[發明專利]基于自編碼神經網絡的企業風險識別方法、裝置及設備

在審

• 申請號: 202211435826.1
• 申請日: 2022-11-16
• 公開（公告）號: CN115713403A
• 公開（公告）日: 2023-02-24
• 發明（設計）人: 傅瑜強;施達安;張藍天;陳威任;鞏哲;黃澤赟
• 申請（專利權）人: 中證數智科技（深圳）有限公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06F18/2431;G06N3/084;G06N3/0455;G06Q40/06
• 代理公司: 廣東靈頓知識產權代理事務所(普通合伙) 44558
• 代理人: 賴耀華

1.一種基于自編碼神經網絡的企業風險識別方法，其特征在于，所述方法包括：

獲取待評估企業的企業信用數據，對待評估企業的企業信用數據進行處理，以獲取與所述待評估企業的第一特征數據；

將所述第一特征數據作為入參輸入預設的自編碼神經網絡模型，經過所述預設的自編碼神經網絡模型輸出第二特征數據；

通過預設的誤差計算公式，計算第一特征數據和第二特征數據之間的差異值；

根據計算得到的差異值確定所述待評估企業的風險水平。

2.根據權利要求1所述的基于自編碼神經網絡的企業風險識別方法，其特征在于，所述通過預設的誤差計算公式，計算第一特征數據和第二特征數據之間的差異值的步驟，還包括：

根據公式

計算所述第一特征數據和第二特征數據之間的差異值，其中，MSE為所述第一特征數據和第二特征數據之間的差異值，n為特征數據的數量，為第i個第二特征數據，為為第i個第一特征數據，i為不大于n的自然數。

3.根據權利要求2所述的基于自編碼神經網絡的企業風險識別方法，其特征在于，所述根據計算得到的差異值確定所述待評估企業的風險水平的步驟，還包括：

當所述計算得到的差異值MSE大于預設閾值的情況下，確定所述待評估企業存在風險。

4.根據權利要求1所述的基于自編碼神經網絡的企業風險識別方法，其特征在于，所述根據計算得到的差異值確定所述待評估企業的風險水平的步驟，還包括：

根據預設的差異值與風險等級之間的對應關系，確定與計算得到的差異值對應的目標風險等級。

5.根據權利要求1所述的基于自編碼神經網絡的企業風險識別方法，其特征在于，所述獲取待評估企業的企業信用數據，對待評估企業的企業信用數據進行處理，以獲取與所述待評估企業的第一特征數據的步驟，還包括：

對所述企業信用數據進行預處理；

對預處理之后的企業信用數據，按照預設的特征提取算法，提取預設特征維度下的一個或多個特征數據作為第一特征數據。

6.根據權利要求1所述的基于自編碼神經網絡的企業風險識別方法，其特征在于，所述自編碼神經網絡模型的訓練過程包括：

確定正常樣本的認定標準，根據認定標準篩選至少一個正常樣本和至少一個非正常樣本；

根據至少一個正常樣本對所述自編碼神經網絡模型進行訓練。

7.根據權利要求6所述的基于自編碼神經網絡的企業風險識別方法，其特征在于，所述方法還包括：

根據至少一個非正常樣本，通過預設的XGBoost分類器，獲取多個特征數據的重要性，根據重要性在多個特征數據中篩選出一個或多個特征數據作為第一特征數據，所述第一特征數據為輸入所述自編碼神經網絡模型的入模特征數據。

8.一種基于自編碼神經網絡的企業風險識別裝置，其特征在于，所述裝置包括：

第一特征數據提取模塊，用于獲取待評估企業的企業信用數據，對待評估企業的企業信用數據進行處理，以獲取與所述待評估企業的第一特征數據；

第二特征數據預測模塊，用于將所述第一特征數據作為入參輸入預設的自編碼神經網絡模型，經過所述預設的自編碼神經網絡模型輸出第二特征數據；

誤差計算模塊，用于通過預設的誤差計算公式，計算第一特征數據和第二特征數據之間的差異值；

風險水平確定模塊，根據計算得到的差異值確定所述待評估企業的風險水平。

9.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的基于自編碼神經網絡的企業風險識別方法的步驟。

10.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器，所述存儲器有可執行代碼，當所述可執行代碼在所述處理器上運行以實現如權利要求1至7任一所述的基于自編碼神經網絡的企業風險識別方法。