[发明专利]企业信用分类系统构建方法、装置、电子设备及存储介质

说明书

本申请提供一种企业信用分类系统构建方法、装置、电子设备及存储介质，该方法包括：获取企业相关的公开数据，并对公开数据进行融合、整理为标准统一的数据进行存储，得到公开数据库；根据公开数据库，构建企业知识图谱；根据企业知识图谱，选取企业信用评价指标；基于企业信用评价指标，采用分类算法进行企业信用分类预测。该方案构建的企业信用分类系统可以提高企业信用分类的精准度。

技术领域

本发明属于市场经济技术领域，特别涉及一种企业信用分类系统构建方法、装置、电子设备及存储介质。

背景技术

企业信用评价是构建和完善市场经济秩序的重要一环，市场经济就是信用经济。现如今，企业信用在诸多领域得到具体体现。企业信用通常可以表现为两个方面，一方面，企业信用衡量企业是否有积极履行承诺的意愿，另一方面衡量企业是否有能力按时完成承诺。招投标领域信用建设是社会信用体系建设的重要组成部分，而现阶段，招投标领域存在着部分违法失信现象，常见的有伪造材料、串联作弊、拒绝履约、利益关联等现象严重破坏了竞争环境，侵害了公共利益。因此，构建招投标领域信用体系，实现政府信用监测，有助于形成统一规范、公开公平、竞争有序的招投标市场。

在近百年的发展中，企业信用评价方法逐渐成熟。企业信用评价的技术体系主要经历了三个阶段。第一阶段是经验判断阶段，根据“6C”、“5P”及“LAPP”等财务要素信息以及评价人员的经验判断企业信用；第二阶段主要是统计方法阶段，如线性判别式模型和二次判别式模型；第三阶段是人工智能方法阶段。

现有关于企业信用分类的研究大多是基于受评对象外部视角，运用各种方法以评判发生违约风险的可能性，从现有文献研究结论来看，有关企业信用风险的影响因素可归纳以下大类：财务特征、企业特征、股东特征、信用记录特征。其中财务特征是现在衡量企业信用的重要依据。

由于企业财务数据难以获得或者真实性低，越来越多的研究人员开始使用更加多维的数据特征来衡量企业信用。随着互联网的发展，可用信息海量增长，数据挖掘技术逐渐被应用于评估企业信用，比如盛夏利用数据挖掘方法对信用评级变动进行预测，基于Adaboost模型的网络借贷信用预测模型具有较高的分类精度，陈云等提出一种混合集成策略，使用基于RSA的SVM的集成学习模型来提高信用风险评估模型的预测准确率。

发明内容

本说明书实施例的目的是提供一种企业信用分类系统构建方法、装置、电子设备及存储介质。

为解决上述技术问题，本申请实施例通过以下方式实现的：

第一方面，本申请提供一种企业信用分类系统构建方法，该方法包括：

获取企业相关的公开数据，并对公开数据进行融合、整理为标准统一的数据进行存储，得到公开数据库；

根据公开数据库，构建企业知识图谱；

根据企业知识图谱，选取企业信用评价指标；

基于企业信用评价指标，采用分类算法进行企业信用分类预测。

在其中一个实施例中，根据公开数据库，构建企业知识图谱，包括：

抽取公开数据库中的实体及实体之间的关系，构建初步企业知识图谱；

对初步企业知识图谱，进行隐藏知识推理，补充实体之间的隐藏关系，得到企业知识图谱。

在其中一个实施例中，抽取公开数据库中的实体及实体之间的关系，构建初步企业知识图谱，包括：

通过双向长短期记忆模型循环神经网络与条件随机场抽取公开数据库中的实体，通过依存句法分析的方法抽取实体之间的关系，构建初步企业知识图谱。

在其中一个实施例中，对初步企业知识图谱，进行隐藏知识推理，补充实体之间的隐藏关系，得到企业知识图谱，包括：