[发明专利]一种基于多标签学习的财务异常检测方法及装置

权利要求书

1.一种基于多标签学习的财务异常检测方法，其特征在于，包括：

获取若干个企业的财务信息，并根据各所述企业的财务信息，生成每个企业的特征向量样本；其中，特征向量样本根据企业是否发生财务违规划分正样本和负样本；

根据预设的采样参数，平衡所有特征向量样本中正样本和负样本数量，获得训练样本集；

根据由历史问责数据得出的多个标签，对所述训练样本集进行标签标注，并根据标签标注后的训练样本集，基于多标签学习算法，构建财务异常检测模型；

获取待检测企业的财务信息，并根据所述待检测企业的财务信息，构建样本输入向量；

将所述样本输入向量输入到所述财务异常检测模型，获得所述待检测企业的多标签结果向量，并根据所述多标签结果向量，获得所述待检测企业的检测结果。

2.根据权利要求1所述的基于多标签学习的财务异常检测方法，其特征在于，所述获取若干个企业的财务信息，并根据各所述企业的财务信息，生成每个企业的特征向量样本，具体为：

获取若干个企业在一个时间区域内的财务信息；所述财务信息包括：资产负债表、利润表和现金流量表；

根据所述资产负债表、所述利润表和所述现金流量表，生成财务指标表、衍生财务指标表和衍生财务指标附表；

从所述资产负债表、所述利润表、所述现金流量表、所述财务指标表、所述衍生财务指标表和衍生财务指标附表中提取出各类指标，生成每个企业的特征向量样本。

3.根据权利要求1所述的基于多标签学习的财务异常检测方法，其特征在于，所述根据预设的采样参数，平衡所有特征向量样本中正样本和负样本的数量，获得训练样本集，具体为：

通过随机过采样增加所述正样本的数量，通过随机欠采样减少所述负样本的数量，并根据采样参数r，平衡所述正样本和负样本的数据，获得训练样本集；

其中，采样参数N_neg为正样本数量；N_pos为负样本数量。

4.根据权利要求1所述的基于多标签学习的财务异常检测方法，其特征在于，所述由历史问责数据得出的多个标签，具体为：

所述历史问责数据包括：由监管机构公布的问责书和披露材料、由金融机构拥有的自有数据、以及第三方数据公司拥有的合法数据；

所述多个标签分别为：表内确认、表外披露、收入、费用、资产、负债、现金流、隐瞒担保、隐瞒关系方资金往来、隐瞒关联交易、隐瞒重大诉讼、业绩披露修正、行政处罚和内部控制问题。

5.根据权利要求4所述的基于多标签学习的财务异常检测方法，其特征在于，所述根据标签标注后的训练样本集，基于多标签学习算法，构建财务异常检测模型，具体为：

根据one-vs-all策略算法，为每个类别的标签配置一个分类器，并结合所述标签标注后的训练样本集，构建所述财务异常检测模型。

6.一种基于多标签学习的财务异常检测装置，其特征在于，所述财务异常检测装置包括：训练样本获取模块、样本平衡模块、标签标注模块、模型构建模块、待测样本获取模块和检测模块；

所述训练样本获取模块用于获取若干个企业的财务信息，并根据各所述企业的财务信息，生成每个企业的特征向量样本；其中，特征向量样本根据企业是否发生财务违规划分正样本和负样本；

所述样本平衡模块用于根据预设的采样参数，平衡所有特征向量样本中正样本和负样本数量，获得训练样本集；

所述标签标注模块用于根据由历史问责数据得出的多个标签，对所述训练样本集进行标签标注；

所述模型构建模块用于根据标签标注后的训练样本集，基于多标签学习算法，构建财务异常检测模型；

所述待测样本获取模块用于获取待检测企业的财务信息，并根据所述待检测企业的财务信息，构建样本输入向量；

所述检测模块用于将所述样本输入向量输入到所述财务异常检测模型，获得所述待检测企业的多标签结果向量，并根据所述多标签结果向量，获得所述待检测企业的检测结果。