【CN109829631A】一种基于记忆网络的企业风险预警分析方法及系统【专利】
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
( 54 )发明 名称 一种基于记忆网络的企业风险预警分析方
法及系统 ( 57 )摘要
本发明公开了一种基于记忆网络的企业风 险预警分析方法及系统，本方法步骤包括：1 )获 取样本企业的企业信息 ，生成一企业风险 信息 库；2 )对所述企业信息进行预处理，将各样本企 业的企业信息转换为特征向量，并对特征向量进 行归一化处理 ；3 )对处理后的企业风险信息库进 行划分，利用划分得到的训练集和测试集对记忆 网络模型进行训练和测试，得到企业风险预警分 析模型 ；4 )将待评估企业的企业信息转换为特征 向量并归一化处理后输入该企业风险预警分析 模型，输出该待评估企业的企业风险预警评估等 级。本发明解决了企业风险预警的高维度、高复 杂、低时效的问题。
(74)专利代理机构 北京君尚知识产权代理事务 所(普通合伙) 11200
代理人 司立彬
(51)Int .Cl . G06Q 10/06(2012 .01) G06N 3/04(2006 .01) G06N 3/08(2006 .01) G06F 16/951(2019 .01) G06F 16/953(2019 .01)
2
CN 109829631 A
权 利 要 求 书
2/2 页
7 .如权利要求6所述的系统，其特征在于，所述记忆网络模型构建模块将各企业风险预 警数据进行 划分 ，得到 训练集 和测试集 ；然后对于 训练集中的企业数据采 用步骤a) ～h) 的 方法进行训练：
a)记忆网络模型对企业数据进行变换，得到企业的高维特征表示； b) 将企业的高维特征表示存入记忆单元中 ，不同企业对应的高维特征存入不同时间槽 中； c)将训练集中一企业i的数据变换为高维特征并将其与时间槽中的高维特征分别进行 相似性计算； d)将相似性最高的高维特征与该企业i的高维特征相加，将得到的新特征输出； e)将步骤d)输出的特征经过输出门输入计算单元进行计算，并将当前计算结果作为该 企业i的高维特征； f) 重复步骤b) ～步骤e) 若干次 ，然后将输出特征输入多个计算单元分别进行计算并将 计算结果送入Softmax函数进行分类概率计算，然后对各分类概率计算结果进行投票，得到 该企业i的预测结果； g) 将预测结果与该企业i的标签进行比 较 ，根据损失函数求得 损失 ，并对该记忆网络模 型进行训练。 8 .如权利要求6或7所述的系统，其特征在于，所述企业信息包括企业的法律涉诉信息、 股权结构信息、知识产权信息、财务信息、工商信息和信用报告信息。 9 .如权利要求6或7所述的系统，其特征在于，所述计算单元为一卷积神经网络或全连 接网络；所述输出门的系数由输出特征的线性变换的sigmoid非线性变换决定。 10 .如权利要求6或7所述的系统，其特征在于，通过word2vec技术将企业信息转换为特 征向量。
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910031558 .9
(22)申请日 2019 .01 .14
(71)申请人 北京中兴通网络科技股份有限公司 地址 100094 北京市海淀区西北旺东路10 号院东区10号楼3层3-12
(72)发明人 李鹏飞 徐俊刚
(10)申请公布号 CN 109829631 A (43)申请公布日 2019.05.31 G06F 16/9535(2019 .01)
权利要求书2页 说明书8页 附图5页
CN 109829631 A
CN 109829631 A
权 利 要 求 书
