食品企业信用评定方法、装置及电子设备制造方法及图纸

本发明专利技术提供了食品企业信用评定方法、装置及电子设备。其中，该方法包括：获取待评定食品企业的特征信息；其中，特征信息包括指标参数，以及每种指标参数对应的企业数据；将特征信息输入至预先训练好的图卷积网络GCN，以使GCN根据特征信息输出待评定食品企业的信用值；其中，GCN为基于食品供应链中的食品企业关系进行训练得到；从而通过GCN进行食品企业的信用值评定，实现了在食品企业的信用值评定过程中，基于供应链各个食品企业之间的关系全面对待判定食品企业进行评定，与现有方法中单个食品企业进行评定相比，提高了食品企业的信用值精度。

【技术实现步骤摘要】
食品企业信用评定方法、装置及电子设备
本专利技术涉及企业信用
，尤其是涉及食品企业信用评定方法、装置及电子设备。
技术介绍
“民以食为天，食以安为先”。近年来，随着经济的发展，人们生活水平不断提高，食品安全问题越来越受人们关注和重视。当前食品安全形势依然严峻，食品安全问题频发，因此，建立食品企业的日常监管和预警机制具有重要意义。现有的方法主要是利用模糊积分以及相关算法进行企业信用等级评价，具体地，首先确定用于信用等级评价的特征属性，然后根据以往企业信用等级评价数据得到“属性值-评价值”数据对，并将企业信用评价值归一化到[0,1]，最后基于粒子群和梯度下降的混合算法计算得到模糊测度，以便根据待评级企业的特征属性输出对应的企业信用等级。这种方法虽然可以实现企业信用等级的评价，但是由于每个企业的特征属性均不相同，因此，基于上述相同的数据对得到的食品企业的信用评价值并不理想，不能满足食品企业的实际监管需求。
技术实现思路
有鉴于此，本专利技术的目的在于提供食品企业信用评定方法、装置及电子设备，以缓解上述问题，提高了食品本文档来自技高网...

【技术保护点】
1.一种食品企业信用评定方法，其特征在于，所述方法包括：/n获取待评定食品企业的特征信息；其中，所述特征信息包括指标参数，以及每种所述指标参数对应的企业数据；/n将所述特征信息输入至预先训练好的图卷积网络GCN，以使所述GCN根据所述特征信息输出所述待评定食品企业的信用值；其中，所述GCN为基于食品供应链中的食品企业关系进行训练得到。/n

【技术特征摘要】
1.一种食品企业信用评定方法，其特征在于，所述方法包括：
获取待评定食品企业的特征信息；其中，所述特征信息包括指标参数，以及每种所述指标参数对应的企业数据；
将所述特征信息输入至预先训练好的图卷积网络GCN，以使所述GCN根据所述特征信息输出所述待评定食品企业的信用值；其中，所述GCN为基于食品供应链中的食品企业关系进行训练得到。


2.根据权利要求1所述的食品企业信用评定方法，其特征在于，所述GCN的训练过程如下：
获取图训练样本集；其中，所述图训练样本集包括：训练关系矩阵和训练特征集；所述训练关系矩阵用于表征训练供应链中各个训练食品企业的关联关系；所述训练特征集包括每个所述训练食品企业的训练特征信息；所述训练特征信息包括训练指标参数，以及每种所述训练指标参数对应的训练企业数据；且，至少部分所述训练特征信息还包括对应的所述训练食品企业的信用标注值；
将所述图训练样本集输入至原始GCN进行训练，以得到所述GCN。


3.根据权利要求2所述的食品企业信用评定方法，其特征在于，所述训练关系矩阵包括度矩阵和邻接矩阵；其中，所述度矩阵用于表征与当前训练食品企业具有关联关系的所述训练食品企业的数量；所述邻接矩阵用于表征所述当前训练食品企业和与所述当前训练食品企业具有关联关系的所述训练食品企业关系的量化表示。


4.根据权利要求3所述的食品企业信用评定方法，其特征在于，所述将所述图训练样本集输入至原始GCN进行训练的步骤之前，所述方法还包括：
基于预设的单位矩阵对所述邻接矩阵进行矫正处理，得到矫正处理后的所述邻接矩阵；其中，所述单位矩阵的阶数与所述邻接矩阵的阶数保持一致；
按照预设规则对所述度矩阵进行缩放处理，得到缩放处理后的所述度矩阵。


5.根据权利要求4所述的食品企业信用评定方法，其特征在于，所述训练关系矩阵还包括拉普拉斯矩阵；所述方法还包括：
根据矫正处理后的所述邻接矩阵和缩放...

【专利技术属性】
技术研发人员：张曙华，杨安荣，邬旭栋，马睿涛，
申请(专利权)人：上海信联信息发展股份有限公司，
类型：发明
国别省市：上海;31