基于HKTGNN的产业链风险评估与预测模型、方法及介质技术

本发明专利技术公开了一种基于HKTGNN的产业链风险评估与预测模型，包括数据获取模块、预处理模块、图嵌入编码器GEE模块、基于中心性的跨域自适应特征补充器CCAFC模块、基于中心性的域自适应消息传递DCAMP模块和域可转移分类器DTC模块。本发明专利技术还提供该产业链风险评估与预测方法。本发明专利技术通过基于层次结构的分层处理，将传统构建的有向异构图转换为图规模更小的产品网络同质有向图，减少了单个图的计算时间和内存消耗，有效地节约了计算资源；并通过特征嵌入和特征补充，提高了模型的性能。同时，基于领域差异特征补充和消息传递的中心性，解决了数据饥饿问题。

【技术实现步骤摘要】

本专利技术涉及产业链图数据挖掘，具体地讲，是涉及一种基于分层知识可转移图神经网络hktgnn的产业链风险评估与预测模型、方法及介质。

技术介绍

1、产业链的复杂性随着公司数量的日益增加，这给评估产业链风险带来了问题。这些问题伴随着传统企业流程和供应连接的数字革命。投资者和供应商已经认识到这些问题可能会提供未来的竞争优势。除了基于图论和复杂的早期方法之外，近年来还提出了机器学习方法来完成链接预测或聚类不同的标签网络来构建产业链风险评估模型。这些方法在使用知识图(kg)或图神经网络(gnn)进行知识推理的学者中越来越受欢迎。

2、由于产业链的监管主体包括个人和供应商，产业链的复杂性和供应商特定的市场目标使得他们不愿披露全部数据。因此，通常的数据收集方法会产生部分图形信息。机器学习领域的现有工作主要集中在链接预测上以克服这些困难。除了使用基于拓扑的框架、知识图和图神经网络进行链接预测之外，brintrup等人于2022年提出了“数字产业链风险监控”(dscrs)框架。这些方法利用机器学习来挖掘数据，提高产业链数据可见性，并使相关专业人员能够从产业链中本文档来自技高网...

【技术保护点】

1.一种基于HKTGNN的产业链风险评估与预测模型，其特征在于，包括：

2.根据权利要求1所述的基于HKTGNN的产业链风险评估与预测模型，其特征在于，所述完备节点为具有完整产业链数据的节点，有偏节点为产业链数据有缺失的节点。

3.根据权利要求1所述的基于HKTGNN的产业链风险评估与预测模型，其特征在于，所述产品网络同质有向图中每个节点为一个携带有特征信息的单一产品网络图，每条边为一个产品到产品的链接。

4.根据权利要求3所述的基于HKTGNN的产业链风险评估与预测模型，其特征在于，所述图嵌入编码器GEE模块利用图表示学习方法将每种产品的单一产品网络...

【技术特征摘要】

1.一种基于hktgnn的产业链风险评估与预测模型，其特征在于，包括：

2.根据权利要求1所述的基于hktgnn的产业链风险评估与预测模型，其特征在于，所述完备节点为具有完整产业链数据的节点，有偏节点为产业链数据有缺失的节点。

3.根据权利要求1所述的基于hktgnn的产业链风险评估与预测模型，其特征在于，所述产品网络同质有向图中每个节点为一个携带有特征信息的单一产品网络图，每条边为一个产品到产品的链接。

4.根据权利要求3所述的基于hktgnn的产业链风险评估与预测模型，其特征在于，所述图嵌入编码器gee模块利用图表示学习方法将每种产品的单一产品网络图及其携带的特征信息嵌入到产品网络同质有向图中的过程为：

5.根据权利要求4所述的基于hktgnn的产业链风险评估与预测模型，其特征在于，所述图cb-graph表示为

6.根据权利要求5所述的基于hktgnn的产业链风险评估与预测模型，其特征在于，所述基...

【专利技术属性】
技术研发人员：王瑞锦，李冬芬，周展霆，张凤荔，石冀敏，阳超，罗若慧，周世杰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：