开证申请人

摘要： 【裁判要旨】开证申请人的管理人有权向受益人提起破产偏颇清偿撤销之诉,但等价交易的信用证方式付款本身不构成偏颇清偿。案号一审:(2019)浙02民初250号【案情】原告:宁波保税区创世国际贸易有限公司(以下简称创世公司)管理人。被告:奇美实业股份有限公司(台湾企业)(以下简称奇美公司)。

摘要： 【裁判要旨】在国内开立不可撤销的信用证,被执行人作为开证申请人在开证行设立信用证保证金账户。该账户内的资金作为信用证项下支付资金的保证金,应当视为被特定化,执行法院可以采取冻结措施,但不得进行扣划。有证据证明开证银行履行了对外支付义务后,执行法院应当根据开证银行的申请立即解除冻结措施。但是,在信用证被转让的情况下,还应坚持排除信用证付款的欺诈例外原则,审查转让过程的合法性。

摘要： 鉴于油品类大宗商品进口信用证金额大、付款期限较长,承担第一性付款责任的开证行,应采取切实有效的风险防范措施,以最大程度地规避和降低可能出现的风险。国际信用证是原油进口贸易中的重要结算方式。对于油品类大宗商品而言,基于其自身特点及其交易的特殊性,其进口信用证大多具备特殊的定价机制及复杂繁琐的条款。对此,银行从业人员须加强相关研究学习,防范操作风险。

摘要： 承运人的身份是运输单据签署审核中的重要部分，因此应加强对单据整体上的了解和把握，以保证拒付的有效性。案例背景 开证行开立一份信用证用于进口货物，46A场次要求提交的运输单据为空运单，运费到付，收货人为开证申请人。

摘要： 本案是一起具有涉外因素的远期跟单信用证开证纠纷，案发直接原因是开证申请人经营状况恶化无力赎单导致开证行债权无法实现，争议问题横心是开证行作为提单持有人对提单项下货物享有何种权利。开证行诉请法院判令支持其同时享有债权、所有权和优先受偿权的主张。一、二审仅支持其债权主张，最高人民法院再审判决仍驳回其所有权主张，但增加支持了其优先受偿权主张。

摘要： 为了避免争议，开证申请人在开证申请书中应措辞准确、意思表达明确，以免日后出现有关各方对“IF REQUIRED”条款理解的歧义。

摘要： 受益人应该明晰该如何表达是否接受信用证项下的修改；申请人和开证行则更要明确，开出去的修改是否已经被对方接受：业务案例开证中请人：I公司地址：NIT．817111111865XXX受益人：B公司信用证效期：2017年3月25日交单期：提单日21天内信用证修改次数：1次信用证修改内容：（1）开证申请人地址修改为NIT．817．000．865-8XXX.

摘要： 目前国内信用证下福费廷业务主流的运作模式如下：由开证行应买方（即开证申请人，下称申请人）的申请，向卖方（即受益人）开立远期信用证，在卖方提交相符交单且开证行确认到期付款后，叙做福费延受让卖方所享有的信用证债权；

摘要： 案例背景 开证行：M银行开证申请人：Z研究院受益人：美国B公司交单行：美国J银行开证金额：USD43292．00单据要求：发票、装箱单、空运提单 业务经过 2015年6月10日，M银行应申请人Z研究院的要求，开出了以美国B公司为受益人的美元信用证，金颔USD43292．00，期限SIGHT，货物为监测系统备件，从美国空运到中国上海，为正常一般贸易进口。

摘要： 当用户在用户判定屏幕上输入所需的信息，并发射输入的信息(步骤S3)时，接受服务器(12)从地址DB(21)中读取地址列表，并向用户发射地址列表(步骤S4)。当该用户从地址列表中选择一个地址，并发射选择的地址，一个地址判定服务器(13)相应于选择的地址从地图DB(23)中检索并读取地图，并向用户发射该地图(步骤S6)。然后，该用户输入来自发射的地图的他期望在其中使用通信服务的建筑物的楼层序号，进一步输入天线的方向，并发射输入的楼层序号和天线方向(步骤S7)。区域判定服务器(13)从基站DB(24)中读取基站信息，并且计算在天线和基站之间的传输特性以判定在其之间的通信是否可能，如果可能，接受注册申请。

摘要： 本公开涉及一种专利申请人的匹配方法、装置、电子设备及存储介质，所述匹配方法包括：基于待入库专利文档中待入库申请人对应的特征信息，在预设数据库中检索到所述待入库申请人对应的候选申请人；确定所述候选申请人与所述待入库申请人的相似度；基于所述相似度，确定所述待入库申请人是否与所述候选申请人匹配成功。本公开所提供的专利申请人的匹配方法、装置、电子设备及存储介质，筛选出的候选申请人与待入库申请人之间的相关性更高，进而可有效提高待入库申请人与候选申请人的匹配准确率，降低了相关技术中出现数据冗余或匹配错误问题的几率。

摘要： 本申请涉及一种用于预定申请人的信用判定模型的训练方法、装置和电子设备。该用于预定申请人的信用判定模型的训练方法包括：获取所述预定申请人的有关数据；获取用于所述预定申请人的关系图谱；基于所述关系图谱进行样本筛选以获得用于模型建立的样本数据；基于所述用于模型建立的样本数据提取特征；以及，使用提取出的特征训练所述用于预定申请人的信用判定模型。这样，针对例如征信白户的申请人，通过进行基于关系图谱的关联查询和特征提取，通过申请人的周边人的信息和行为来进行信用判定，可以提升判定准确性。

