[發(fā)明專利]企業(yè)年報催報方法、裝置、電子設(shè)備及計算機(jī)存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110962167.6
• 申請日: 2021-08-20
• 公開（公告）號: CN113673597A
• 公開（公告）日: 2021-11-19
• 發(fā)明（設(shè)計）人: 劉佳
• 申請（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/10;G06Q40/00
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種企業(yè)年報催報方法，其特征在于，所述方法包括：

獲取企業(yè)的年報申報周信息的樣本集；

對所述樣本集進(jìn)行特征篩選得到有效特征集；

根據(jù)所述有效特征集，構(gòu)造基于不同分類算法的分類模型；

利用所述樣本集分別對每個所述分類模型進(jìn)行第一訓(xùn)練，直到所述第一訓(xùn)練滿足預(yù)設(shè)第一條件時，退出所述第一訓(xùn)練，得到每個所述分類模型的第一訓(xùn)練結(jié)果；

統(tǒng)計所述樣本集中每個樣本在不同分類模型下的第一訓(xùn)練結(jié)果的重復(fù)率，將所述重復(fù)率小于預(yù)設(shè)重復(fù)率閾值的樣本作為無效樣本，并從所述樣本集中剔除所述無效樣本；

利用剔除無效樣本后的樣本集分別對每個所述分類模型進(jìn)行第二訓(xùn)練，直到所述第二訓(xùn)練滿足預(yù)設(shè)第二條件時，退出所述第二訓(xùn)練，得到每個所述分類模型的預(yù)測結(jié)果；

利用所述預(yù)測結(jié)果及所述樣本集的真實結(jié)果，計算得到每個所述分類模型的精準(zhǔn)率及召回率之間的調(diào)和值，選擇所述調(diào)和值最高的分類模型作為目標(biāo)分類模型；

利用所述目標(biāo)分類模型對待預(yù)測企業(yè)進(jìn)行申報周預(yù)測，并根據(jù)預(yù)測得到的申報周，向所述企業(yè)執(zhí)行催報。

2.如權(quán)利要求1所述的企業(yè)年報催報方法，其特征在于，所述獲取企業(yè)的年報申報周信息的樣本集，包括：

獲取企業(yè)的年報申報信息；

對所述年報申報信息中的申報時間進(jìn)行歸一化處理；

根據(jù)預(yù)設(shè)的申報時間與申報周的映射關(guān)系，將所述樣本集中每個歸一化處理后的申報時間轉(zhuǎn)換為相應(yīng)的申報周，得到企業(yè)的年報申報周信息的樣本集。

3.如權(quán)利要求2所述的企業(yè)年報催報方法，其特征在于，所述對所述樣本集進(jìn)行特征篩選得到有效特征集，包括：

獲取所述樣本集的初始特征集；

依次計算所述初始特征集中每個特征對應(yīng)的樣本數(shù)與所述樣本集的總數(shù)的百分比，得到所述每個特征的覆蓋率；

統(tǒng)計所述樣本集覆蓋的年份個數(shù)，并統(tǒng)計所述初始特征集中每個特征對應(yīng)的樣本的年份個數(shù)，計算所述每個特征對應(yīng)的樣本的年份個數(shù)與所述樣本集覆蓋的年份個數(shù)的百分比，得到所述每個特征的穩(wěn)定率；

對所述初始特征集中每個特征的取值進(jìn)行離散化處理，得到離散化后的特征取值分布情況；

利用所述離散化后的特征取值分布情況，根據(jù)預(yù)構(gòu)建的信息價值計算公式計算得到每個所述特征的信息價值；

選擇所述覆蓋率大于預(yù)設(shè)的覆蓋率閾值，且所述穩(wěn)定率大于預(yù)設(shè)的穩(wěn)定率閾值，及所述信息價值大于預(yù)設(shè)的信息價值閾值的特征組成所述樣本集的有效特征集。

4.如權(quán)利要求1所述的企業(yè)年報催報方法，其特征在于，所述構(gòu)造基于不同分類算法的分類模型，包括：

獲取所述有效特征集的預(yù)設(shè)的數(shù)據(jù)標(biāo)簽；

在預(yù)設(shè)的分類算法映射表中，查找與所述數(shù)據(jù)標(biāo)簽相匹配的分類算法；

分別利用查找得到的每一種分類算法構(gòu)造相應(yīng)的分類模型。

5.如權(quán)利要求1所述的企業(yè)年報催報方法，其特征在于，所述利用剔除無效樣本后的樣本集分別對每個所述分類模型進(jìn)行第二訓(xùn)練，直到所述第二訓(xùn)練滿足預(yù)設(shè)第二條件時，退出所述第二訓(xùn)練，包括：

利用每個所述分類模型對所述剔除無效樣本后的樣本集進(jìn)行分類特征提取，得到所述剔除無效樣本后的樣本集的分類特征集；

利用預(yù)設(shè)的預(yù)測函數(shù)對所述剔除無效樣本后的樣本集的分類特征集進(jìn)行申報周的概率計算，得到包含預(yù)測申報周信息的預(yù)測結(jié)果；

利用預(yù)設(shè)的損失函數(shù)，判斷所述預(yù)測結(jié)果與所述剔除無效樣本后的樣本集的真實結(jié)果之間的誤差值是否滿足所述預(yù)設(shè)第二條件；

若所述誤差值不滿足所述預(yù)設(shè)第二條件，則調(diào)整每個所述分類模型的參數(shù)值，并返回所述利用每個所述分類模型對所述剔除無效樣本后的樣本集進(jìn)行分類特征提取的步驟；

若所述誤差值滿足所述預(yù)設(shè)第二條件，則退出所述分類模型的第二訓(xùn)練。