一种基于多维关系图的抗风险企业决策的优化方法和装置制造方法及图纸

本申请实施例公开了一种基于多维关系图的抗风险企业决策的优化方法和装置，其方法包括：基于融合后的企业关系特征和优化后的图注意力网络构建用于优化企业决策的决策优化框架，决策优化框架包括用于表征状态的状态因子、用于表征动作的动作因子和用于表征奖励的奖励因子；以及基于融合后的企业关系特征、状态因子、动作因子和奖励因子，采用策略梯度更新策略网络参数，对策略网络的决策性能进行优化，得到优化后的策略网络，以基于优化后的策略网络生成包括多个目标企业的优选决策的决策数据。策数据。策数据。

【技术实现步骤摘要】
一种基于多维关系图的抗风险企业决策的优化方法和装置


[0001]本专利技术涉及机器学习
，具体涉及一种基于多维关系图的抗风险企业决策的优化方法和装置。

技术介绍

[0002]在现代经济中，企业之间的关系变得越来越紧密，不仅涉及到财务资本，还包括销售、市场等多个方面。如何准确提取企业之间的关系特征，并利用这些特征进行智能决策，成为企业经营管理领域的重要研究课题。
[0003]目前，企业经营管理面临着复杂的市场环境和竞争压力，需要通过智能决策来提高经营效益和降低风险。然而，传统的决策方法存在着许多不足，如依赖人工经验判断、缺乏数据支持、决策结果不确定等问题，无法满足现代企业快速决策的需求。
[0004]因此，如何改善传统的决策方法无法快速且自动地生成企业决策的缺陷，是待解决的技术问题。

技术实现思路

[0005]基于此，有必要针对现有的技术无法快速且自动地生成企业决策的问题，提供一种基于多维关系图的抗风险企业决策的优化方法、装置、存储介质、电子设备和计算机程序产品。
[0006]第一方面，本申请实施例提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维关系图的抗风险企业决策的优化方法，包括：构建目标企业的多维度企业关系图，所述多维度企业关系图至少包括与目标企业的资本相关的第一企业关系图、与目标企业的销售相关的第二企业关系图和与目标企业的市场相关的第三企业关系图；基于初始图注意力网络，分别对所述第一企业关系图、所述第二企业关系图和所述第三企业关系图进行特征提取、特征拼接和特征融合，得到融合后的企业关系特征；基于所述融合后的企业关系特征和真实的企业关系特征标注，通过预设优化器，对所述初始图注意力网络进行优化，得到对应的优化后的图注意力网络；基于所述融合后的企业关系特征和所述优化后的图注意力网络构建用于优化企业决策的决策优化框架，所述决策优化框架包括用于表征状态的状态因子、用于表征动作的动作因子和用于表征奖励的奖励因子；基于所述融合后的企业关系特征、所述状态因子、所述动作因子和所述奖励因子，采用策略梯度更新策略网络参数，对策略网络的决策性能进行优化，得到优化后的策略网络，以基于所述优化后的策略网络生成包括多个目标企业的优选决策的决策数据。2.根据权利要求1所述的优化方法，其中，所述基于所述融合后的企业关系特征、所述状态因子、所述动作因子和所述奖励因子，采用策略梯度更新策略网络参数，对策略网络的决策性能进行优化，得到优化后的策略网络，包括：获取动作概率分布向量和状态价值；基于所述动作概率分布向量采样获取动作策略，执行动作并计算对应的奖励值；获取所述奖励值和估值网络的估计值，并根据所述奖励值和所述估计值计算并得到策略梯度；迭代基于所述策略梯度，采用梯度上升算法最大化策略梯度值，并更新策略网络参数的过程，在每次执行确定的当前动作之前，使用优化后的图注意力网络来提取当前状态对应的关系特征，并根据当前状态的关系特征来选择对应的动作，以对所述策略网络的所述决策性能进行优化，直至得到所述优化后的策略网络。3.根据权利要求2所述的优化方法，其中，所述获取动作概率分布向量和状态价值，包括：通过多层感知机，对策略网络和所述估值网络进行初始化，并以所述融合后的企业关系特征作为输入，依次输出并获取动作概率分布向量和状态价值，所述策略网络为包含2层神经网络的多层感知器，所述策略网络中的策略网络神经元的个数分别为64和n，n为目标企业的决策数量；所述估值网络为包含2层神经网络的多层感知器，动作概率分布向量的维度为n，状态价值的维度为1。4.根据权利要求1所述的优化方法，其中，所述基于所述融合后的企业关系特征和所述优化后的图注意力网络构建用于优化企业决策的决策优化框架，包括：将所述融合后的企业关系特征作为用于表征状态的所述状态因子；将目标企业的不同决策分为多个离散的动作类别，并基于每个状态以及对应状态的状态特征，从所述多个离散的动作类别中确定一个动作进行执行，并作为当前动作；针对当前动作，基于预设的奖励值计算模型，得到对应的奖励值，所述预设的奖励值计算模型包括：将高收益且低风险对应的奖励值设置为1，将低收益且高风险对应的奖励值设
置为
‑
1。5.根据权利要求1所述的优化方法，其中，所述基于初始图注意力网络，分别对所述第一企业关系图、所述第二企业关系图和所述第三企业关系图进行特征提取、特征拼接和特征融合，得到融合后的企业关系特征，包括：基于初始图注意力网络，分别对所述第一企业关系图、所述第二企业关系图和所述第三企业关系图进行特征提取，依次得到对应的资本关系特征、销售关系特征和市场关系特征，所述初始图注意力网络包含三个图卷积层，节点嵌入维度为64，激活函数为ReLU；将所...

【专利技术属性】
技术研发人员：胡为民，
申请(专利权)人：深圳市迪博企业风险管理技术有限公司，
类型：发明
国别省市：