[發明專利]企業上下游關系識別模型建立、關系挖掘的方法及裝置

有效

• 申請號: 202010153608.3
• 申請日: 2020-03-06
• 公開（公告）號: CN111382843B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 王煬;楊碩;孫望;鐘娙雩;張志強;周俊;方彥明;余泉
• 申請（專利權）人: 浙江網商銀行股份有限公司
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06N3/042;G06N3/08
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 趙杰

1.一種企業上下游關系識別模型建立的方法，包括：

獲取企業網絡樣本；

對所述企業網絡樣本進行節點嵌入向量表達計算，得到用于表達企業節點結構特征的向量；

將所述企業節點的向量輸入圖神經網絡模型進行迭代，所述圖神經網絡模型在迭代過程中，使用企業節點上下游關系特征進行企業節點上下游關系識別的訓練，其中，所述企業節點上下游關系特征包括企業節點的特征表達、企業節點的鄰居節點的特征表達以及企業節點與鄰居節點之間關系的特征表達；

迭代結束，得到訓練后的圖神經網絡模型。

2.根據權利要求1所述的方法，所述對所述企業網絡樣本進行節點嵌入向量表達計算，得到用于表達企業節點結構特征的向量包括：

使用node2vec算法對所述企業網絡樣本進行節點嵌入向量表達計算，得到用于表達企業節點結構特征的向量。

3.根據權利要求1所述的方法，還包括：

根據所述企業節點的企業屬性，生成用于表達所述企業節點屬性特征的向量；

將用于表達所述企業節點結構特征的向量與用于表達所述企業節點屬性特征的向量進行組合，得到所述企業節點的向量。

4.根據權利要求1所述的方法，所述將所述企業節點的向量輸入圖神經網絡模型進行迭代包括：

將所述企業節點的向量輸入基于注意力機制的廣度自適應函數進行聚合，得到所述企業節點聚合的鄰居節點下一迭代過程的聚合特征表達；

將所述企業節點的向量以及所述企業節點聚合的鄰居節點下一迭代過程的聚合特征表達輸入基于LStM算子的深度自適應函數，得到所述企業節點下一迭代過程的特征表達；

將下一迭代過程更新為當前迭代過程；

將所述企業節點當前迭代過程的特征表達，所述企業節點的鄰居節點的當前迭代過程的特征表達、以及，所述企業節點與鄰居節點之間關系的特征表達進行組合，形成所述企業節點上下游關系特征；

通過全連接層對所述企業節點上下游關系特征進行判別，得到所述企業節點的上下游關系的識別結果；

判斷所述識別結果是否滿足損失最小；

在滿足損失最小的情況下，進入所述迭代結束，得到訓練后的圖神經網絡模型的步驟；

在不滿足損失最小的情況下，更新所述圖神經網絡模型的參數，將所述企業節點當前迭代過程的特征表達輸入基于注意力機制的廣度自適應函數進行聚合，得到所述企業節點聚合的鄰居節點下一迭代過程的聚合特征表達；將所述企業節點當前迭代過程的特征表達以及所述企業節點聚合的鄰居節點下一迭代過程的聚合特征表達輸入基于LStM算子的深度自適應函數，得到所述企業節點下一迭代過程的特征表達；重新進入所述將下一迭代過程更新為當前迭代過程的步驟。

5.一種企業上下游關系識別模型建立的裝置，包括：

樣本獲取模塊，被配置為獲取企業網絡樣本；

樣本向量計算模塊，被配置為對所述企業網絡樣本進行節點嵌入向量表達計算，得到用于表達企業節點結構特征的向量；

模型迭代模塊，被配置為將所述企業節點的向量輸入圖神經網絡模型進行迭代，所述圖神經網絡模型在迭代過程中，使用企業節點上下游關系特征進行企業節點上下游關系識別的訓練，其中，所述企業節點上下游關系特征包括企業節點的特征表達、企業節點的鄰居節點的特征表達以及企業節點與鄰居節點之間關系的特征表達；迭代結束，得到訓練后的圖神經網絡模型。

6.根據權利要求5所述的裝置，所述樣本向量計算模塊被配置為使用node2vec算法對所述企業網絡樣本進行節點嵌入向量表達計算，得到用于表達企業節點結構特征的向量。

7.根據權利要求5所述的裝置，還包括：

樣本屬性特征計算模塊，被配置為根據所述企業節點的企業屬性，生成用于表達所述企業節點屬性特征的向量；

樣本向量組合模塊，被配置為將用于表達所述企業節點結構特征的向量與用于表達所述企業節點屬性特征的向量進行組合，得到所述企業節點的向量。