一种农产品供应链信用风险识别与演化预测方法技术

本发明专利技术公开了一种农产品供应链信用风险识别与演化预测方法，属于供应链信用风险预测技术领域；方法包括如下步骤：对农产品供应链中节点的连续时间动态关系进行建模；建立异步传输连续时空感知图神经网络模型；训练模型，并基于模型生产预测，给出节点信用风险等级评估及未来演化方向。通过构建连续时间动态农产品供应链关系图，并采用连续时空感知图神经网络，可以更全面提取企业领域的信息，进行更好的信用风险及其演化分析，为企业形成对最终决策提供参考，较传统决策方法更全面，可行度更高。高。高。

【技术实现步骤摘要】
一种农产品供应链信用风险识别与演化预测方法


[0001]本专利技术涉及供应链信用风险预测
，更具体地说，涉及到一种农产品供应链信用风险识别与演化预测方法。

技术介绍

[0002]在物联网环境下，农产品供应链存在一定的信用风险，探索供应链关系有助于对中小企业进行综合建模，是对农产品供应链进行风险管理的第一步。在进行具体风险预测时，往往要利用一些专业技术，以确保能够高效且尽可能完整地预测风险。
[0003]农产品供应链是一个复杂、多层级结构系统，传统的农产品供应链风险预测的技术仅考虑某一时间点，或通过将不同时间点作为图构建离散时间动态图，不仅无法体现完整的有效交互关系，且难以解决解决交互关系会随时间变化而失效的问题。因此，考虑到农产品供应链实时多变性，本专利技术基于连续时间动态图的表示方法，节点之间通过时间标签的顺序来进行交互，两个节点在不同的时间可以进行多重互动，能够为企业提供更加精准有效的决策。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种适用农产品供应链、能够持续学习、提供可信度更高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农产品供应链信用风险识别与演化预测方法，其特征在于，包括以下步骤：S1、对农产品供应链中节点的连续时间动态关系进行建模；所述连续时间动态关系建模，通过聚合交互动作所触发的时序子图，对节点时序状态进行建模；S2、建立异步传输连续时空感知图神经网络模型；所述异步传输连续时空感知图神经网络模型，包括基于注意力机制的编码器、基于时间点过程的解码器和异步报文传输模块；所述基于注意力机制的编码器，根据交互关系的细节、历史嵌入和异步报文数据生成并更新节点嵌入；所述基于时间点过程的解码器，根据所述编码器生成的节点嵌入，计算交互关系发生概率，预测交互关系及其演化方向；所述异步报文传输模块，在节点发生交互时生成一个数据报文，并在采样子图中广播所述数据报文，通过异步传输报文，减少模块计算时间；S3、训练模型，并基于模型生产预测，给出节点信用风险等级评估及未来演化方向。2.根据权利要求1所述的一种农产品供应链信用风险识别与演化预测方法，其特征在于，所述步骤S1的具体过程如下：S1
‑
1、获取供应链中节点的信息数据：农产品供应链中节点为企业，通过爬取农产品企业和负责人数据构建供应链动态图谱；S1
‑
2、信息数据处理：所述农产品企业和负责人数据主要包括格式化和非格式化，格式化属性包括注册资金员工人数，非格式化属性包括公司简介，法律诉讼和业务经营范围；S1
‑
3、根据预训练模型生成属性数据嵌入：对于非结构化属性采用词序列W＝{w
i
|i＝1,...,n}，利用word2vec将序列中的每个单词w
i
转换为一个预先训练的单词嵌入向量；S1
‑
4、农产品供应链连续时间动态图谱建模；S1
‑
5、基于连续时间供应链动态图的信用风险预测。3.根据权利要求2所述的一种农产品供应链信用风险识别与演化预测方法，其特征在于，所述步骤S1
‑
4的具体过程如下：所述供应链动态图谱，是一种连续时间动态图，即CTDC：所述连续时间动态图是基于大量的时间交互g
T
＝(v,e
T
,x
T
,t∈1,...,T)所构建的；其中，T是一个观察周期，交互关系矩阵v}包括CTDG中的所有连续时间T中所有的交互关系，e
ij
表示节点v
i
在t时间与节点v
j
发生交互，n是交互关系的数量，d是关系特征维度；进一步，连续时间农产品供应链动态图表示为每个观察周期T都会相互重合，构成连续的时间动态图；给定一个CTDG表示为交互事件序列g
T
＝(v,e
T
,x
T
,t∈1,...,T)，目标是学习一个函数其中代表节点v动态图嵌入；
所述步骤S1
‑
5的具体过程如下：给定时间供应链图G
T
和一组标记的供应链企业作为训练集D
dp
＝{(e
ij
,)}，这里y＝1表示有风险，否则y＝0，基于供应链图的信用风险预测的目标是预测中小企业的未来发生信用违约的概率，定义如下：4.根据权利要求1所述的一种农产品供应链信用风险识别与演化预测方法，其特征在于，步骤S2中异步传输连续时空感知图神经网络企业信用风险识别与演化预测模型，通过基于注意力机制的编码器生成节点时序嵌入当有交互关系发生时，异步报文传输模块将信息广播到邻居，更新节点嵌入，基于时间点过程的解码器根据所述节点嵌入计算损失函数或进行下游预测，所述模型预测当前信用风险的同时，对未来风险演化进行预测。5.根据权利要求1或4所述的一种农产品供应链信用风险识别与演化预测方法，其特征在于，基于注意力机制的编码器利用经典的注意力架构生产节点嵌入，并更新到最后的嵌入z(t)和报文P(t)中，z(t)表示节点上次参与互动时的状态；报文接收器P记录邻居过去参与互动的详细信息，通过这种方式编码器实现对时空邻居信息的聚合，以更新其节点嵌入；具体地，编码器由三个部分组成：位置编码、多头注意力和标准化层；所述位置编码考虑到接收的报文的到达顺序，利用位置编码器对每一封报文进行位置编码L(t)，设定节点存储报文的最大数量K
max
；对于节点报文接收器将位置...

【专利技术属性】
技术研发人员：王超，许文俊，吴莺语，夏雨婷，何进，项初雷，辜丽川，焦俊，邹能锋，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：