Hale Waihona Puke 1/2 页1 .一种基于记忆网络的企业风险预警分析方法，其步骤包括： 1)获取样本企业的企业信息，生成一企业风险信息库； 2) 对所述企业信息进行预处理 ，将各样本企业的企业信息转换为特征向 量 ，并对特征 向量进行归一化处理； 3)对步骤2)处理后的企业风险信息库进行划分，利用划分得到的训练集和测试集对记 忆网络模型进行训练和测试，得到企业风险预警分析模型；其中，对于训练集中是企业数据 采用步骤a)～g)的方法进行训练； a)记忆网络模型对企业数据进行变换，得到企业的高维特征表示； b) 将企业的高维特征表示存入记忆单元中 ，不同企业对应的高维特征存入不同时间槽 中； c)将训练集中一企业i的数据变换为高维特征并将其与时间槽中的高维特征分别进行 相似性计算； d)将相似性最高的高维特征与该企业i的高维特征相加，将得到的新特征输出； e)将步骤d)输出的特征经过输出门输入计算单元进行计算，并将当前计算结果作为该 企业i的高维特征； f) 重复步骤b) ～步骤e) 若干次 ，然后将输出特征输入多个计算单元分别进行计算并将 计算结果送入Softmax函数进行分类概率计算，然后对各分类概率计算结果进行投票，得到 该企业i的预测结果； g) 将预测结果与该企业i的标签进行比 较 ，根据损失函数求得 损失 ，并对该记忆网络模 型进行训练； 4) 将待评估企业的 企业 信息转换为特征向 量并 归一化处理 后输入该企业风险 预警分 析模型，输出该待评估企业的企业风险预警评估等级。 2 .如权利要求1所述的方法，其特征在于，所述企业信息包括企业的法律涉诉信息、股 权结构信息、知识产权信息、财务信息、工商信息和信用报告信息。 3 .如权利要求1或2所述的方法，其特征在于，所述计算单元为一卷积神经网络或全连 接网络。 4 .如权利要求1所述的方法，其特征在于，所述输出门的系数由输出特征的线性变换的 sigmoid非线性变换决定。 5 .如权利要求1所述的方法，其特征在于，所述记忆网络模型中通过加入门机制，构建 多层记忆网络，包括L个记忆单元，所有非第一层的输入是前一层输入和通过输出门进行控 制的前一层的输出，从而使得通过调整门系数，动态控制计算单元。 6 .一种基于记忆网络的企业风险预警分析系统，其特征在于，包括企业风险信息标准 化模块、记忆网络模型构建模块、企业风险预警分析模型模块；其中， 所述企业风险 信息标准化模块 ，用于对各样本企业信息进行预处理 ，将各样本企业的 企业信息转换为特征向量，并对特征向量进行归一化处理，得到企业风险预警数据； 所述记忆网络模型构建模块，用于通过企业风险预警数据对记忆网络模型进行训练和 调整，形成企业风险预警分析模型； 所述企业风险预警分析模型模块，用于将待评估企业的企业信息转换为特征向量并归 一化处理后输入该企业风险预警分析模型，输出该待评估企业的企业风险预警评估等级。
法及系统 ( 57 )摘要
本发明公开了一种基于记忆网络的企业风 险预警分析方法及系统，本方法步骤包括：1 )获 取样本企业的企业信息 ，生成一企业风险 信息 库；2 )对所述企业信息进行预处理，将各样本企 业的企业信息转换为特征向量，并对特征向量进 行归一化处理 ；3 )对处理后的企业风险信息库进 行划分，利用划分得到的训练集和测试集对记忆 网络模型进行训练和测试，得到企业风险预警分 析模型 ；4 )将待评估企业的企业信息转换为特征 向量并归一化处理后输入该企业风险预警分析 模型，输出该待评估企业的企业风险预警评估等 级。本发明解决了企业风险预警的高维度、高复 杂、低时效的问题。
(74)专利代理机构 北京君尚知识产权代理事务 所(普通合伙) 11200
代理人 司立彬
(51)Int .Cl . G06Q 10/06(2012 .01) G06N 3/04(2006 .01) G06N 3/08(2006 .01) G06F 16/951(2019 .01) G06F 16/953(2019 .01)
2
CN 109829631 A
权 利 要 求 书
2/2 页
7 .如权利要求6所述的系统，其特征在于，所述记忆网络模型构建模块将各企业风险预 警数据进行 划分 ，得到 训练集 和测试集 ；然后对于 训练集中的企业数据采 用步骤a) ～h) 的 方法进行训练：
