[發明專利]一種商機挖掘方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202111164579.1
• 申請日: 2021-09-30
• 公開（公告）號: CN113592568B
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 謝翀;陳永紅;羅偉杰
• 申請（專利權）人: 深圳前海環融聯易信息科技服務有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/36;G06F40/295
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 武志峰

1.一種商機挖掘方法，其特征在于，包括：

獲取交易型數據，并依據所述交易型數據構建供應鏈圖譜，以及根據所述供應鏈圖譜建立“買方-買賣關系-賣方”的三元組數據；

所述獲取交易型數據，并依據所述交易型數據構建供應鏈圖譜，以及根據所述供應鏈圖譜建立“買方-買賣關系-賣方”的三元組數據，包括：

基于AI識別技術為所述三元組數據中的買方對應的頭實體和尾實體添加屬性特征，以及為所述三元組數據中的買賣關系添加關系特征；

通過全連接網絡對所述屬性特征和關系特征進行前饋計算，得到維度統一的第一向量；

基于所述供應鏈圖譜，對交易類型設置對應專屬映射矩陣，并結合所述專屬映射矩陣和GAT模型對所述供應鏈圖譜進行編碼處理；所述專屬映射矩陣是指為每一種交易類型都添加一組特定的矩陣參數，頭實體和尾實體會使用所述特定的矩陣參數進行矩陣運算，得到映射后的表示；

所述基于所述供應鏈圖譜對交易類型設置對應專屬映射矩陣，并結合所述專屬映射矩陣和GAT模型對所述供應鏈圖譜進行編碼處理，包括：

利用所述專屬映射矩陣對所述第一向量進行映射矩陣計算，得到所述三元組數據對應的映射向量；

對于同一頭實體對應的不同尾實體，通過所述映射向量計算頭實體和尾實體之間的相似度，并將所述相似度作為對應頭實體和尾實體的權重；

將各所述三元組數據中的頭實體、尾實體和交易類型進行拼接并輸入至全連接層，并輸出得到維度相同的第二向量；

對所述權重與所述第二向量進行加權疊加，并將加權疊加結果作為信息更新向量，然后利用所述信息更新向量對所述三元組數據進行信息更新；

結合所述專屬映射矩陣和ConvKB模型對經過編碼處理的所述三元組數據進行解碼處理，得到所述三元組數據對應的第一浮點數；

所述結合所述專屬映射矩陣和ConvKB模型對經過編碼處理的所述三元組數據進行解碼處理，得到所述三元組數據對應的第一浮點數，包括：

基于所述映射向量對各所述三元組數據中的頭實體、尾實體和交易類型進行拼接；

通過ConvKB模型對拼接結果提取目標特征，并將所述目標特征依次輸入至全連接層和激活函數，然后輸出得到所述第一浮點數；

基于所述第一浮點數，選取浮點數最高的三元組數據作為目標三元組數據，并將所述目標三元組數據對應的買方和賣方作為商機挖掘結果。

2.根據權利要求1所述的商機挖掘方法，其特征在于，還包括：

基于TransE模型思想，將所述三元組數據的映射向量中的頭實體向量與交易關系向量相加，并利用相加結果與尾實體向量進行作差處理，得到所述三元組數據對應的目標向量；

對所述目標向量進行求1范數計算，得到第二浮點數。

3.根據權利要求2所述的商機挖掘方法，其特征在于，還包括：

獲取具備真實交易關系的正樣本數據和不具備真實交易關系的負樣本數據；

將所述正樣本數據和負樣本數據分別構造為正樣本序列和負樣本序列；

將所述正樣本序列和負樣本序列之間的距離作為GAT模型的訓練目標，以對所述GAT模型進行訓練；

結合所述第二浮點數構造損失函數，并利用所述損失函數對所述GAT模型進行優化。

4.根據權利要求3所述的商機挖掘方法，其特征在于，所述AI識別技術為命名實體識別、表格識別和手寫體識別中的任意一種或者多種。