产业链完整性评估方法、装置、电子设备及存储介质

摘要: 本技术涉及产业链风险识别,特别涉及一种产业链完整性评估方法、装置、电子设备及存储介质。背景技术:1、产业链的完整性不仅关系到企业的生产效率和产品质量,还直接影响...
产业链完整性评估方法、装置、电子设备及存储介质

本技术涉及产业链风险识别,特别涉及一种产业链完整性评估方法、装置、电子设备及存储介质。

背景技术:

1、产业链的完整性不仅关系到企业的生产效率和产品质量,还直接影响到国家经济的稳定和发展。因此,如何准确判断产业链的完整性成为了产业链领域的一个重要研究方向。

2、相关技术中产业链完整性评估方法主要依赖于专家经验和统计数据分析,这些方法在处理复杂的产业网络时存在明显的局限性。首先,专家经验往往受到个人认知的局限,难以全面把握产业链的复杂性。其次,统计数据分析方法通常需要大量的数据支持,且难以捕捉产业链中的隐性关联关系。因此,该方法在产业链完整性判别中的准确性和效率方面仍有待提高。

技术实现思路

1、本技术提供一种产业链完整性评估方法、装置、电子设备及存储介质,以解决相关技术中对于产业链的完整性判别准确性和效率较低等问题。

2、本技术第一方面实施例提供一种产业链完整性评估方法,包括以下步骤:获取待评估产业链的图数据;将图数据输入至目标图神经网络模型中,目标图神经网络模型基于图数据对待评估产业链的实体关系进行类型划分,并基于实体关系的关系类型确定不同的聚合更新机制,将每个聚合更新机制输出的更新后的实体特征聚合处理,得到待评估产业链的输出特征;基于待评估产业链的输出特征评估待评估产业链的完整性。

3、可选地,基于实体关系的关系类型确定不同的聚合更新机制,包括:若实体关系的关系类型为第一类型,则聚合更新机制为第一聚合更新机制,第一聚合更新机制为基于产业链关系权重的聚合更新机制;若实体关系的关系类型为第二类型,则聚合更新机制为第二聚合更新机制,第二聚合更新机制为基于产业链实体采样的聚合更新模块;若实体关系的关系类型为第三类型,则聚合更新机制为第三聚合更新机制,第三聚合更新机制为基于产业链关系门控的聚合更新机制。

4、可选地,在将图数据输入至目标图神经网络模型中之前,还包括:从待评估产业链的多个实体中确定目标实体;将图数据和目标实体输入至目标图神经网络模型中,其中,目标图神经网络模型基于图数据对待评估产业链中目标实体与其它实体的实体关系进行类型划分。

5、可选地,第一聚合更新机制为:识别关系类型为第一类型的多个实体关系;识别多个实体关系中每个实体关系的属性信息;若实体关系存在属性信息,基于属性信息计算实体关系的类型对应的关系权重,否则基于实体关系的始末实体对应的结构特征对实体关系的类型对应的关系权重进行赋值;对目标实体的多个实体关系的关系权重进行加权求和得到目标实体的邻居特征;基于邻居特征和目标图神经网络模型的权重矩阵,对目标实体的特征进行更新,以得到更新后的第一实体特征。

6、可选地,第二聚合更新机制为:识别关系类型为第二类型的目标实体的邻居实体数量;若邻居实体数量大于预设数量时,从多个邻居实体中随机抽取预设数量的邻居实体构成目标实体的邻域;若邻居实体数量小于或等于预设数量时,将所有的邻居实体构成目标节点的邻域;利用最大池化方法将邻域中所有邻居实体的特征进行聚合得到聚合后的邻居实体特征;拼接聚合后的邻居实体特征和目标实体的特征得到拼接后的特征,基于拼接后的特征和目标图神经网络模型的权重矩阵,对目标实体的特征进行更新,以得到更新后的第二实体特征。

7、可选地,第三聚合更新机制为:识别关系类型为第三类型的多个实体关系;识别多个实体关系中每个实体关系的始末实体的特征,并将始末实体的特征进行线性变换和激活处理,将处理后的特征作为对应实体关系的门控;获取目标实体的邻域,将邻域中的所有邻居实体的特征进行加权处理,将加权处理后的特征作为待传递信息;基于多个实体关系的门控和待传递信息进行聚合处理,得到邻域中所有邻居实体的聚合特征;利用激活函数和残差机制对聚合特征和目标实体的特征进行聚合,得到更新后的第三实体特征。

8、可选地,在将图数据输入至目标图神经网络模型中之前,还包括:获取训练数据集,其中,训练数据集中包括产业链的输出特征和真值结果;利用训练数据集训练目标图神经网络模型,计算目标图神经网络的输出结果与真值结果的误差,基于误差更新目标图神经网络模型的参数,以最小化损失函数。

