财务安全智能监控方法、系统和电子设备技术方案

本申请公开了一种财务安全智能监控方法、系统和电子设备，其通过基于上下文的编码器模型分别对月度、季度和年度与财务风险相关的指标数据集进行高维隐含关联特征提取，并且考虑到由于获得的所述特征向量在时间尺度上的分布差异，使得所述特征向量在高维特征空间内映射到具有不同频率的目标域上，而通过频率间平衡余量损失函数来进行训练，可以使得所述编码器的上下文编码特征表示提高到所述各不同频率的目标域的归属的泛化性，使得单个时间尺度上的所述特征向量能够在不同频率的目标域上均具有良好的泛化表示特性，以在对所述特征向量进行加权融合后，提高分类特征向量的分类精度。度。度。

【技术实现步骤摘要】
财务安全智能监控方法、系统和电子设备


[0001]本申请涉及财务安全的领域，且更为具体地，涉及一种财务安全智能监控方法、系统和电子设备。

技术介绍

[0002]企业财务风险控制是财务管理的重要内容，加强对企业财务风险的识别，为决策者、管理者和投资者提供及时有效的财务信息，保障各方的利益具有重要意义。
[0003]市场经济条件下，财务风险是客观存在的，并贯穿于生产经营整个过程。要完全消除风险及其影响是不现实的，重要的是全面分析财务风险，及早发现哪些可能导致财务状况恶化的早期信息，将影响企业获利能力甚至危机生存的问题控制在可解决的范围内，并随时对可能引发危机的种种现象进行预警。因此，期望提供一种财务安全智能监控方法。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种财务安全智能监控方法、系统和电子设备，其通过基于上下文的编码器模型分别对月度、季度和年度与财务风险相关的指标数据集进行高维隐含关联特征提取，并且考虑到由于获得的所述特征向量在时间尺度上的分布差异，使得所述特征向量在高维特征空间内映射到具有不同频率的目标域上，而通过频率间平衡余量损失函数来进行训练，可以使得所述编码器的上下文编码特征表示提高到所述各不同频率的目标域的归属的泛化性，使得单个时间尺度上的所述特征向量能够在不同频率的目标域上均具有良好的泛化表示特性，以在对所述特征向量进行加权融合后，提高分类特征向量的分类精度。
[0005]根据本申请的一个方面，提供了一种财务安全智能监控方法，其包括：
[0006]训练阶段，包括：
[0007]获取月度与财务风险相关的指标数据集、季度与财务风险相关的指标数据集和年度与财务风险相关的指标数据集；
[0008]分别将所述月度与财务风险相关的指标数据集、所述季度与财务风险相关的指标数据集和所述年度与财务风险相关的指标数据集通过包含嵌入层的上下文编码器以获得与所述月度与财务风险相关的指标数据集对应的多个第一特征向量、与所述季度与财务风险相关的指标数据集对应的多个第二特征向量和与所述年度与财务风险相关的指标数据集对应的多个第三特征向量；
[0009]将所述多个第一特征向量进行级联以获得月特征向量，将所述多个第二特征向量进行级联以获得季特征向量，以及，将所述多个第三特征向量进行级联以获得年特征向量；
[0010]分别对所述月特征向量、所述季特征向量和所述年特征向量中各个位置的特征值进行正态化处理以获得正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量；
[0011]融合所述正态分布形式的月特征向量、所述正态分布形式的季特征向量和所述正
态分布形式的年特征向量以获得分类特征向量；
[0012]将所述分类特征向量通过分类器以获得分类损失函数值；
[0013]计算所述正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量中每两个特征向量之间的频率间平衡余量损失以获得第一频率间平衡余量损失、第二频率间平衡余量损失和第三频率间平衡余量损失，所述每两个特征向量之间的频率间平衡余量损失为以两个特征向量之间的余弦距离减去两个特征向量之间的欧式距离之差为幂的自然指数函数值；
[0014]计算所述第一频率间平衡余量损失、所述第二频率间平衡余量损失和所述第三频率间平衡余量损失之间的加权和作为频率间平衡余量损失函数值；以及
[0015]以所述分类损失函数值和所述频率间平衡余量损失函数值之间的加权和作为损失函数值对所述上下文编码器进行训练；以及
[0016]推断阶段，包括：
[0017]获取月度与财务风险相关的指标数据集、季度与财务风险相关的指标数据集和年度与财务风险相关的指标数据集；
[0018]分别将所述月度与财务风险相关的指标数据集、所述季度与财务风险相关的指标数据集和所述年度与财务风险相关的指标数据集通过包含嵌入层的上下文编码器以获得与所述月度与财务风险相关的指标数据集对应的多个第一特征向量、与所述季度与财务风险相关的指标数据集对应的多个第二特征向量和与所述年度与财务风险相关的指标数据集对应的多个第三特征向量；
