[发明专利]债务风险智能预测方法、装置及计算机可读存储介质

权利要求书

1.一种债务风险智能预测方法，其特征在于，所述方法包括：

数据接收步骤：利用数据收集层接收企业财务数据及盈亏标签，并依据所述企业财务数据是支出或收入情况，对所述企业财务数据进行分类，对分类后的所述企业财务数据进行归一化处理，将归一化处理后的所述企业财务数据及所述盈亏标签存入数据库中；

训练步骤：当所述数据库数据的数量达到数据库阈值，报警提示数据训练层接收所述数据库数据，同时所述数据库阈值自动增大，利用所述数据库数据对所述数据训练层训练，直至所述数据训练层的损失函数值满足数据训练层阈值要求时退出训练；

预测步骤：接收用户的企业财务数据，利用所述数据收集层和所述数据训练层进行债务风险预测，输出企业债务风险预测结果。

2.如权利要求1所述的债务风险智能预测方法，其特征在于，所述数据收集层包括输入层、分类层与存储层，所述输入层包括收入输入层与支出输入层，所述收入输入层接收所述企业财务数据的收入数据，所述支出输入层接收所述企业财务数据的支出数据，所述存储层接收所述盈亏标签；及

所述数据接收步骤包括：

所述收入输入层接收所述收入数据后，将所述收入数据输入至所述分类层，所述支出输入层接收所述支出数据，将所述支出数据从正数改变为负数并输入至所述分类层；

所述分类层根据归一化原则，对所述支出数据和所述收入数据做归一化处理生成归一化数据，并输入至所述存储层，所述存储层将所述归一化数据与所述盈亏标签输入至数据库中。

3.如权利要求2所述的债务风险智能预测方法，其特征在于，所述训练步骤还包括：

将所述归一化数据输入至所述数据训练层的输入层，训练得出训练值，并将所述盈亏标签输入至损失函数；

利用所述损失函数根据所述训练值与所述盈亏标签计算出损失值，并判断所述损失值与所述阈值的大小，直至所述损失值小于所述阈值退出训练。

4.如权利要求3所述的债务风险智能预测方法，其特征在于，所述数据训练层包括输入层、卷积层、输出层；

其中，所述输入层用于接收输入数据，所述输出层用于输出数据，所述卷积层包括卷积操作、池化操作与激活操作；

所述卷积操作为：

其中ω’为输出数据，ω为输入数据，k为卷积核的大小，s为卷积操作的步幅，p为数据补零矩阵；

所述激活操作为：

其中y为所述激活操作的输出值，e是无理数。

5.如权利要求1所述的债务风险智能预测方法，其特征在于，所述预测步骤包括：

利用所述数据收集层接收用户的企业财务数据，并对所述用户的企业财务数据进行分类后输入至所述数据训练层；

利用所述数据训练层对分类后的所述企业财务数据进行债务风险预测并输出企业债务风险预测结果。

6.一种债务风险智能预测装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的债务风险智能预测程序，所述债务风险智能预测程序被所述处理器执行时实现如下步骤：

数据接收步骤：利用数据收集层接收企业财务数据及盈亏标签，并依据所述企业财务数据是支出或收入情况，对所述企业财务数据进行分类，对分类后的所述企业财务数据进行归一化处理，将归一化处理后的所述企业财务数据及所述盈亏标签存入数据库中；

训练步骤：当所述数据库数据的数量达到数据库阈值，报警提示数据训练层接收所述数据库数据，同时所述数据库阈值自动增大，利用所述接收的数据库数据对所述数据训练层训练，直至所述数据训练层的损失函数值满足数据训练层阈值要求时退出训练；

预测步骤：接收用户的企业财务数据，利用所述数据收集层和所述数据训练层进行债务风险预测，输出企业债务风险预测结果。