【技术实现步骤摘要】
一种基于深度学习的企业内部经营管理风险识别提取方法及系统
[0001]本专利技术涉及软件方法
，尤其涉及一种基于深度学习的企业内部经营管理风险识别提取方法及系统。
技术介绍
[0002]现有技术中，企业风险管理与内部控制工作还比较局部，主要在财务和物资领域开展。然而，风险的有效预警很大程度上依赖于全面充分的风险信息来源。目前构成风险因素的相关数据来源复杂，缺乏共享，如企业财务的信息存储于财务部门、企业运营状况的信息存储于生产经营各部门、企业人事状况的信息存储于人力资源部门、企业销售与市场的信息存储于营销部门等。而要实现对内部经营风险的预警和全面管控，需要能够及时获取并全面整合相关信息，建立风险预警模型，形成完善的风险预警机制，为风险应对策略的制定提供坚强支撑；另一方面，由于企业内部经营管理风险成因复杂、风险分析和识别难度高，目前企业主要依靠专家经验，风险分析主要局限在各部门各系统，无法满足企业高质量的发展需求。基于企业内部不同来源的经营管理数据，如工程管理数据、营销管理数据、物资管理数据、财务管理数据，以及投诉样本、法...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的企业内部经营管理风险识别提取方法，其特征在于，包括如下步骤：步骤一、从不同经营管理主体的经营数据和管理数据中提取风险知识数据，风险知识数据包括结构化数据和非结构化数据，调用知识图谱引擎根据风险知识数据对不同经营管理主体间进行信息关联，并生成企业图谱；步骤二、调用基于深度学习的特征编码模块，通过将状态的时序看作词的序列关系，把企业图谱特征嵌入编码模块中，生成复合深度学习的算法，采用复合深度学习的算法从经营数据和管理数据中提取风险特征数据；步骤三、调用基于图的半监督学习的识别模块，从风险特征数据中得到样本间的相似度，生成样本邻接关系图；步骤四、调用特征值扰动的风险成因解释模块，从风险特征数据中提取出风险成因因素。2.根据权利要求1所述的一种基于深度学习的企业内部经营管理风险识别提取方法，其特征在于，所述步骤一包括如下步骤：数据的清洗和治理步骤、知识表示与建模步骤、知识抽取和知识融合步骤、知识存储步骤和构建知识图谱引擎步骤；数据的清洗和治理步骤包括：对于结构化数据和非结构化数据进行治理，对于结构化数据进行治理包括对所述经营数据和管理数据进行标准化和规范化，并对同一实体的数据进行融合、去重和消除歧义，统一进行知识表示；非结构化数据治理则包括语种识别、乱码发现、格式规整和编码转换；知识表示与建模步骤包括：使用本体描述语言对于领域中的实体、属性、关系、事件等进行规范化描述，通过结构化的语言来定义和描述领域知识；知识抽取和知识融合步骤包括：处理非结构化数据，包含正文提取、命名实体识别、关系抽取、实体链接与知识融合；知识存储步骤包括：采用图数据库作为知识图谱存储的基础存储引擎，存储知识图谱到图数据库中。...
【专利技术属性】
技术研发人员：倪时龙，张怀刚，罗建新，陈颖华，郑敏，钱新红，
申请(专利权)人：福建正孚软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。