[发明专利]识别企业风险性的方法及装置

说明书

本说明书实施例提供一种识别企业风险性的方法及装置，根据企业识别风险性的识别请求，利用各个企业的企业信息，提取各个企业各自对应的风险特征，并基于各个企业之间的关联关系，构建知识图谱，然后利用预先训练的图模型处理所构建的知识图谱，从而对各个企业各自对应的风险特征进行融合，得到待识别企业的关联特征，从而根据相应企业的关联特征和风险特征，利用集成型预测模型识别其风险性。该方案可以提高识别结果的准确性。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及利用计算机识别企业风险性的方法及装置。

背景技术

企业是国家经济的重要支柱，是推动国家发展的强大力量。国家对于各个行业的产业结构的改革和优化政策在不断更新，企业在响应和配合实施这些政策的同时，需要根据企业自身的发展及时发现新的政策可能带来的机遇和风险，因为安全、高效的进行生产收益是每一家企业的基础。但是由于企业规模、性质、所处行业等方面的不同，企业自身都会存在一些风险问题，在国家政策和相关规定更新的情况下，企业在处理相关问题时会有一定的漏洞和误差，而这些漏洞和误差很可能对企业的正常经营造成不良甚至恶劣的影响，造成企业运营的风险性。另一方面，一些利用企业的特殊性质损害国家利益或人民利益的不法行为，也会造成国家监管的风险性。

常规的企业风控，通常采用机器学习或深度学习模型，针对企业的各类信息，例如工商信息、年报信息，提取企业特征(包含企业法人特征等)，直接做建模处理，并根据企业是否“暴雷”、破产、盈利等经营状况信息作为是否风险企业的标签，确定企业风险置信度。这种方式对企业自身特征具有较高的依赖度，实际上，企业间的关联关系导致的风险性也很多。例如利用子公司、虚构公司之间的债权债务关系等方式损害国家和人民利益的风险，单从企业自身特征难以发掘。

发明内容

本说明书一个或多个实施例描述了一种识别企业风险性的方法及装置，以解决背景技术中提到的一个或多个技术问题。

根据第一方面，提供一种识别企业风险的方法，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。

在一个实施例中，所述预测模型为集成树模型。

在一个进一步的实施例中，所述集成树模型为lightgbm。

在一个实施例中，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。

在一个实施例中，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。