一种基于神经网络的企业风险分析预测方法、系统及介质技术方案

本申请实施例提供了一种基于神经网络的企业风险分析预测方法、系统及介质，该方法包括：通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型；获取企业文本数据，将企业文本数据进行预处理，抽取企业实体关系数据；将企业实体关系数据输入风控模型，得到企业风险评估信息；将企业风险评估信息与预设的评估信息进行比较，判断偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则根据风险预警信息对企业风险进行预测；通过风控模型对企业文本数据进行实体关系抽取，并实现企业风险智能评估，当企业评估信息出现较大的偏差时，说明企业出现异常风险数据，根据异常风险数据对企业经营风险进行预测，提高企业风险分析的精度。业风险分析的精度。业风险分析的精度。

【技术实现步骤摘要】
一种基于神经网络的企业风险分析预测方法、系统及介质


[0001]本申请涉及企业风险分析领域，具体而言，涉及一种基于神经网络的企业风险分析预测方法、系统及介质。

技术介绍

[0002]随着企业向数字经济转型，很多企业面临着产业结构调整和数字化转型的挑战，在这一过程中，可能会存在潜在的风险，企业在生产经营过程中也可能会出现一些问题，导致企业有不同程度风险的发生。不同类型的风险对企业的影响程度不同，但都有可能给企业造成不同程度的损失在企业风险评估方法方面，初步的企业风险评估方法主要采用专家判定法，依据专家的个人经验判定企业的风险状况，但该方法主观性较强且依赖于专家经验、准确率不高，针对上述问题，目前亟待有效的技术解决方案。

