一种用于企业经营风险预测的模型训练、预测方法和装置与流程

本公开涉及数据处理，尤其涉及一种用于企业经营风险预测的模型训练、预测方法和装置。

背景技术：

1、目前，传统的企业经营风险分析方法都是通过对企业财报数据进行分析来执行的，这种方式限制了中小企业经营风险分析的可得性：中小企业普遍都不是上市公司，它们没有公开财务数据的法律义务；财务数据作为中小企业的隐私数据，各方不经过数据主体的同意是不能把财务数据给到第三方机构使用的；中小企业普遍会在财报数据上按照自身需要进行数据调整，以满足其内外部诉求，财务数据偏离企业真实经营数据是普遍现象。

技术实现思路

1、为了解决上述技术问题，本公开提供了一种用于企业经营风险预测的模型训练、预测方法和装置，通过企业的公开数据来预测企业的经营风险，并按照影响企业经营的特征维度的作用逻辑来构建企业异质图以训练，并通过训练好的图网络算法模型来预测企业经营风险。

2、第一方面，本公开实施例提供了一种用于企业经营风险预测的模型训练方法，包括：获取训练数据集；其中，所述训练数据集包括多个训练节点、所述多个训练节点对应的分类标签向量，以每个训练节点为中心的关联数据异构图，所述每个训练节点具有对应的原始节点特征矩阵；将所述每个训练节点的原始节点特征矩阵映射到潜在空间，得到所述每个训练节点的目标节点特征矩阵；基于图神经网络的预定义邻居阶数，以所述每个训练节点为中心，基于所述关联数据异构图将邻居节点的风险表征与所述每个训练节点的风险表征进行逐层聚合，得到所述每个训练节点的聚合风险表征；其中，第一层聚合时，所述每个训练节点的风险表征为所述目标节点特征矩阵，并将第n层的聚合风险表征作为第n+1层风险聚合的输入，直到满足所述预定义邻居阶数，n为大于等于0的正整数；将满足所述预定义邻居阶数的多层风险聚合计算后的所述每个训练节点的聚合风险表征进行处理，作为所述每个训练节点的目标风险表征；基于分类器对所述每个训练节点的目标风险表征进行处理，输出分类概率分布向量，并基于所述分类概率分布向量和所述分类标签向量计算损失值，以及基于所述损失值调整所述图神经网络的网络参数，得到目标预测模型。

3、第二方面，本公开实施例提供了一种企业经营风险预测方法，包括：确定待预测企业，获取所述待预测企业对应的关联数据异构图；基于选择邻居阶数和所述关联数据异构图确定异构图信息，并将所述异构图信息输入目标预测模型，得到所述待预测企业的企业经营风险预测结果；其中，基于前述实施例所述用于企业经营风险预测的模型训练获取所述目标预测模型。

4、第三方面，本公开实施例提供了一种用于企业经营风险预测的模型训练装置，包括：获取模块，用于获取训练数据集；其中，所述训练数据集包括多个训练节点、所述多个训练节点对应的分类标签向量，以每个训练节点为中心的关联数据异构图，所述每个训练节点具有对应的原始节点特征矩阵；映射模块，用于将所述每个训练节点的原始节点特征矩阵映射到潜在空间，得到所述每个训练节点的目标节点特征矩阵；聚合模块，用于基于图神经网络的预定义邻居阶数，以所述每个训练节点为中心，基于所述关联数据异构图将邻居节点的风险表征与所述每个训练节点的风险表征进行逐层聚合，得到所述每个训练节点的聚合风险表征；其中，第一层聚合时，所述每个训练节点的风险表征为所述目标节点特征矩阵，并将第n层的聚合风险表征作为第n+1层风险聚合的输入，直到满足所述预定义邻居阶数，n为大于等于0的正整数；第一处理模块，用于将满足所述预定义邻居阶数的多层风险聚合计算后的所述每个训练节点的聚合风险表征进行处理，作为所述每个训练节点的目标风险表征；第二处理模块，用于基于分类器对所述每个训练节点的目标风险表征进行处理，输出分类概率分布向量，并基于所述分类概率分布向量和所述分类标签向量计算损失值，以及基于所述损失值调整所述图神经网络的网络参数，得到目标预测模型。

