[发明专利]一种基于多维关系图的抗风险企业决策的优化方法和装置

权利要求书

1.一种基于多维关系图的抗风险企业决策的优化方法，包括：

构建目标企业的多维度企业关系图，所述多维度企业关系图至少包括与目标企业的资本相关的第一企业关系图、与目标企业的销售相关的第二企业关系图和与目标企业的市场相关的第三企业关系图；

基于初始图注意力网络，分别对所述第一企业关系图、所述第二企业关系图和所述第三企业关系图进行特征提取、特征拼接和特征融合，得到融合后的企业关系特征；

基于所述融合后的企业关系特征和真实的企业关系特征标注，通过预设优化器，对所述初始图注意力网络进行优化，得到对应的优化后的图注意力网络；

基于所述融合后的企业关系特征和所述优化后的图注意力网络构建用于优化企业决策的决策优化框架，所述决策优化框架包括用于表征状态的状态因子、用于表征动作的动作因子和用于表征奖励的奖励因子；

基于所述融合后的企业关系特征、所述状态因子、所述动作因子和所述奖励因子，采用策略梯度更新策略网络参数，对策略网络的决策性能进行优化，得到优化后的策略网络，以基于所述优化后的策略网络生成包括多个目标企业的优选决策的决策数据。

2.根据权利要求1所述的优化方法，其中，所述基于所述融合后的企业关系特征、所述状态因子、所述动作因子和所述奖励因子，采用策略梯度更新策略网络参数，对策略网络的决策性能进行优化，得到优化后的策略网络，包括：

获取动作概率分布向量和状态价值；

基于所述动作概率分布向量采样获取动作策略，执行动作并计算对应的奖励值；

获取所述奖励值和估值网络的估计值，并根据所述奖励值和所述估计值计算并得到策略梯度；

迭代基于所述策略梯度，采用梯度上升算法最大化策略梯度值，并更新策略网络参数的过程，在每次执行确定的当前动作之前，使用优化后的图注意力网络来提取当前状态对应的关系特征，并根据当前状态的关系特征来选择对应的动作，以对所述策略网络的所述决策性能进行优化，直至得到所述优化后的策略网络。

3.根据权利要求2所述的优化方法，其中，所述获取动作概率分布向量和状态价值，包括：

通过多层感知机，对策略网络和所述估值网络进行初始化，并以所述融合后的企业关系特征作为输入，依次输出并获取动作概率分布向量和状态价值，所述策略网络为包含2层神经网络的多层感知器，所述策略网络中的策略网络神经元的个数分别为64和n，n为目标企业的决策数量；所述估值网络为包含2层神经网络的多层感知器，动作概率分布向量的维度为n，状态价值的维度为1。

4.根据权利要求1所述的优化方法，其中，所述基于所述融合后的企业关系特征和所述优化后的图注意力网络构建用于优化企业决策的决策优化框架，包括：

将所述融合后的企业关系特征作为用于表征状态的所述状态因子；

将目标企业的不同决策分为多个离散的动作类别，并基于每个状态以及对应状态的状态特征，从所述多个离散的动作类别中确定一个动作进行执行，并作为当前动作；

针对当前动作，基于预设的奖励值计算模型，得到对应的奖励值，所述预设的奖励值计算模型包括：将高收益且低风险对应的奖励值设置为1，将低收益且高风险对应的奖励值设置为-1。

5.根据权利要求1所述的优化方法，其中，所述基于初始图注意力网络，分别对所述第一企业关系图、所述第二企业关系图和所述第三企业关系图进行特征提取、特征拼接和特征融合，得到融合后的企业关系特征，包括：

基于初始图注意力网络，分别对所述第一企业关系图、所述第二企业关系图和所述第三企业关系图进行特征提取，依次得到对应的资本关系特征、销售关系特征和市场关系特征，所述初始图注意力网络包含三个图卷积层，节点嵌入维度为64，激活函数为ReLU；

将所述资本关系特征、所述销售关系特征和所述市场关系特征进行特征拼接处理，得到对应的特征向量；

基于所述特征向量和线性映射层，对所述资本关系特征、所述销售关系特征和所述市场关系特征进行特征融合处理，得到所述融合后的企业关系特征，所述融合后的企业关系特征为64维的企业关系特征。