[发明专利]一种供应链风险预测模型的训练和应用方法及装置

权利要求书

1.一种供应链风险预测模型的训练方法，其特征在于，包括：

基于供应链网络提供的训练样本数据集合，获得各个训练样本数据的特征描述信息，其中，一个训练样本数据的特征描述信息包含至少两个目标对象的业务特征以及拓扑网络特征，一个目标对象的拓扑网络特征表征所述一个目标对象与拓扑网络中其他目标对象之间的连通方式和关联程度，其中，所述目标对象为企业，所述业务特征用于表征企业的运营状态；

基于所述训练样本数据集合对供应链风险预测模型进行训练，得到目标损失信息，并基于所述目标损失信息对所述供应链风险预测模型的模型参数进行调整并进行迭代训练；

在满足预设的收敛条件时，输出训练后的目标供应链风险预测模型。

2.如权利要求1所述的方法，其特征在于，基于供应链网络提供的训练样本数据集合，获得各个训练样本数据的特征描述信息，包括：

基于供应链网络提供的训练样本数据集合，获得各个目标对象的注册资本，规模信息、评级信息、资产负债率和流动资产负债率中的任意一种或任意组合，作为相应目标对象的业务特征。

3.如权利要求1所述的方法，其特征在于，基于供应链网络提供的训练样本数据集合，获得各个训练样本数据的特征描述信息，进一步包括：

基于供应链网络提供的训练样本数据集合，获得各个目标对象的供应链社区特征、强连通分支特征、超文本敏感标题搜索Hits特征和度中心性特征中的任意一种或组合，作为相应目标对象的拓扑网络特征；

其中，

所述供应链社区特征，表征目标对象所在的群组发生风险事件占整个拓扑网络中风险事件的比例；

所述强边通分支特征，表征目标对象在拓扑网络中是否位于环状结构内，以及若位于环状结构内，所述环状结构包含的目标对象数目；

所述超文本敏感标题搜索特征，包括目标对象的权威度和枢纽度，其中，所述权威度表征所述目标对象在拓扑网络中的重要程度，所述枢纽度表征拓扑网络中经过所述目标对象到达所述各个其他目标对象的可能性；

所述度中心特征，表征所述目标对象，在拓扑网络中作为任意两个其他目标对象之间最短路径包含的连接点的次数。

4.如权利要求1或2所述的方法，其特征在于，基于所述训练样本数据集合对供应链风险预测模型进行训练，得到目标损失信息，并基于所述目标损失信息对所述供应链风险预测模型的模型参数进行调整并进行迭代训练，模型训练分别采用以下算法：

基于所述训练样本数据集合，分别采用第一算法、第二算法和第三算法，执行以下操作：对供应链风险预测模型进行训练，得到目标损失信息，并基于所述目标损失信息对所述供应链风险预测模型的模型参数进行调整并进行迭代训练。

5.如权利要求4所述的方法，其特征在于，在满足预设的收敛条件时，输出训练后的目标供应链风险预测模型，包括：

在满足预设的收敛条件时，输出分别对应所述第一算法、所述第二算法和所述第三算法的三种候选供应链风险预测模型；

分别计算三种候选供应链风险预测模型的模型评估指标；

基于模型评估指标，选择一个候选供应链风险预测模型作为目标供应链风险预测模型。

6.如权利要求5所述的方法，其特征在于，选择一个候选供应链风险预测模型作为目标供应链风险预测模型之后，进一步包括：

获得供应链网络提供的待预测数据；

提取所述待预测数据的业务特征和拓扑网络特征，并输入所述目标供应链风险预测模型；

获得所述目标供应链风险预测模型输出的供应链风险预测结果。