[发明专利]基于自编码神经网络的企业风险识别方法、装置及设备

权利要求书

1.一种基于自编码神经网络的企业风险识别方法，其特征在于，所述方法包括：

获取待评估企业的企业信用数据，对待评估企业的企业信用数据进行处理，以获取与所述待评估企业的第一特征数据；

将所述第一特征数据作为入参输入预设的自编码神经网络模型，经过所述预设的自编码神经网络模型输出第二特征数据；

通过预设的误差计算公式，计算第一特征数据和第二特征数据之间的差异值；

根据计算得到的差异值确定所述待评估企业的风险水平。

2.根据权利要求1所述的基于自编码神经网络的企业风险识别方法，其特征在于，所述通过预设的误差计算公式，计算第一特征数据和第二特征数据之间的差异值的步骤，还包括：

根据公式

计算所述第一特征数据和第二特征数据之间的差异值，其中，MSE为所述第一特征数据和第二特征数据之间的差异值，n为特征数据的数量，为第i个第二特征数据，为为第i个第一特征数据，i为不大于n的自然数。

3.根据权利要求2所述的基于自编码神经网络的企业风险识别方法，其特征在于，所述根据计算得到的差异值确定所述待评估企业的风险水平的步骤，还包括：

当所述计算得到的差异值MSE大于预设阈值的情况下，确定所述待评估企业存在风险。

4.根据权利要求1所述的基于自编码神经网络的企业风险识别方法，其特征在于，所述根据计算得到的差异值确定所述待评估企业的风险水平的步骤，还包括：

根据预设的差异值与风险等级之间的对应关系，确定与计算得到的差异值对应的目标风险等级。

5.根据权利要求1所述的基于自编码神经网络的企业风险识别方法，其特征在于，所述获取待评估企业的企业信用数据，对待评估企业的企业信用数据进行处理，以获取与所述待评估企业的第一特征数据的步骤，还包括：

对所述企业信用数据进行预处理；

对预处理之后的企业信用数据，按照预设的特征提取算法，提取预设特征维度下的一个或多个特征数据作为第一特征数据。

6.根据权利要求1所述的基于自编码神经网络的企业风险识别方法，其特征在于，所述自编码神经网络模型的训练过程包括：

确定正常样本的认定标准，根据认定标准筛选至少一个正常样本和至少一个非正常样本；

根据至少一个正常样本对所述自编码神经网络模型进行训练。

7.根据权利要求6所述的基于自编码神经网络的企业风险识别方法，其特征在于，所述方法还包括：

根据至少一个非正常样本，通过预设的XGBoost分类器，获取多个特征数据的重要性，根据重要性在多个特征数据中筛选出一个或多个特征数据作为第一特征数据，所述第一特征数据为输入所述自编码神经网络模型的入模特征数据。

8.一种基于自编码神经网络的企业风险识别装置，其特征在于，所述装置包括：

第一特征数据提取模块，用于获取待评估企业的企业信用数据，对待评估企业的企业信用数据进行处理，以获取与所述待评估企业的第一特征数据；

第二特征数据预测模块，用于将所述第一特征数据作为入参输入预设的自编码神经网络模型，经过所述预设的自编码神经网络模型输出第二特征数据；

误差计算模块，用于通过预设的误差计算公式，计算第一特征数据和第二特征数据之间的差异值；

风险水平确定模块，根据计算得到的差异值确定所述待评估企业的风险水平。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于自编码神经网络的企业风险识别方法的步骤。

10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如权利要求1至7任一所述的基于自编码神经网络的企业风险识别方法。