a)记忆网络模型对企业数据进行变换，得到企业的高维特征表示； b) 将企业的高维特征表示存入记忆单元中 ，不同企业对应的高维特征存入不同时间槽 中； c)将训练集中一企业i的数据变换为高维特征并将其与时间槽中的高维特征分别进行 相似性计算； d)将相似性最高的高维特征与该企业i的高维特征相加，将得到的新特征输出； e)将步骤d)输出的特征经过输出门输入计算单元进行计算，并将当前计算结果作为该 企业i的高维特征； f) 重复步骤b) ～步骤e) 若干次 ，然后将输出特征输入多个计算单元分别进行计算并将 计算结果送入Softmax函数进行分类概率计算，然后对各分类概率计算结果进行投票，得到 该企业i的预测结果； g) 将预测结果与该企业i的标签进行比 较 ，根据损失函数求得 损失 ，并对该记忆网络模 型进行训练。 8 .如权利要求6或7所述的系统，其特征在于，所述企业信息包括企业的法律涉诉信息、 股权结构信息、知识产权信息、财务信息、工商信息和信用报告信息。 9 .如权利要求6或7所述的系统，其特征在于，所述计算单元为一卷积神经网络或全连 接网络；所述输出门的系数由输出特征的线性变换的sigmoid非线性变换决定。 10 .如权利要求6或7所述的系统，其特征在于，通过word2vec技术将企业信息转换为特 征向量。
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910031558 .9
(22)申请日 2019 .01 .14
(71)申请人 北京中兴通网络科技股份有限公司 地址 100094 北京市海淀区西北旺东路10 号院东区10号楼3层3-12
(72)发明人 李鹏飞 徐俊刚
(10)申请公布号 CN 109829631 A (43)申请公布日 2019.05.31 G06F 16/9535(2019 .01)
权利要求书2页 说明书8页 附图5页
CN 109829631 A
CN 109829631 A
权 利 要 求 书
Hale Waihona Puke 1/2 页1 .一种基于记忆网络的企业风险预警分析方法，其步骤包括： 1)获取样本企业的企业信息，生成一企业风险信息库； 2) 对所述企业信息进行预处理 ，将各样本企业的企业信息转换为特征向 量 ，并对特征 向量进行归一化处理； 3)对步骤2)处理后的企业风险信息库进行划分，利用划分得到的训练集和测试集对记 忆网络模型进行训练和测试，得到企业风险预警分析模型；其中，对于训练集中是企业数据 采用步骤a)～g)的方法进行训练； a)记忆网络模型对企业数据进行变换，得到企业的高维特征表示； b) 将企业的高维特征表示存入记忆单元中 ，不同企业对应的高维特征存入不同时间槽 中； c)将训练集中一企业i的数据变换为高维特征并将其与时间槽中的高维特征分别进行 相似性计算； d)将相似性最高的高维特征与该企业i的高维特征相加，将得到的新特征输出； e)将步骤d)输出的特征经过输出门输入计算单元进行计算，并将当前计算结果作为该 企业i的高维特征； f) 重复步骤b) ～步骤e) 若干次 ，然后将输出特征输入多个计算单元分别进行计算并将 计算结果送入Softmax函数进行分类概率计算，然后对各分类概率计算结果进行投票，得到 该企业i的预测结果； g) 将预测结果与该企业i的标签进行比 较 ，根据损失函数求得 损失 ，并对该记忆网络模 型进行训练； 4) 将待评估企业的 企业 信息转换为特征向 量并 归一化处理 后输入该企业风险 预警分 析模型，输出该待评估企业的企业风险预警评估等级。 2 .如权利要求1所述的方法，其特征在于，所述企业信息包括企业的法律涉诉信息、股 权结构信息、知识产权信息、财务信息、工商信息和信用报告信息。 3 .如权利要求1或2所述的方法，其特征在于，所述计算单元为一卷积神经网络或全连 接网络。 4 .如权利要求1所述的方法，其特征在于，所述输出门的系数由输出特征的线性变换的 sigmoid非线性变换决定。 5 .如权利要求1所述的方法，其特征在于，所述记忆网络模型中通过加入门机制，构建 多层记忆网络，包括L个记忆单元，所有非第一层的输入是前一层输入和通过输出门进行控 制的前一层的输出，从而使得通过调整门系数，动态控制计算单元。 6 .一种基于记忆网络的企业风险预警分析系统，其特征在于，包括企业风险信息标准 化模块、记忆网络模型构建模块、企业风险预警分析模型模块；其中， 所述企业风险 信息标准化模块 ，用于对各样本企业信息进行预处理 ，将各样本企业的 企业信息转换为特征向量，并对特征向量进行归一化处理，得到企业风险预警数据； 所述记忆网络模型构建模块，用于通过企业风险预警数据对记忆网络模型进行训练和 调整，形成企业风险预警分析模型； 所述企业风险预警分析模型模块，用于将待评估企业的企业信息转换为特征向量并归 一化处理后输入该企业风险预警分析模型，输出该待评估企业的企业风险预警评估等级。