[发明专利]一种基于神经网络模型的大数据风险管控方法及系统

权利要求书

1.一种基于神经网络模型的大数据风险管控方法，其特征在于， 包括：

根据项目类型信息基于大数据进行风险事件挖掘，获取风险事件集，其中，所述风险事件集包括风险事件类型和事件触发状态序列；

对所述风险事件类型和所述事件触发状态序列按照项目进度进行聚类分析，获取第一聚类结果；

对所述第一聚类结果按照项目部分进行聚类分析，获取第二聚类结果；

遍历所述第二聚类结果，对任意一个所述风险事件类型的所述事件触发状态序列进行关键词向量化，生成事件触发矢量空间；

根据所述事件触发矢量空间，基于长短时记忆神经网络，训练风险事件触发概率预测模型；

遍历所述第二聚类结果，采集预设管控项目实时状态信息，输入所述风险事件触发概率预测模型，获取预测风险事件类型，其中，所述预测风险事件类型的触发概率大于或等于触发概率阈值；

根据所述预测风险事件类型对所述预设管控项目实时状态信息进行管控；

其中，所述遍历所述第二聚类结果，对任意一个所述风险事件类型的所述事件触发状态序列进行关键词向量化，生成事件触发矢量空间，包括：

对所述事件触发状态序列进行关键词提取，获取事件触发状态关键词；

对所述事件触发状态关键词进行分类，获取正向诱发关键词和负向诱发关键词；

遍历所述正向诱发关键词和所述负向诱发关键词进行权重分布， 获取关键词权重分布结果；

为所述正向诱发关键词设定第一矢量方向，为所述负向诱发关键词设定第二矢量方向，其中，所述第一矢量方向和所述第二矢量方向相反；

将所述关键词权重分布结果设为所述正向诱发关键词和所述负向诱发关键词的矢量大小参数；

根据所述第一矢量方向、所述第二矢量方向和所述矢量大小参数生成所述事件触发矢量空间。

2.如权利要求 1 所述的方法，其特征在于，所述根据项目类型信息基于大数据进行风险事件挖掘，获取风险事件集，其中，所述风险事件集包括风险事件类型和事件触发状态序列，包括：

根据所述项目类型信息，基于大数据，采集风险事件记录数据， 其中，所述风险事件记录数据包括风险事件类型记录数据和事件触发状态序列记录数据；

遍历所述风险事件类型记录数据对所述事件触发状态序列记录数据进行频繁序列挖掘，生成所述风险事件类型和所述事件触发状态序列，其中，所述风险事件类型和所述事件触发状态序列一一对应；

将所述风险事件类型和所述事件触发状态序列添加进所述风险事件集。

3.如权利要求 2 所述的方法，其特征在于，所述遍历所述风险事件类型记录数据对所述事件触发状态序列记录数据进行频繁序列挖掘，生成所述风险事件类型和所述事件触发状态序列，其中，所述风险事件类型和所述事件触发状态序列一一对应，包括：

根据所述风险事件类型记录数据，获取第 i 事件触发状态序列记录数据；

遍历所述第i 事件触发状态序列记录数据进行必然状态剪枝，获取第i 事件触发状态离散序列；

获取一项非频繁项支持度阈值，其中，所述一项非频繁项支持度阈值表征单项非频繁状态的最高触发频率阈值；

根据所述一项非频繁项支持度阈值，遍历所述第 i 事件触发状态离散序列进行剪枝，获取第i 事件触发状态剪枝结果；

对所述第 i 事件触发状态剪枝结果频繁状态分析，获取第 i 事件触发状态序列，添加进所述事件触发状态序列。