[0019]将所述多个第一特征向量进行级联以获得月特征向量，将所述多个第二特征向量进行级联以获得季特征向量，以及，将所述多个第三特征向量进行级联以获得年特征向量；
[0020]分别对所述月特征向量、所述季特征向量和所述年特征向量中各个位置的特征值进行正态化处理以获得正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量；
[0021]融合所述正态分布形式的月特征向量、所述正态分布形式的季特征向量和所述正态分布形式的年特征向量以获得分类特征向量；
[0022]将所述分类特征向量通过分类器以获得分类结果，所述分类结果为企业的财务风险是否超过预设标准。
[0023]根据本申请的另一方面，提供了一种财务安全智能监控系统，其包括：
[0024]训练模块，包括：
[0025]数据获取单元，用于获取月度与财务风险相关的指标数据集、季度与财务风险相关的指标数据集和年度与财务风险相关的指标数据集；
[0026]上下文编码单元，用于分别将所述数据获取单元获得的所述月度与财务风险相关的指标数据集、所述数据获取单元获得的所述季度与财务风险相关的指标数据集和所述数据获取单元获得的所述年度与财务风险相关的指标数据集通过包含嵌入层的上下文编码器以获得与所述月度与财务风险相关的指标数据集对应的多个第一特征向量、与所述季度与财务风险相关的指标数据集对应的多个第二特征向量和与所述年度与财务风险相关的指标数据集对应的多个第三特征向量；
[0027]级联单元，用于将所述上下文编码单元获得的所述多个第一特征向量进行级联以
获得月特征向量，将所述上下文编码单元获得的所述多个第二特征向量进行级联以获得季特征向量，以及，将所述上下文编码单元获得的所述多个第三特征向量进行级联以获得年特征向量；
[0028]正态化单元，用于分别对所述级联单元获得的所述月特征向量、所述级联单元获得的所述季特征向量和所述级联单元获得的所述年特征向量中各个位置的特征值进行正态化处理以获得正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量；
[0029]融合单元，用于融合所述正态化单元获得的所述正态分布形式的月特征向量、所述正态化单元获得的所述正态分布形式的季特征向量和所述正态化单元获得的所述正态分布形式的年特征向量以获得分类特征向量；
[0030]分类损失函数值计算单元，用于将所述融合单元获得的所述分类特征向量通过分类器以获得分类损失函数值；
[0031]平衡余量损失计算单元，用于计算所述正态化单元获得的所述正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量中每两个特征向量之间的频率间平衡余量损失以获得第一频率间平衡余量损失、第二频率间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种财务安全智能监控方法，其特征在于，包括：训练阶段，包括：获取月度与财务风险相关的指标数据集、季度与财务风险相关的指标数据集和年度与财务风险相关的指标数据集；分别将所述月度与财务风险相关的指标数据集、所述季度与财务风险相关的指标数据集和所述年度与财务风险相关的指标数据集通过包含嵌入层的上下文编码器以获得与所述月度与财务风险相关的指标数据集对应的多个第一特征向量、与所述季度与财务风险相关的指标数据集对应的多个第二特征向量和与所述年度与财务风险相关的指标数据集对应的多个第三特征向量；将所述多个第一特征向量进行级联以获得月特征向量，将所述多个第二特征向量进行级联以获得季特征向量，以及，将所述多个第三特征向量进行级联以获得年特征向量；分别对所述月特征向量、所述季特征向量和所述年特征向量中各个位置的特征值进行正态化处理以获得正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量；融合所述正态分布形式的月特征向量、所述正态分布形式的季特征向量和所述正态分布形式的年特征向量以获得分类特征向量；将所述分类特征向量通过分类器以获得分类损失函数值；计算所述正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量中每两个特征向量之间的频率间平衡余量损失以获得第一频率间平衡余量损失、第二频率间平衡余量损失和第三频率间平衡余量损失，所述每两个特征向量之间的频率间平衡余量损失为以两个特征向量之间的余弦距离减去两个特征向量之间的欧式距离之差为幂的自然指数函数值；计算所述第一频率间平衡余量损失、所述第二频率间平衡余量损失和所述第三频率间平衡余量损失之间的加权和作为频率间平衡余量损失函数值；以及以所述分类损失函数值和所述频率间平衡余量损失函数值之间的加权和作为损失函数值对所述上下文编码器进行训练；以及推断阶段，包括：获取月度与财务风险相关的指标数据集、季度与财务风险相关的指标数据集和年