[发明专利]资产负债智能管理方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种资产负债智能管理方法，包括：源数据层接收企业数据及负债标签，并对所述企业数据及负债标签编号后存入数据库中；数据整合层根据所述编号，从所述数据库中提取所述企业数据，通过因子分析模型从所述企业数据中提取资产特征；将所述资产特征及所述负债标签输入至前向神经网络层中训练，直至所述前向神经网络层的损失函数值满足阈值要求时退出训练；接收用户的企业负债查询指令，利用所述数据整合层和所述前向神经网络层进行企业负债情况计算，输出企业负债结果。本发明还提出一种资产负债智能管理装置以及一种计算机可读存储介质。本发明可以实现高效的资产负债管理。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于智能查询企业负债情况的资产负债智能管理方法、装置及计算机可读存储介质。

背景技术

目前多数企业债务查询方法都以传统方法为主，如审查企业会计账本、利用银行的信贷管理系统查询企业贷款情况等，但审查企业会计账本耗时费力，且容错率较高；而银行的信贷管理系统可查询的信息不够全面，因此传统方法不能有效的解决企业债务查询问题。

发明内容

本发明提供一种资产负债智能管理方法、装置及计算机可读存储介质，其主要目的在于当用户输入待查询的企业债务时，给用户呈现出精准的企业债务情况。

为实现上述目的，本发明提供的一种资产负债智能管理方法，包括：

通过源数据层接收企业数据及负债标签，并对所述企业数据及负债标签编号后存入数据库中；

利用数据整合层根据所述编号，从所述数据库中提取所述企业数据，通过因子分析模型从所述企业数据中提取资产特征；

将所述资产特征及所述负债标签输入至前向神经网络层中训练，直至所述前向神经网络层的损失函数值满足预设阈值要求时，所述前向神经网络层退出训练；

接收用户的企业负债查询指令，利用所述数据整合层和所述前向神经网络层进行企业负债情况计算，输出企业负债结果。

可选地，所述通过源数据层接收企业数据及负债标签，并对所述企业数据及负债标签编号后存入数据库中，包括：

源数据层接收企业数据及负债标签，并根据企业数据的类型对所述企业数据分类；

所述源数据层查询数据库的当前编号后，将所述当前编号的下一个编号作为分类后的所述企业数据及所述负债标签的编号；

所述源数据层将分类后的所述企业数据及所述负债标签输入至数据库，并更新所述数据库的当前编号。

可选地，所述利用数据整合层根据所述编号，从所述数据库中提取所述企业数据，通过因子分析模型从所述企业数据中提取资产特征，包括：

所述数据整合层查询所述数据库的当前编号，根据所述编号从所述数据库中提取所述企业数据；

所述数据整合层将所述企业数据作为因子分析模型的输入数据并训练所述因子分析模型，直至所述因子分析模型的最大化似然函数值小于阈值时，所述因子分析模型退出训练并输出资产特征。

可选地，所述因子分析模型包括似然函数和所述最大化似然函数，其中，所述似然函数为：

其中∧为变化矩阵，μ为高斯分布的均值，为高斯分布的方差，m为企业数据数量，p为概率函数，Xⁱ，Zⁱ分别为所述企业数据和所述资产特征；

所述最大化似然函数为：

其中Q_i(Zⁱ)为琴生不等式的参数值：