5、第四方面，本公开实施例提供了一种企业经营风险预测装置，包括：确定获取模块，用于确定待预测企业，获取所述待预测企业对应的关联数据异构图；预测模块，用于基于选择邻居阶数和所述关联数据异构图确定异构图信息，并将所述异构图信息输入目标预测模型，得到所述待预测企业的企业经营风险预测结果；其中，基于前述实施例所述用于企业经营风险预测的模型训练获取所述目标预测模型。

6、第五方面，本公开实施例提供了一种电子设备，包括：处理器，用于存储处理器可执行指令的存储器；处理器，用于从存储器中读取可执行指令，并执行指令以实现本公开前述实施例所述的用于企业经营风险预测的模型训练方法或企业经营风险预测方法。

7、第六方面，本公开实施例提供了一种基于大型语言模型的用户指令执行介质，包括：存储介质存储有计算机程序，计算机程序用于执行本公开前述实施例所述的用于企业经营风险预测的模型训练方法或企业经营风险预测方法。

8、本公开实施例中，通过获取训练数据集；其中，训练数据集包括多个训练节点、多个训练节点对应的分类标签向量，以每个训练节点为中心的关联数据异构图，每个训练节点具有对应的原始节点特征矩阵；将每个训练节点的原始节点特征矩阵映射到潜在空间，得到每个训练节点的目标节点特征矩阵；基于图神经网络的预定义邻居阶数，以每个训练节点为中心，基于关联数据异构图将邻居节点的风险表征与每个训练节点的风险表征进行逐层聚合，得到每个训练节点的聚合风险表征；其中，第一层聚合时，每个训练节点的风险表征为目标节点特征矩阵，并将第n层的聚合风险表征作为第n+1层风险聚合的输入，直到满足预定义邻居阶数，n为大于等于0的正整数；将满足预定义邻居阶数的多层风险聚合计算后的每个训练节点的聚合风险表征进行处理，作为每个训练节点的目标风险表征；基于分类器对每个训练节点的目标风险表征进行处理，输出分类概率分布向量，并基于分类概率分布向量和分类标签向量计算损失值，以及基于损失值调整图神经网络的网络参数，得到目标预测模型以对企业经营风险进行预测，由此，提升企业经营风险预测的可得性。

1.一种用于企业经营风险预测的模型训练方法，其特征在于，包括：

2.根据权利要求1所述的用于企业经营风险预测的模型训练方法，其特征在于，所述将所述训练节点的原始节点特征矩阵映射到潜在空间的目标节点特征矩阵，包括：

3.根据权利要求1所述的用于企业经营风险预测的模型训练方法，其特征在于，所述基于图神经网络的预定义邻居阶数，以所述每个训练节点为中心，基于所述关联数据异构图将邻居节点的风险表征与所述每个训练节点的风险表征进行逐层聚合，得到所述每个训练节点的聚合风险表征，包括：

4.根据权利要求3所述的用于企业经营风险预测的模型训练方法，其特征在于，所述基于所述关联数据异构图获取所述每个训练节点的邻居节点的风险表征，包括：

5.根据权利要求3所述的用于企业经营风险预测的模型训练方法，其特征在于，所述基于所述每个训练节点的风险传染因子、所述结构信息和所述每个训练节点的邻居节点的风险表征进行计算，得到所述每个训练节点的聚合风险表征，包括：

6.一种企业经营风险预测方法，其特征在于，包括：

7.一种用于企业经营风险预测的模型训练装置，其特征在于，包括：

8.一种企业经营风险预测装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-5中任一所述的用于企业经营风险预测的模型训练方法或权利要求6所述的企业经营风险预测方法。