度与财务风险相关的指标数据集；分别将所述月度与财务风险相关的指标数据集、所述季度与财务风险相关的指标数据集和所述年度与财务风险相关的指标数据集通过包含嵌入层的上下文编码器以获得与所述月度与财务风险相关的指标数据集对应的多个第一特征向量、与所述季度与财务风险相关的指标数据集对应的多个第二特征向量和与所述年度与财务风险相关的指标数据集对应的多个第三特征向量；将所述多个第一特征向量进行级联以获得月特征向量，将所述多个第二特征向量进行级联以获得季特征向量，以及，将所述多个第三特征向量进行级联以获得年特征向量；分别对所述月特征向量、所述季特征向量和所述年特征向量中各个位置的特征值进行正态化处理以获得正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量；
融合所述正态分布形式的月特征向量、所述正态分布形式的季特征向量和所述正态分布形式的年特征向量以获得分类特征向量；将所述分类特征向量通过分类器以获得分类结果，所述分类结果为企业的财务风险是否超过预设标准。2.根据权利要求1所述的财务安全智能监控方法，其中，分别将所述月度与财务风险相关的指标数据集、所述季度与财务风险相关的指标数据集和所述年度与财务风险相关的指标数据集通过包含嵌入层的上下文编码器以获得与所述月度与财务风险相关的指标数据集对应的多个第一特征向量、与所述季度与财务风险相关的指标数据集对应的多个第二特征向量和与所述年度与财务风险相关的指标数据集对应的多个第三特征向量，包括：使用所述基于上下文的编码器模型的嵌入层将所述月度与财务风险相关的指标数据集转化为第一输入向量以获得第一输入向量的序列；使用所述基于上下文的编码器模型的转换器对所述第一输入向量的序列进行基于全局的上下文语义编码以获得与所述月度与财务风险相关的指标数据集对应的多个第一特征向量；使用所述基于上下文的编码器模型的嵌入层将所述季度与财务风险相关的指标数据集转化为第二输入向量以获得第二输入向量的序列；使用所述基于上下文的编码器模型的转换器对所述第二输入向量的序列进行基于全局的上下文语义编码以获得与所述季度与财务风险相关的指标数据集对应的多个第二特征向量；使用所述基于上下文的编码器模型的嵌入层将所述年度与财务风险相关的指标数据集转化为第三输入向量以获得第三输入向量的序列；使用所述基于上下文的编码器模型的转换器对所述第三输入向量的序列进行基于全局的上下文语义编码以获得与财务风险相关的指标数据集对应的多个第三特征向量。3.根据权利要求2所述的财务安全智能监控方法，其中，分别对所述月特征向量、所述季特征向量和所述年特征向量中各个位置的特征值进行正态化处理以获得正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量，包括：以如下公式分别对所述月特征向量、所述季特征向量和所述年特征向量中各个位置的特征值进行正态化处理以获得正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量；其中，所述公式为：4.根据权利要求3所述的财务安全智能监控方法，其中，融合所述正态分布形式的月特征向量、所述正态分布形式的季特征向量和所述正态分布形式的年特征向量以获得分类特征向量，包括：计算所述正态分布形式的月特征向量、所述正态分布形式的季特征向量和所述正态分布形式的年特征向量的按位置加权和以获得所述分类特征向量。5.根据权利要求4所述的财务安全智能监控方法，其中，将所述分类特征向量通过分类器以获得分类损失函数值，包括：
使用所述分类器以如下公式对所述分类特征向量进行处理以获得分类结果；其中，所述公式为：softmax{(W
n
,B
n
):
…
:(W1,B1)|X}，其中，W1到W
n
为权重矩阵，B1到B
n
为偏置向量，X为分类特征向量；以及计算所述分类结果与真实值之间的交叉熵值作为所述分类损失函数值。6.根据权利要求5所述的财务安全智能监控方法，其中，计算所述正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量中每两个特征向量之间的频率间平衡余量损失以获得第一频率间平衡余量损失、第二频率间平衡余量损失和第三频率间平衡余量损失，包括：以如下公式计算所述正态分布形式的月特征向量、正态分布形式的季特征向量和正态分布形式的年特征向量中每两个特征向量之间的频率间平衡余量损失以获得第一频率间平衡余量损失、第二频率间平衡余量损失和第三频率间平衡余量损失；其中，所述公式为：w
m
‑
q
＝exp[cos(V
month
,V
quarter
)
‑
d(V
month
,V
quarter
)]w
m<...

【专利技术属性】
技术研发人员：付植慧，贾茹芸，贠思静，安勇智，李向龙，杨蓉蓉，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：