System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于知识图谱的估值方法、装置、电子设备及存储介质制造方法及图纸_技高网

基于知识图谱的估值方法、装置、电子设备及存储介质制造方法及图纸

技术编号:40508548 阅读:4 留言:0更新日期:2024-03-01 13:23
本发明专利技术公开了一种基于知识图谱的估值方法、装置、电子设备及存储介质。该方法包括:基于预先训练的特征提取模型对与待估值企业相对应的估值数据进行处理,得到第一特征向量;基于预先训练的卷积网络模型对与待估值企业相对应的待更新知识图谱进行处理,得到目标知识图谱;基于目标知识图谱中的实体向量,确定与待估值企业相对应的第二特征向量;基于第一特征向量和第二特征向量,确定与待估值企业相对应的估值属性。解决了现有技术中人工处理企业数据进行估值,存在估值准确性差、可靠性低的问题,实现了提高估值全面性、准确性和可靠性的技术效果。

【技术实现步骤摘要】

本专利技术涉及计算机处理,尤其涉及一种基于知识图谱的估值方法、装置、电子设备及存储介质


技术介绍

1、企业估值是指着眼于企业本身,对企业的内在价值进行评估。对企业的准确估值有利于对企业价值进行正确评价,能够帮助投资者、分析师和管理人员等评估企业的价值和潜在投资回报。

2、目前的企业估值方法主要采用的是通过人工依据企业数据进行判断的方式。这种方式需要基于人工计算,且不同的计算方法需要获取不同的数据,对其专业知识要求较高,存在数据处理困难,估值准确性差的问题。


技术实现思路

1、本专利技术提供了一种基于知识图谱的估值方法、装置、电子设备及存储介质,以实现达到提高估值全面性、准确性和可靠性的技术效果。

2、根据本专利技术的一方面,提供了一种基于知识图谱的估值方法,该方法包括:

3、基于预先训练的特征提取模型对与待估值企业相对应的估值数据进行处理,得到第一特征向量;

4、基于预先训练的卷积网络模型对与所述待估值企业相对应的待更新知识图谱进行处理,得到目标知识图谱;其中,所述知识图谱中包括多个实体、实体间的关系、与所述实体相对应的实体向量以及与所述关系相对应的关系向量;所述实体表征企业,实体间的关系表征企业间的关系;

5、基于所述目标知识图谱中的实体向量,确定与所述待估值企业相对应的第二特征向量;

6、基于所述第一特征向量和所述第二特征向量,确定与所述待估值企业相对应的估值属性。

7、根据本专利技术的另一方面,提供了一种基于知识图谱的估值装置,该装置包括:

8、第一特征向量确定模块,用于基于预先训练的特征提取模型对与待估值企业相对应的估值数据进行处理,得到第一特征向量;

9、目标知识图谱确定模块,用于基于预先训练的卷积网络模型对与所述待估值企业相对应的待更新知识图谱进行处理,得到目标知识图谱;其中,所述知识图谱中包括多个实体、实体间的关系、与所述实体相对应的实体向量以及与所述关系相对应的关系向量;所述实体表征企业,实体间的关系表征企业间的关系;

10、第二特征向量确定模块,用于基于所述目标知识图谱中的实体向量,确定与所述待估值企业相对应的第二特征向量;

11、估值属性确定模块,用于基于所述第一特征向量和所述第二特征向量,确定与所述待估值企业相对应的估值属性。

12、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:

13、至少一个处理器;以及

14、与所述至少一个处理器通信连接的存储器;其中,

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的基于知识图谱的估值方法。

16、根据本专利技术的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的基于知识图谱的估值方法。

17、本专利技术实施例的技术方案,通过基于预先训练的特征提取模型对与待估值企业相对应的估值数据进行处理,得到第一特征向量;基于预先训练的卷积网络模型对与待估值企业相对应的待更新知识图谱进行处理,得到目标知识图谱;知识图谱中包括多个实体、实体间的关系、与实体相对应的实体向量以及与关系相对应的关系向量;实体表征企业,实体间的关系表征企业间的关系;基于目标知识图谱中的实体向量,确定与待估值企业相对应的第二特征向量;基于第一特征向量和第二特征向量,确定与待估值企业相对应的估值属性,解决了现有技术中人工处理企业数据进行估值,存在估值准确性差、可靠性低的问题,实现了通过利用特征提取模型捕捉待估值企业内部特征,得到第一特征向量,利用卷积网络模型对待估值企业的待更新知识图谱中的实体和关系信息进行处理,使得实体的向量融合企业间的关系特征,捕捉待估值企业与外部企业间的关系,通过包含企业内部特征的第一特征向量以及包含企业外部特征的第二特征向量为估值提供更丰富的信息,提高了估值的准确性。

18、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。

本文档来自技高网...

【技术保护点】

1.一种基于知识图谱的估值方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述卷积网络模型中包括多个卷积层,所述基于预先训练的卷积网络模型对与所述待估值企业相对应的待更新知识图谱进行处理,得到目标知识图谱,包括:

3.根据权利要求1所述的方法,其特征在于,还包括:

4.根据权利要求1所述的方法,其特征在于,还包括:

5.根据权利要求4所述的方法,其特征在于,所述确定待使用知识图谱,包括:

6.根据权利要求1所述的方法,其特征在于,所述基于所述第一特征向量和所述第二特征向量,确定与所述待估值企业相对应的估值属性,包括:

7.根据权利要求6所述的方法,其特征在于,所述基于所述第二样本训练得到所述估值模型,包括:

8.一种基于知识图谱的估值装置,其特征在于,包括:

9.一种电子设备,其特征在于,所述电子设备包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于知识图谱的估值方法。

...

【技术特征摘要】

1.一种基于知识图谱的估值方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述卷积网络模型中包括多个卷积层,所述基于预先训练的卷积网络模型对与所述待估值企业相对应的待更新知识图谱进行处理,得到目标知识图谱,包括:

3.根据权利要求1所述的方法,其特征在于,还包括:

4.根据权利要求1所述的方法,其特征在于,还包括:

5.根据权利要求4所述的方法,其特征在于,所述确定待使用知识图谱,包括:

6.根据权利要求1所述的方法,其特征...

【专利技术属性】
技术研发人员:张兴慧刘小勃
申请(专利权)人:北京心流慧估科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1