本发明专利技术公开了一种基于知识感知路径算法的企业风险传导系统，其特征在于，包括知识图谱构建模块；知识图谱游走模块；裁减去重模块；风险圈生成模块；候选传导/被传导路径生成模块；路径组特征生成模块；知识感知路径算法模型。本发明专利技术聚焦于企业的股权、担保等多维关系，依托于知识图谱构建复杂网络，扩展传导范围到最大三层，以路径评分作为解决风险传导的算法思路，最大程度地保留路径数据的信息量，同时以深度AI算法作为核心算法，通过池化层解决多条路径汇总的问题，输出最有可能的一条传导路径，在应用层对企业提前风险分类，实现双向预警。警。警。
【技术实现步骤摘要】
一种基于知识感知路径算法的企业风险传导系统
[0001]本专利技术涉及一种企业风险预警系统，涉及企业风险预警领域、金融B端风控领域、AI算法领域以及计算机程序设计领域。
技术介绍
[0002]目前对企业风险传导进行提前预警和提示的主要手段是主要通过规则或者算法推断，其中规则的方法通过业务专家定义企业间的关联关系强度从而对潜在传导进行连线，算法推断则为定义一对存在潜在传导可能的企业，基于企业自身的经营数据形成风险标签，同时通过知识图谱构建企业关联关系的网络，进一步挖掘企业
‑
企业的关系标签，将自身标签和关系标签一起输入机器学习模型学习历史传导模式，推演出目标企业对的传导概率。
[0003]上述技术手段存在如下问题：
[0004]1)传导层数不足：大部分专家规则或者浅层算法仅考虑一层风险传导，最多两层传导，原因是直接的股权或担保关系结合关系的比例更加容易定义出关系强弱，而多层且多元的连接关系专家经验难以定义，对于浅层算法而言当层数超过1，企业间的关系特征将更加难以刻画，同时从知识图谱全局角度来讲，传导层数越大复杂程度越大，数据支撑的要求也越高，因此以往的风险传导方案层数都较浅。
[0005]2)预警方向单一：从预警应用层来看，现有的风险传导都是从已知的风险企业出发，预测周边有关联的企业是否被传导，而忽略了对于没有风险企业，周边是否有潜在的风险源和传导可能性的研究，原因是后者的复杂程度更高，风险企业更少，因此从风险企业出发需要在全图游走的次数远少于后者。
[0006]3)数据和算法适配程度低：目前的算法都是以浅层机器学习模型配合知识图谱人工特征工程输入，这种方式遗漏了大量传导路径的表征信息，包括节点的前后关系、关系的前后关系、多元关系的表征等等，现有算法的特征表征对实际路径信息进行了阉割，因此必不能完全刻画风险传导的模式，原因是由于再此之前还没有类似于路径打分算法在风险传导上的应用。
[0007]4)难以处理多路径汇总的情况：当企业A和企业B之间存在多种传导路径，每种路径的长度、关系类型都各不相同时，如何将这一组路径汇总得到综合的传导概率，这一问题不论现在的专家经验还是浅层算法都难以解决，多个路径的结果到底是带权重相加还是取最大都没有一个结论性的方案。
技术实现思路
[0008]本专利技术的目的是：解决现有对企业风险传导进行提前预警和提示的方法存在的传导层数不足、预警方向单一、数据和算法适配程度低以及难以处理多路径汇总的情况的问题。
[0009]为了达到上述目的，本专利技术的技术方案是提供了一种基于知识感知路径算法的企
业风险传导系统，其特征在于，包括：
[0010]知识图谱构建模块，用于基于企业相互之间的股权投资关联关系以及担保关联关系构建知识图谱，企业作为知识图谱中的节点，两个企业之间的股权投资关联关系以及担保关联关系构成了连接知识图谱中对应两个节点的边，基于投资和被投资关系以及担保和被担保关系区分相应边的方向；
[0011]知识图谱游走模块：以用户输入的企业名称为起点，实现在知识图谱上最大三层游走，从获得以用户输入的企业名称为起点的多条长度不固定的路径，其中：以用户输入的企业名称为起点先进行第一层游走，游走到一跳关联企业一；以一跳关联企业为起点进行第二层游走，游走到一跳关联企业一的一跳关联企业二；以一跳关联企业二为起点进行第三层游走，游走到一跳关联企业二的一跳关联企业三；
[0012]裁减去重模块：基于高风险企业定义高风险节点，利用高风险节点对知识图谱游走模块获得的所有路径进行过滤修减去重，删除与风险传导不相关以及冗余的路径；
[0013]风险圈生成模块：对裁减去重模块获得的所有路径通过连通图算法确定风险圈，再确定每个风险圈的风险中心，其中：
[0014]风险圈生成模块确定风险圈时：若两两路径存在至少一个相同的节点，风险圈生成模块就将两路径所有节点合并，直到两两路径之间不存在相同节点为止，得到候选风险圈；若该候选风险圈为由至少两个高风险节点形成的路径连通图时，或者候选风险圈不仅只有一个一个高风险节点时，候选风险圈为最终得到的风险圈；
[0015]风险圈生成模块计算风险中心时，将风险圈内的所有高风险节点作为候选节点，统计每个候选节点的一跳节点是高风险节点的数量，从中选出一跳节点是高风险节点的数量最多的候选节点作为风险中心；