技术实现思路

[0003]本申请实施例的目的在于提供一种基于神经网络的企业风险分析预测方法、系统及介质，可以通过风控模型对企业文本数据进行实体关系抽取，并实现企业风险智能评估，当企业评估信息出现较大的偏差时，说明企业出现异常风险数据，根据异常风险数据对企业经营风险进行预测，提高企业风险分析的精度。
[0004]本申请实施例还提供了一种基于神经网络的企业风险分析预测方法，包括：通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型；获取企业文本数据，将企业文本数据进行预处理，抽取企业实体关系数据；将企业实体关系数据输入风控模型，得到企业风险评估信息；将企业风险评估信息与预设的评估信息进行比较，得到偏差率；判断所述偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成风险预警信息，根据风险预警信息对企业风险进行预测；若小于，则将企业风险评估信息传输至终端。
[0005]可选地，在本申请实施例所述的基于神经网络的企业风险分析预测方法中，所述通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型，具体为：通过网络数据库建立爬取队列，并生成数据爬取顺序，生成初始网页链接；根据初始网页链接读取与访问初始网页，并提取网页中的数据元素；根据数据元素提取网页特征，将网页特征与预设的特征进行相似度计算；若相似度大于或等于预设的相似度阈值，则生成企业数据；若小于，则将爬取队列中的下一个网页链接进行调用，并提取网页中的数据进行分析。
[0006]可选地，在本申请实施例所述的基于神经网络的企业风险分析预测方法中，所述根据初始网页链接读取与访问初始网页，并提取网页中的数据元素，具体为：获取初始网络链接，建立爬取参数；
获取实时爬取状态信息，将实时爬取状态信息与预设爬取状态信息进行比较，得到爬取偏差率；判断所述爬取偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成爬取调整信息，根据爬取调整信息对爬取参数进行实时调整；若小于，则根据当前爬取参数读取与访问初始网页，并提取网页中的数据元素。
[0007]可选地，在本申请实施例所述的基于神经网络的企业风险分析预测方法中，所述获取企业文本数据，将企业文本数据进行预处理，抽取企业实体关系数据，具体为：获取企业文本数据，将经预处理后的文本数据与实体词典进行匹配并对文本数据进行标注；将标注好的文本数据和预处理的企业文本数据转换为向量进行拼接；对拼接向量进行学习提取企业文本数据的语义特征；根据语义特征进行实体关系抽取生成企业实体关系数据。
[0008]可选地，在本申请实施例所述的基于神经网络的企业风险分析预测方法中，所述根据语义特征进行实体关系抽取生成企业实体关系数据之后，还包括：获取企业实体关系数据，根据企业实体关系数据生成词向量；使用卷积神经网络捕获词向量构建的句子局部信息；根据句子局部信息提取数据语义特征，并根据数据语义特征进行数据关系抽取，得到企业风险数据；根据企业风险数据生成风险评价信息；根据风险评价信息对企业风险进行等级划分。
[0009]可选地，在本申请实施例所述的基于神经网络的企业风险分析预测方法中，所述根据企业风险数据生成风险评价信息，根据风险评价信息对企业风险进行等级划分；具体为：获取风险评价信息，将风险评价信息与预设的评价信息进行比较，得到评价值；将所述评价值与企业风险等级的多个标准等级范围进行比较；根据评价值计算企业风险等级；将企业风险等级与预设的等级进行比较；判断所述风险等级是否大于或等于预设的等级；若大于或等于，则生成企业预警信息，根据企业预警信息生成企业风险数据；若小于，则将企业风险评价信息进行实时监控。
[0010]第二方面，本申请实施例提供了一种基于神经网络的企业风险分析预测系统，该系统包括：存储器及处理器，所述存储器中包括基于神经网络的企业风险分析预测方法的程序，所述基于神经网络的企业风险分析预测方法的程序被所述处理器执行时实现以下步骤：通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型；获取企业文本数据，将企业文本数据进行预处理，抽取企业实体关系数据；将企业实体关系数据输入风控模型，得到企业风险评估信息；将企业风险评估信息与预设的评估信息进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成风险预警信息，根据风险预警信息对企业风险进行预测；若小于，则将企业风险评估信息传输至终端。
[0011]可选地，在本申请实施例所述的基于神经网络的企业风险分析预测系统中，所述通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型，具体为：通过网络数据库建立爬取队列，并生成数据爬取顺序，生成初始网页链接；根据初始网页链接读取与访问初始网页，并提取网页中的数据元素；根据数据元素提取网页特征，将网页特征与预设的特征进行相似度计算；若相似度大于或等于预设的相似度阈值，则生成企业数据；若小于，则将爬取队列中的下一个网页链接进行调用，并提取网页中的数据进行分析。
[0012]可选地，在本申请实施例所述的基于神经网络的企业风险分析预测系统中，所述根据初始网页链接读取与访问初始网页，并提取网页中的数据元素，具体为：获取初始网络链接，建立爬取参数；获取实时爬取状态信息，将实时爬取状态信息与预设爬取状态信息进行比较，得到爬取偏差率；判断所述爬取偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成爬取调整信息，根据爬取调整信息对爬取参数进行实时调整；若小于，则根据当前爬取参数读取与访问初始网页，并提取网页中的数据元素。
[0013]第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于神经网络的企业风险分析预测方法程序，所述基于神经网络的企业风险分析预测方法程序被处理器执行时，实现如上述任一项所述的基于神经网络的企业风险分析预测方法的步骤。
[0014]由上可知，本申请实施例提供的一种基于神经网络的企业风险分析预测方法、系统及介质，通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型；获取企业文本数据，将企业文本数据进行预处理，抽取企业实体关系数据；将企业实体关系数据输入风控模型，得到企业风险评估信息；将企业风险评估信息与预设的评估信息进行比较，得到偏差率；判断本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的企业风险分析预测方法，其特征在于，包括：通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型；获取企业文本数据，将企业文本数据进行预处理，抽取企业实体关系数据；将企业实体关系数据输入风控模型，得到企业风险评估信息；将企业风险评估信息与预设的评估信息进行比较，得到偏差率；判断所述偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成风险预警信息，根据风险预警信息对企业风险进行预测；若小于，则将企业风险评估信息传输至终端。2.根据权利要求1所述的基于神经网络的企业风险分析预测方法，其特征在于，所述通过网络爬虫技术爬取大量数据，并输入初始模型进行训练，生成风控模型，具体为：通过网络数据库建立爬取队列，并生成数据爬取顺序，生成初始网页链接；根据初始网页链接读取与访问初始网页，并提取网页中的数据元素；根据数据元素提取网页特征，将网页特征与预设的特征进行相似度计算；若相似度大于或等于预设的相似度阈值，则生成企业数据；若小于，则将爬取队列中的下一个网页链接进行调用，并提取网页中的数据进行分析。3.根据权利要求2所述的基于神经网络的企业风险分析预测方法，其特征在于，所述根据初始网页链接读取与访问初始网页，并提取网页中的数据元素，具体为：获取初始网络链接，建立爬取参数；获取实时爬取状态信息，将实时爬取状态信息与预设爬取状态信息进行比较，得到爬取偏差率；判断所述爬取偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成爬取调整信息，根据爬取调整信息对爬取参数进行实时调整；若小于，则根据当前爬取参数读取与访问初始网页，并提取网页中的数据元素。4.根据权利要求3所述的基于神经网络的企业风险分析预测方法，其特征在于，所述获取企业文本数据，将企业文本数据进行预处理，抽取企业实体关系数据，具体为：获取企业文本数据，将经预处理后的文本数据与实体词典进行匹配并对文本数据进行标注；将标注好的文本数据和预处理的企业文本数据转换为向量进行拼接；对拼接向量进行学习提取企业文本数据的语义特征；根据语义特征进行实体关系抽取生成企业实体关系数据。5.根据权利要求4所述的基于神经网络的企业风险分析预测方法，其特征在于，所述根据语义特征进行实体关系抽取生成企业实体关系数据之后，还包括：获取企业实体关系数据，根据企业实体关系数据生成词向量；使用卷积神经网络捕获词向量构建的句子局部信息；根据句子局部信息提取数据语义特征，并根据数据语义特征进行数据关系抽取，得到企业风险数据；根据企业风险数据生成风险评价信息；根据风险评价信息对企业风险进行等级划分。6.根据权利要求5所述的基于神经网络的企业风险分析预测方法，其特征在于...

【专利技术属性】
技术研发人员：张广志，成立立，于笑博，刘增礼，
申请(专利权)人：北京融信数联科技有限公司，
类型：发明
国别省市：