[发明专利]一种基于线性分析的成长性预测方法和装置

权利要求书

1.一种基于线性分析的成长性预测方法，其特征在于，包括以下步骤：

获取企业多个属性数据；

将所述企业多个属性数据输入训练好的线性成长模型进行企业分析评估，以得到企业成长性评分；其中，所述线性成长模型是基于分布式训练获得；

基于所述企业成长性评分，得到企业成长性预测结果。

2.根据权利要求1所述方法，其特征在于，所述企业多个属性数据，包括：企业类型、所属地区、注册资本、实缴资本、成立时间、所属行业、人员规模、主营业务、登记状态、关联机构成长性评分、最大股东持股比例、对外投资信息、接受投资信息、司法案件数量、竞品成长性评分、知识产权数、APP数、小程序数、公众号数、微博账号数、作品著作权、软件著作权、备案网站数、预设年限的营业收入、营业利润、总资产、净资产中的多种。

3.根据权利要求1所述方法，其特征在于，所述线性成长模型是基于分布式训练获得，包括：

获取企业多个属性数据样本；

将所述企业多个属性数据样本输入线性成长模型进行分布式训练，生成训练好的线性成长模型。

4.根据权利要求2所述方法，其特征在于，所述将所述企业多个属性数据样本输入线性成长模型进行分布式训练，生成训练好的线性成长模型，包括：

将所述企业多个属性数据样本通过缺失数据补全以及类别特征编码得到预处理数据，并将所述预处理数据输入线性成长模型以得到本地模型；

输入所述本地模型，通过拜占庭模型检测算法构建基于所述本地模型相似度的全连通图，基于所述全连通图构建非拜占庭节点模型的子图以获得拜占庭节点；

基于所述拜占庭节点，通过模型聚合算法删除历史结果中拜占庭节点的模型，聚合所述非拜占庭节点模型以得到所述训练好的线性成长模型以输出全局模型。

5.根据权利要求4所述方法，其特征在于，所述通过拜占庭模型检测算法构建基于所述本地模型的模型相似度的全连通图，基于所述全连通图构建非拜占庭节点模型的子图以获得拜占庭节点，包括：

通过计算基于所述模型相似度的模型两两间的L1距离得到代价矩阵，构造全连通图；

从所述全连通图中逐一排除代价最大的点，求得每次节点减少时全图的平均代价；

基于所述平均代价，以代价最小的一半节点为最小子图，以获取拜占庭节点；其中，所述拜占庭节点为距所述最小子图距离大于预设距离的节点。

6.根据权利要求4所述方法，其特征在于，所述通过模型聚合算法删除历史结果中拜占庭节点的模型，聚合所述非拜占庭节点模型得到所述训练好的线性成长模型以输出全局模型，包括：

根据所述拜占庭节点得到拜占庭节点模型；

基于所述拜占庭节点模型，将所述全局模型回溯到预设轮次之前，把本地模型中对应的所述拜占庭节点模型删除以获得非拜占庭节点模型；

根据所述非拜占庭节点模型完成聚合，并重复所述预设轮次得到当前轮的所述全局模型。

7.根据权利要求5所述方法，其特征在于，所述通过计算基于所述模型相似度的模型两两间的L1距离得到代价矩阵，构造全连通图，包括：

构建图G＝(V,E),其中，V为G中n个顶点的集合，E为G中边的集合，k＝|V|为节点数量，D∈R^k×k为邻接矩阵，矩阵中的d_ij代表顶点v_i与顶点v_j之间边的权重，使用模型两两间的L1距离为D的每个元素赋值，d_ij＝L1(m₁,m₂)。