9、本技术第二方面实施例提供一种产业链完整性评估装置,包括:获取模块,用于获取待评估产业链的图数据;输入模块,用于将图数据输入至目标图神经网络模型中,目标图神经网络模型基于图数据对待评估产业链的实体关系进行类型划分,并基于实体关系的关系类型确定不同的聚合更新机制,将每个聚合更新机制输出的更新后的实体特征聚合处理,得到待评估产业链的输出特征;评估模块,用于基于待评估产业链的输出特征评估待评估产业链的完整性。

10、可选地,输入模块进一步用于:若实体关系的关系类型为第一类型,则聚合更新机制为第一聚合更新机制,第一聚合更新机制为基于产业链关系权重的聚合更新机制;若实体关系的关系类型为第二类型,则聚合更新机制为第二聚合更新机制,第二聚合更新机制为基于产业链实体采样的聚合更新模块;若实体关系的关系类型为第三类型,则聚合更新机制为第三聚合更新机制,第三聚合更新机制为基于产业链关系门控的聚合更新机制。

11、可选地,还包括:确定模块,用于在将图数据输入至目标图神经网络模型中之前,从待评估产业链的多个实体中确定目标实体;将图数据和目标实体输入至目标图神经网络模型中,其中,目标图神经网络模型基于图数据对待评估产业链中目标实体与其它实体的实体关系进行类型划分。

12、可选地,第一聚合更新机制为:识别关系类型为第一类型的多个实体关系;识别多个实体关系中每个实体关系的属性信息;若实体关系存在属性信息,基于属性信息计算实体关系的类型对应的关系权重,否则基于实体关系的始末实体对应的结构特征对实体关系的类型对应的关系权重进行赋值;对目标实体的多个实体关系的关系权重进行加权求和得到目标实体的邻居特征;基于邻居特征和目标图神经网络模型的权重矩阵,对目标实体的特征进行更新,以得到更新后的第一实体特征。

13、可选地,第二聚合更新机制为:识别关系类型为第二类型的目标实体的邻居实体数量;若邻居实体数量大于预设数量时,从多个邻居实体中随机抽取预设数量的邻居实体构成目标实体的邻域;若邻居实体数量小于或等于预设数量时,将所有的邻居实体构成目标节点的邻域;利用最大池化方法将邻域中所有邻居实体的特征进行聚合得到聚合后的邻居实体特征;拼接聚合后的邻居实体特征和目标实体的特征得到拼接后的特征,基于拼接后的特征和目标图神经网络模型的权重矩阵,对目标实体的特征进行更新,以得到更新后的第二实体特征。

14、可选地,第三聚合更新机制为:识别关系类型为第三类型的多个实体关系;识别多个实体关系中每个实体关系的始末实体的特征,并将始末实体的特征进行线性变换和激活处理,将处理后的特征作为对应实体关系的门控;获取目标实体的邻域,将邻域中的所有邻居实体的特征进行加权处理,将加权处理后的特征作为待传递信息;基于多个实体关系的门控和待传递信息进行聚合处理,得到邻域中所有邻居实体的聚合特征;利用激活函数和残差机制对聚合特征和目标实体的特征进行聚合,得到更新后的第三实体特征。

15、可选地,还包括:训练模块,用于在将图数据输入至目标图神经网络模型中之前,获取训练数据集,其中,训练数据集中包括产业链的输出特征和真值结果;利用训练数据集训练目标图神经网络模型,计算目标图神经网络的输出结果与真值结果的误差,基于误差更新目标图神经网络模型的参数,以最小化损失函数。

16、本技术第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序,以执行如上述实施例的产业链完整性评估方法。

17、本技术第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序或指令,计算机程序或指令被处理器执行,以执行如上述实施例的产业链完整性评估方法。

18、由此,本技术至少具有如下有益效果:

19、本技术实施例可以获取待评估产业链的图数据,将图数据输入至目标图神经网络模型中,利用目标图神经网络模型充分捕捉待评估产业链中的实体关系,并基于不同的实体关系的关系类型选择不同的聚合更新机制,可以提高目标图神经网络模型对于待评估产业链中特征提取的准确性和有效性,将每个聚合更新机制的更新后的特征进行聚合得到待评估产业链的输出特征,基于待评估产业链的输出特征评估待评估产业链的完整性,无需像现有技术中利用专家经验和统计数据,提高了对于产业链完整性评估的准确性和效率。由此,解决了相关技术中对于产业链的完整性判别准确性和效率较低等技术问题。

20、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。