[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

说明书

本发明涉及一种人工智能技术，揭露了一种债务风险智能预测方法，包括：数据收集层接收企业财务数据及盈亏标签，并对所述企业财务数据进行分类和归一化后与所述盈亏标签共同存入数据库中；当所述数据库数据的数量达到数据库阈值时，所述数据库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，所述数据训练层接收数据库数据后训练，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；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。本发明还提出一种债务风险智能预测装置以及一种计算机可读存储介质。本发明可以实现精准的债务风险智能预测功能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于数据输入自动生成的债务风险智能预测方法、装置及计算机可读存储介质。

背景技术

长期以来，公共资产家底不清、国有资产使用效率不高、存在利益寻租等问题，在当前大数据、云计算、移动通讯、网络社交等技术创新发展的大背景下，如何采用更多智能化的技术掌握政府资产整体动态和国有资产变动情况，防控政府债务风险，解决长期困扰地方政府的资产负债多头管理、数据提取问题一直是政府思考和探索的课题。传统的资产分析方案很少关注到金融资产全流程的自动化管理，主要存在以下缺陷：第一，单从评价指标方面计算衡量企业的资产负债情况，一方面数据量庞大繁冗，对于资产评价效果造成很大挑战；另一方面企业数据非透明化，对地方政府进行资产负债评估极为不便。第二，资产管理没有实现自动化，人为主观因素太多，很难定量进行全方位的资产评估。

发明内容

本发明提供一种债务风险智能预测方法、装置及计算机可读存储介质，其主要目的在于当用户输入企业财务数据后，给用户呈现出精准的企业债务风险预测。

为实现上述目的，本发明提供的一种债务风险智能预测方法，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。

可选地，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。

可选地，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。

可选地，所述数据训练层包括输入层、卷积层、输出层；