[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

说明书

本公开涉及本发明涉及人工智能领域，特别涉及一种供应链风险预测模型的训练和应用方法及装置。用以及时有效的对供应链网络中的风险进行预测，该方法为：服务器基于供应链网络提供的训练样本数据集合包含的各个特征描述信息，对供应链风险预测模型进行训练，输出相应的目标供应链风险预测模型，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；这样，在供应链网络中，当有一个目标对象发生风险事件后，可以采用上述目标供应链风险预测模型，及时地对供应链网络中其他目标对象也发生风险事件的概率进行预测，从而及时向其他目标对象提出预警，通知其他目标对象提前采取应对措施，以减少企业损失。

技术领域

本发明涉及人工智能领域，特别涉及一种供应链风险预测模型的训练和应用方法及装置。

背景技术

随着社会发展的进步，各个企业之间形成的供应链网络存在着高度的相互依存性。在供应链网络中，当某个企业发生风险事件，如，断供、违约、退订，贸易战等等，风险会沿着供应链网络进行传播。

显然，企业的经营不止会影响到自身，还会影响到所述企业上下游的相关联企业的经营，甚至会影响到所述企业所在的供应链网络中其他企业的经营。

但是，由于企业数目巨大，且供应链网络结构复杂，因而导致判断一个企业遭遇的风险事件，是否会波及其他企业的因素过多，因此，已有技术下，并没有一个有效的解决方案，可以在供应链网络中，进行有效地风险预测。

因此，需要设计一种新的供应链风险预测模型的训练和应用方法，用以及时有效的对供应链网络中的风险进行预测，减小企业损失。

发明内容

本发明提供一种供应链风险预测模型的训练和应用方法及装置，用以及时有效的对供应链网络中的风险进行预测，减小企业损失。

本发明提供的具体技术方案如下：

第一方面，一种供应链风险预测模型的训练方法，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。

可选的，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。

可选的，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；