基于卷积神经网络的核心企业与供应商合作关系预测方法技术

本发明专利技术涉及合作关系预测领域，公开了一种基于卷积神经网络的核心企业与供应商合作关系预测方法，包括：标签定义步骤，对历史数据进行标签；学习步骤，对历史数据中不同行业在未来一定时间内供应商与核心企业终止合作的概率进行预测，并完成学习；数据构造步骤，将一维的时序数据转化为能作为CNN输入的图片数据；卷积处理步骤，将所述图片数据输入CNN模型，并进行卷积处理；全连接处理步骤，将处理后的时序数据与非时序数据一同输入到神经网络中的全连接层进行处理；结果输出步骤，输出核心企业与供应商终止合作的概率的预测结果。本申请能够对未来某一段时间内核心企业与供应商终止合作概率进行预测。止合作概率进行预测。止合作概率进行预测。

【技术实现步骤摘要】
基于卷积神经网络的核心企业与供应商合作关系预测方法


[0001]本专利技术涉及合作关系预测领域，具体涉及一种基于卷积神经网络的核心企业与供应商合作关系预测方法。

技术介绍

[0002]供应商指为核心企业提供原材料的上游企业，供应链金融中有一种类型的金融产品是供货贷，是为供应商提供的金融服务，这种信用贷款的主要准入条件和授信逻辑主要依赖于供应商和核心企业的合作深度和规模。一方面，供应商主要营业收入来源于核心企业，当未来核心企业与供应商停止合作，会直接导致核心企业还款能力下降，造成坏账；另一方面，核心企业后续没有和供应商的交互数据，贷中管理欠缺，难以继续把控风险。因此，对未来一定时间内核心企业与供应商是否终止合作进行预测尤其重要。
[0003]针对上述问题，现有技术中有以下几种解决方法：一是通过核心企业进货、销售、库存等原始流水数据及供应商企业的财务报表等，依托丰富的领域专家经验进行预判；其缺点是非常耗时，预测准确性波动较大，拥有丰富经验的人较为稀缺，且带有一定的主观性。二是基于与核心企业交互的原始数据，衍生关键指标，按时间周期制成报表，每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于卷积神经网络的核心企业与供应商合作关系预测方法，其特征在于，包括：标签定义步骤，对历史数据进行标签，所述标签包括终止合作标签和未终止合作标签；学习步骤，对历史数据中不同行业在未来一定时间内供应商与核心企业终止合作的概率进行预测，得到历史预测结果，并完成学习；样本构造步骤，将某一日期的供应商以及对应的核心企业构造为一个样本点；样本分群步骤，将构造好的样本点按照行业进行切分，得到样本群，对样本群分别进行建模；数据构造步骤，将一维的时序数据转化为能作为CNN输入的图片数据；卷积处理步骤，将所述图片数据输入CNN模型，并进行卷积处理；全连接处理步骤，将处理后的时序数据与非时序数据一同输入到神经网络中的全连接层进行处理；结果输出步骤，输出核心企业与供应商终止合作的概率的预测结果。2.根据权利要求1所述的基于卷积神经网络的核心企业与供应商合作关系预测方法，其特征在于，所述数据构造步骤包括：数据标准化步骤，将时序数据按自然月汇总为月度数据，对非时序数据进行清洗得到标准化数据格式；时序数据构造步骤，将一维的时序数据按时间顺序排序整理成36行*1列排列的数据；将36行*1列排列的数据转化为12行*3列的二维表格数据，每一列为12个月，按照时间先后顺序从上到下依次排列，将二维的表格数据归...

【专利技术属性】
技术研发人员：张焯，
申请(专利权)人：重庆富民银行股份有限公司，
类型：发明
国别省市：