[发明专利]识别企业风险性的方法及装置

权利要求书

1.一种识别企业风险性的方法，所述方法包括：

响应于针对第一企业识别风险性的识别请求，利用包括第一企业在内的各个企业之间的关联关系构建知识图谱，所述知识图谱中，各个节点分别与各个企业一一对应；

基于各个企业的企业信息，提取各个企业各自对应的风险特征；

利用预先训练的图模型处理所述知识图谱，从而将各个节点的风险特征与其邻居节点的风险特征进行融合，得到所述第一企业对应的关联特征；

利用预先训练的预测模型处理所述第一企业的关联特征和风险特征，从而得到对所述第一企业的风险性识别结果。

2.根据权利要求1所述的方法，其中，所述预测模型为集成树模型。

3.根据权利要求2所述的方法，其中，所述集成树模型为lightgbm。

4.根据权利要求1所述的方法，所述知识图谱通过邻接矩阵、特征矩阵描述，所述邻接矩阵中，各个行/列分别与各个企业一一对应，具有关联关系的两两企业在行列交汇处通过第一预定值表示，否则通过第二预定值表示；

所述利用预先训练的图模型处理所述知识图谱，从而将各个节点的风险特征与其邻居节点的风险特征进行融合，得到第一企业的关联特征包括：

基于所述邻接矩阵确定所述知识图谱对应的度矩阵，所述度矩阵为各个行/各个列分别对应各个企业的对角矩阵，所述对角矩阵的各个对角元素分别表示相应企业所关联的企业数量；

在图模型的当前层，基于所述度矩阵、所述邻接矩阵和当前的表征矩阵的乘积，结合图模型在当前层的参数矩阵，确定经当前层迭代后的表征矩阵，其中，在图模型的当前层为第一层的情况下，当前的表征矩阵为所述特征矩阵。

5.根据权利要求1所述的方法，其中，所述利用预先训练的图模型处理所述知识图谱，从而将各个节点的风险特征与其邻居节点的风险特征进行融合，得到第一企业的关联特征包括：

在图模型的当前层，针对节点v的各个邻居节点分别对应的各个表征向量加权求和，得到第一加权和，其中，单个邻居节点u的加权权重为节点u和节点v的关联系数；

根据当前层的第一参数矩阵对所述第一加权和的处理结果，更新节点v的表征向量。

6.根据权利要求1所述的方法，其中，所述利用预先训练的预测模型处理所述第一企业的关联特征和风险特征，从而得到对所述第一企业的风险性识别结果包括：

将第一企业的关联特征和风险特征进行融合，得到融合结果；

将所述融合结果输入所述预测模型，从而根据所述预测模型的输出结果，确定第一企业的风险性。

7.根据权利要求6所述的方法，其中，所述融合结果通过第一企业的关联特征和风险特征的加权平均、拼接之一的方式确定。

8.根据权利要求1所述的方法，其中，所述预测模型的输出结果为第一企业为风险企业的概率，所述根据所述预测模型的输出结果，确定第一企业的风险性包括：

在所述概率大于预设概率阈值的情况下，确定第一企业为风险企业。

9.根据权利要求1所述的方法，其中，所述预测模型的输出结果为第一企业分别为风险企业和非风险企业的概率，所述根据所述预测模型的输出结果，确定第一企业的风险性包括：

在第一企业为风险企业的概率大于非风险企业的概率的情况下，确定第一企业为风险企业。