税人利益关联网 络是有向异构图， 在该网络中， 节点之间的重要程度会随着网络结构进行传播， 节点之间重 要程度的传播与节点类型以及边的权重有关。 0068 由于重要程度在不同类型节点之间传递的可能性的不同， 因此在计算两种节点之 间的重要程度转移值时， 需要乘以对应的传递因子 XY。XY可以理解为 X 类型节点与 Y 类 型节点之间的重要程度转移概率， 即随机游走概率， 需要满足条件 ： 0069 0070 其中， LX表示 L 类型节点跳转至 X 类型节点的重要程度转移概率， CX表示 C 类 型节点跳转至 X 类型节点的重要程度转移概率， BX表示 B 类型节 X 类型。
27、节点的重要程度 转移概率， XL表示 X 类型节点跳转至 L 类型节点的重要程度转移概率， XC表示 X 类型节 点跳转至 C 类型节点的重要程度转移概率， XB表示 X 类型节点跳转至 B 类型节点的重要 程度转移概率 ； 对于每种节点来说， 其重要程度递归计算公式为 0071 0072 利用公式 1 递归计算直至收敛， 收敛后的各节点的重要程度即为最终的重要程 度。式中 SX表示类型为 X 的节点重要程度向量，T 表示节点类别 集合， T L,C,B， 其中， L 表示法人节点 ,C 表示企业节点 ,B 表示董事节点 ； val 表示节点 的重要程度， T 表示节点类别集合， T L,C,。
28、B ； d 表示阻尼系数， 实际计算中采用常用值 0.15 ； XY的意义是， X 类型节点的重要程度会以 XY大小的传递因子传递给其相邻的 Y 类 型节点 ； MXY代表 X 类型节点和 Y 类型节点之间的重要程度转移矩阵， MXY中的元素是 即两个节点之间的关联强度， 其计算公式为式中指的是纳税人利益关 联网络中节点 xi和节点 yj之间的边权重， SY表示 Y 类型节点的重要程度向量，表示节 点 xi与节点 ys之间的边权重， ys表示与节点 xi相邻的任意节点， ny表示与节点 xi相邻的 Y 类型节点数量。可以看出， 边权重大的节点之间， 其重要程度传播值也较大。 0073 第 2 。
29、步 ： 对上述模型中的传递因子 XY进行设置， 传统方法一般是手工设置， 但是 这种方法比较困难， 并且效果不稳定。这里使用一种自动的参数学习方法对传递因子 XY 进行设置。该参数学习方法的主要思想是 ： 给定训练数据集， 并设置一个目标函数， 不断调 整参数 XY的取值， 使得该目标函数取得最大值， 此时的参数即为最终所取的参数值。 说 明 书 CN 104156905 A 9 6/7 页 10 0074 训练数据为人工标注的企业列表， 该列表中的企业被标注为需要被重点监控或不 需要被重点监控。 参数学习的目标是使得训练数据集中的需要被重点监控的企业与不需要 被重点监控的企业之间的重要程度差。
30、值最大。 0075 目标函数为 ： 0076 0077 式中 yij vali-valj， 即需要被监控的企业与不需要被监控的企业之间的重要程 度差值 ； na为需要被重点监控的企业数量， nb为不需要被重点监控的企业数量。 0078 可以推导得出 ： 0079 0080 将公式 4 代入公式 3， 对 XY求导并使其为 0， 可以得到 ： 0081 0082 公式 5 可以看做是传递因子 XY的更新公式 ： 0083 XY XY+*XY (6) 0084 其中， 是用来控制 XY的更新步长的参数 ； 0085 参数学习算法是一个迭代的过程， 其算法过程为 ： 0086 1) 将 XY初始化设。
31、置为满足公式 2 的平均值 ； 0087 2) 保持 XY不变， 按照公式 3 更新所有 val ； 0088 3) 保持 val 不变， 按照公式 6 更新所有 XY； 0089 4) 重复第 2 步与第 3 步， 直至目标函数变化小于阈值， 实际计算中， 阈值取为 0.01。 0090 收敛之后的 XY值即为所求的结果。 0091 2) 根据地区、 行业信息生成纳税人利益关联子图 ： 0092 一般情况下， 纳税监控是按照地区以及行业进行的， 因此， 企业重要程度评估需要 在地区、 行业子图上进行。这里给出在给定地区及行业信息时的纳税人利益关联网络子图 Gs 的具体生成方法 ： 0093 。
32、Step1、 将纳税人利益关联网络转化为无向图 Gu (Vu,Eu) ； 0094 Step2、 遍历无向图 Gu， 将满足地区、 行业条件的企业节点全部取出作为子图 Gs 的 节点 0095 Step3、 获取在 Gu 上的所有相邻节点加入子图 Gs 中 ； 0096 Step4、 获取在 Gu 上的所有相邻节点加入子图 Gs 中 ； 0097 Step5、 那么Gs是纳税人利益关联网络G的导出子图， 它以为顶点， 可 记为 0098 3) 根据随机游走模型， 计算纳税人利益关联子图中各节点的重要程度， 并将企业 说 明 书 CN 104156905 A 10 7/7 页 11 节点按照重要。
33、程度排序， 得到重点监控企业列表， 以使得对重点监控企业进行评估。 0099 3.1) 给所有纳税人利益关联子图中的子节点赋予相同的初始重要程度 ； 0100 3.2) 遍历所有子节点， 利用公式 7 计算改变后的节点重要程度 vali， 计算改变 量 changei |vali -vali| ； 0101 公式 7 为 ： 0102 0103 其中， wji指节点 j 和节点 i 之间的边权重， ji为节点 j 所属类型与节点 i 所属 类型之间的传递因子， 节点 j 是任意指向节点 i 的节点 ； 0104 3.1) 对所有节点更新其重要程度， 以 vali值作为最新的重要程度 ； 010。
34、5 计算如果 sum 大于阈值， 则跳转至步骤 3.2) ； 如果 sum 小于阈 值， 则结束计算过程， 以最后的值作为子节点最终重要程度。 0106 这步过程需要对纳税人利益关联网络子图 Gs中的所有类型节点计算其重要程度， 并返回重点监控企业列表， 该计算过程在子图 Gs上进行。 0107 根据公式 1， 可推得对于每一个节点 vi来说， 其重要程度计算公式为 ： 0108 0109 其中 wji指节点 j 和节点 i 之间的边权重， ji为节点 j 所属类型与节点 i 所属类 型之间的传递因子。 0110 该公式的具体递归算法如下 ： 0111 1) 给所有节点赋予相同的初始重要程度 。
35、； 0112 2) 遍历所有节点， 利用公式 7 计算改变后的节点重要程度 vali， 计算 0113 改变量 changei |vali -vali| ； 0114 3) 对所有节点更新其重要程度， 以 vali值作为最新的重要程度 ； 0115 4)计算如果sum大于阈值， 则跳转至过程2 ； 如果sum小于阈值， 则结束计算过程， 以最后的值作为节点最终重要程度。 0116 计算得到节点重要程度后， 按照其大小对所有企业节点进行排序， 该排序列表反 映了企业的重要程度， 最靠前的N个企业为需要重点监控的企业， 其中N的值根据实际需求 来设定。 说 明 书 CN 104156905 A 11 1/2 页 12 图 1 图 2 说 明 书 附 图 CN 104156905 A 12 2/2 页 13 图 3 说 明 书 附 图 CN 104156905 A 13 。