[0016]候选传导/被传导路径生成模块：对每一个企业通过业务规则以及所属风险圈的风险中心从裁减去重模块获得的所有路径中筛选出候选传导/被传导路径；
[0017]路径组特征生成模块：将每个候选传导/被传导路径经过节点的节点特征和两两节点之间关系的关系特征拼接为特征拼接向量，具有同一个起始和终点的所有候选传导/被传导路径的特征拼接向量形成路径组特征；
[0018]知识感知路径算法模型，用于输入路径组特征后对每一条候选传导/被传导路径打分，并输出风险企业传导到非风险企业的汇总最终概率，基于一条候选传导/被传导路径的得分选出最有可能的一条路径。
[0019]优选地，所述知识图谱游走模块在游走过程中，节点不能回溯。
[0020]优选地，所述知识图谱游走模块在游走过程中，各跳关系允许股权投资关联关系或者担保关联关系，且不区分方向，并且允许从被投资企业游走到股东企业，也允许从股东企业游走到被投资企业。
[0021]优选地，在所述知识图谱游走模块中设置最小投资阈值对当前起点的一跳关联企业进行过滤，其中，进行第一层游走的最小投资阈值<进行第二层游走的最小投资阈值<进行第二层游走的最小投资阈值。
[0022]优选地，所述裁减去重模块包括裁减单元以及去重单元：
[0023]根据获得的高风险企业，在裁减单元中定义知识图谱中对应的高风险节点，则：
[0024]若路径中没有高风险节点，则裁减单元将整条路径删除；
[0025]若路径中存在高风险节点，则裁减单元保留路径中最后一个高风险节点后的一个连接节点，将该连接节点之后的其他节点删除；
[0026]基于担保关联关系，删除方向为从担保方到被担保方传导的路径；
[0027]去重单元，用于去除经过裁减单元处理后的重复的路径。
[0028]优选地，所述候选传导/被传导路径生成模块采用的业务规则包括：
[0029]路径方向为由高风险传导到非高风险；
[0030]只允许步进传导：一个距离大于2的关联节点如果要被传导，则路径上中间间隔的节点必须也是高风险节点；
[0031]只允许以风险中心作为起点进行传导。
[0032]本专利技术聚焦于企业的股权、担保等多维关系，依托于知识图谱构建复杂网络，扩展传导范围到最大三层，以路径评分作为解决风险传导的算法思路，最大程度地保留路径数据的信息量，同时以深度AI算法(感知路径网络，KPRN)作为核心算法，通过池化层解决多条路径汇总的问题，输出最有可能的一条传导路径，在应用层对企业提前风险分类，实现双向预警本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于知识感知路径算法的企业风险传导系统，其特征在于，包括：知识图谱构建模块，用于基于企业相互之间的股权投资关联关系以及担保关联关系构建知识图谱，企业作为知识图谱中的节点，两个企业之间的股权投资关联关系以及担保关联关系构成了连接知识图谱中对应两个节点的边，基于投资和被投资关系以及担保和被担保关系区分相应边的方向；知识图谱游走模块：以用户输入的企业名称为起点，实现在知识图谱上最大三层游走，从获得以用户输入的企业名称为起点的多条长度不固定的路径，其中：以用户输入的企业名称为起点先进行第一层游走，游走到一跳关联企业一；以一跳关联企业为起点进行第二层游走，游走到一跳关联企业一的一跳关联企业二；以一跳关联企业二为起点进行第三层游走，游走到一跳关联企业二的一跳关联企业三；裁减去重模块：基于高风险企业定义高风险节点，利用高风险节点对知识图谱游走模块获得的所有路径进行过滤修减去重，删除与风险传导不相关以及冗余的路径；风险圈生成模块：对裁减去重模块获得的所有路径通过连通图算法确定风险圈，再确定每个风险圈的风险中心，其中：风险圈生成模块确定风险圈时：若两两路径存在至少一个相同的节点，风险圈生成模块就将两路径所有节点合并，直到两两路径之间不存在相同节点为止，得到候选风险圈；若该候选风险圈为由至少两个高风险节点形成的路径连通图时，或者候选风险圈不仅只有一个一个高风险节点时，候选风险圈为最终得到的风险圈；风险圈生成模块计算风险中心时，将风险圈内的所有高风险节点作为候选节点，统计每个候选节点的一跳节点是高风险节点的数量，从中选出一跳节点是高风险节点的数量最多的候选节点作为风险中心；候选传导/被传导路径生成模块：对每一个企业通过业务规则以及所属风险圈的风险中心从裁减去重模块获得的所有路径中筛选出候选传导/被传导路径；路径组特征生成模块：将每个候选传导/被传导路径经过节点的节点特征和两两节点之间关系的关系特征拼接为特征拼接向量，具有同一个起始和终点的所有...
【专利技术属性】
技术研发人员：耿鹏，于海军，严晨，阮阳，陈家树，肖祖鹏，
申请(专利权)人：上海安硕企业征信服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。