摘要： 本申请的管控关联申请人的知识产权案件方法、系统、装置及介质，所述方法包括：于当前登录账户对应的客户服务图形界面提供关联申请人配置接口，其中，所述当前登录账户与至少一个预设申请人对应关联；在接收到关联申请人配置接口被触发时生成的配置指令后，显示至少一个配置界面，所述配置界面用于配置一个或多个所述关联申请人；根据配置的关联申请人从数据库中调取与关联申请人对应的知识产权案件的案件数据，并对调取的知识产权案件的案件数据进行管控。本申请可以在母公司的知识产权管理者的登录账户内由母公司的知识产权管理者自由添加或删除多个关联的申请人，并且可以自动调取和管控关联的申请人的对应的知识产权案件的案件数据。

摘要： 本发明公开提供一种目标数据库构建方法、目标申请人识别方法及装置、系统，该目标数据库构建方法具体为：首先基于当前全量贷款申请人及相应的申请人信息构建申请人关系图谱，然后基于预设的疑似团伙特征对申请人关系图谱进行切分以获得若干团伙图谱，接着根据每一团伙谱图中申请人之间的相似度判断贷款团伙是否为目标恶意贷款团伙，最后基于所有目标恶意贷款团伙的团伙特征构建目标数据库，该方法能基于当前的全量贷款申请人构建包括所有目标恶意贷款团伙的团伙特征的数据库，其通过关系图谱的方式，直接针对可能存在欺诈的团伙特征及节点切分出贷款团伙并进一步验证确认，从而缩短识别团伙的时间，识别效率较高。

摘要： 本发明提供了一种用于专利数据中申请人公司名称消歧的方法，属于数据处理领域，包括：拆分申请人数据的申请人名称，获取申请人公司名集合；将所获取的申请人公司名集合进行遍历，去除公司名中的地名、附加前缀与后缀；按照公司专利数量进行倒序排序，根据排序结果对步骤2处理后的公司名集合使用莱文斯坦距离比较字符串对的相似程度，以排序在前的公司名作为标准比较字符串遍历比较后续公司名集合；将字符串比较结果进行整理，根据已知数据集对参数阈值进行调整，计算出能够筛选出有母子公司关系的公司集合的阈值；用户比对计算结果，判断计算结果是否符合其需求。该方法消歧效率大幅度提升，精准度更高，更具科学性。

摘要： 本申请公开了一种贷款申请人的贷款信用评估方法，该方法包括：获取贷款申请人的信息数据；基于信息数据获取特征数据；将特征数据输入到信用评估模型，以对贷款申请人的贷款信用进行评估；基于信用评估模型输出贷款申请人的贷款信用数据。因此，本申请通过获取贷款申请人的信息数据，并基于信息数据提取的特征数据以及信用评估模型，得到贷款申请人的贷款信用数据，能够提高对贷款申请人的信用评估的准确度。

摘要： 本申请公开了一种贷款申请人的贷款额度评估方法、装置、电子设备及存储介质。其中，贷款申请人的贷款额度评估方法包括：获取贷款申请人的历史贷款记录信息以及用户画像信息；基于历史贷款记录信息以及用户画像信息获取特征数据；将特征数据输入到预设的贷款额度评估模型；获取贷款额度评估模型输出的贷款额度数据。因此，本申请获得的贷款额度数据，基于贷款申请人的历史贷款记录信息以及用户画像信息，因此更加符合贷款申请人的实际信用、经济等状况。

摘要： 本发明提供了一种基于申请人信息自动检索专利的方法和装置，涉及数据处理技术领域，通过获得第一文档；根据所述第一文档获得第一关键词；根据所述第一关键词检索获得第一专利；获得所述第一专利的第一申请人；根据所述第一申请人获得第二专利，其中，所述第二专利与所述第一专利属于同一技术领域；获得所述第二专利的第二关键词；判断所述第二关键词与所述第一关键词是否具有第一相关性；当所述第二关键词与所述第一关键词具有第一相关性时，获得所述第二专利的第一IPC分类号；根据所述第一IPC分类号与所述第二关键词获得第一目标专利，达到了结合申请人信息，提升关键词的精度，提高专利检索的准确率，提高检索效率的技术效果。

摘要： 一种用于匹配多个简历的机器学习系统和方法、计算机可读介质。该匹配多个简历的机器学习系统(201)包括：简历数据训练引擎(203)和简历匹配运行时引擎(202)。简历数据训练引擎(203)包括第一组一个或多个处理器和存储至少一个处理器可执行指令的至少一个非暂时性处理器可读介质。当由所述第一组一个或多个处理器执行时，指令执行接收分别对应于多个工作申请人的多个简历档案数据，其中每个所述简历档案数据包括来自所述多个工作申请人中的一工作申请人的多个时间片数据，所述多个时间片数据中的每一个包括申请人的对应于时间片的时间简历数据，以及当时所述申请人的工作地点的工作描述；基于所述多个简历档案数据和所述多个时间片数据确定多个特征；基于一个或多个机器学习算法使用所述多个简历档案数据和所述多个时间片数据执行训练；生成包括一个或多个函数或模型的预测模型，每个生成的所述函数或模型与一个或多个特征相关联。简历匹配运行时引擎(202)包括第二组一个或多个处理器和存储至少一个处理器可执行指令的至少另一个非暂时性处理器可读介质。当由所述第二组一个或多个处理器执行时，指令执行从所述简历数据训练引擎接收所述预测模型；收到一个或多个职位描述；接收多个简历记录数据；从所述一个或多个职务描述中提取一个或多个特征；使用具有预测模型的一个或多个提取的特征处理所述多个简历记录数据；生成所述多个简历记录数据的匹配数据，其中所述匹配数据包括所述多个简历记录数据中的每一个的匹配得分信息，以及将所述匹配数据呈现给用户。