[發明專利]面向投融資關系網絡鏈路預測的方法、裝置和設備

在審

• 申請號: 202010088854.5
• 申請日: 2020-02-12
• 公開（公告）號: CN111291932A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 徐佳慧;裴樂琪;郝慶一
• 申請（專利權）人: 徐佳慧
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q40/06;G06F16/2458;G06N3/04;G06N3/08
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 康震

1.一種面向投融資關系網絡鏈路預測的方法，其特征在于，包括：

S1：從投融資新聞和投資關系中提取目標風投機構的特征向量；

S2：從各風投機構歷史投資關系中提取的創業公司特征向量組；

S3：對所述目標風投機構的中最近一次所投創業公司的特征進行處理生成所述目標風投機構投資的最近一次創業公司的特征向量；

S4：根據所述特征向量、創業公司的成立時間差和所述創業公司的時間差的特征進行處理，并更新所述特征向量、所述創業公司的特征向量組和所述目標風投機構投資的最近一次創業公司的特征向量；

S5：篩選出在目標時間段內初創公司或者獲得過投資的創業公司，對所述目標風投機構投資過的創業機構和未投資的創業機構進行標記；

S6：構建初始面向投融資關系網絡鏈路預測的深度學習模型；

S7：對所述初始面向投融資關系網絡鏈路預測的深度學習模型進行訓練和測試得到目標面向投融資關系網絡鏈路預測的深度學習模型；

S8：基于所述目標面向投融資關系網絡鏈路預測的深度學習模型對所述目標風投機構進行未來投資關系的預測，并按照模型的預測值顯示預設數量的創業公司。

2.根據權利要求1所述的面向投融資關系網絡鏈路預測的方法，其特征在于，步驟S1包括：

S1-1：選取特定的投融資新聞文本，采用訓練模式為Skip-gram的Word2Vec算法對其進行訓練，獲得基于新聞文本的目標風投機構的詞向量V_vc1；

S1-2：從投資關系有向圖中計算所述目標風投機構的重要性指標，獲得基于投資關系有向圖的目標風投機構的詞向量V_vc2；

S1-3：從投資歷史行為中統計投資行為特征，分別為所述目標風投機構以往各投資輪次的創業公司數量、投資時間間隔平均值、投資時間間隔中位數、投資時間間隔眾數，獲得基于投資歷史行為統計信息的風投機構的詞向量V_vc3；

S1-4：對詞向量V_vc1、詞向量V_vc2和詞向量V_vc3進行拼接生成所述目標風投機構的特征向量V_vc。

3.根據權利要求2所述的面向投融資關系網絡鏈路預測的方法，其特征在于，步驟S2包括：

S2-1：將各創業公司的離散行業標簽以及對應的投資輪次由One-Hot編碼處理生成創業公司特征向量V_s1；

S2-2：計算創業公司的成立時間差衰減值t_e1，添加到創業公司特征向量V_s1中；

S2-3：篩選出所述目標風投機構中除最近一次所投創業公司之外，其他所投資的前N_i家創業公司，按照投資時間次序組合，生成所述目標風投機構的歷史投資創業公司的特征向量組V_h-starups。

4.根據權利要求3所述的面向投融資關系網絡鏈路預測的方法，其特征在于，在步驟S4中還包括：

通過以下公式對特征向量V_vc、創業公司的特征向量組V_h-starups和目標風投機構投資的最近一次創業公司的特征向量V_l-starups進行Z-score標準化處理：

其中：x為所有樣本數據的原始值，μ為所有樣本數據的均值，σ為所有樣本數據的標準差，x^*為所有樣本數據歸一化后的數值。