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()
【技术实现步骤摘要】
本专利技术涉及企业实力评判,尤其涉及一种企业实力的智能化评判方法及装置。
技术介绍
1、在证券行业的业务需求中,许多场景下要对业务相对方企业进行评分以量化实力,通过评分这种筛选机制,精选出更优质、有潜力、低风险的合作企业,比如银行筛选营销企业、制造业企业筛选供应链伙伴、产业园区筛选入驻企业等。评分可以帮助企业快速地了解一家企业的综合实力评价,从而实现在海量企业名单或候选企业中,用较低的时间与人力成本,即可挑选出满足业务需求门槛的高匹配度企业,也可基于评分的量化数值,进行企业综合实力的对比、排序等操作,以应用于营销分层、供应商分级、招采评标等业务。
2、当前,传统的多因子加权评分模型存在着较多不足:(1)打分法。多因子打分模型是应用最为广泛的传统建模方法,此方法不易受到异常值的影响,实现起来比较简单。但不足之处在于各个因子的权重设定过于依赖主观判定,更适合具有一定经验的专业人士使用,缺乏客观标准性;(2)回归法。多因子回归模型对多个因子之间的相关关系进行线性回归建模,其优势在于计算复杂度低和可解释性强,实现比较简单。然而,在实际应用中,多因子回归模型的将各个因子之间的关系进行线性建模得到最终评分是远远不够的,拟合能力较差,对样本的评分预测不准确;(3)分类法。多因子分类模型是将每个因子抽象成一个维度的特征,这就可以转化为多维空间的分类问题,其需要对模型的学习能力进行控制,以避免出现欠拟合和过拟合等情形。因此,亟需一种能够提高对企业实力评判准确性的技术方案。
技术实现思路
2、为了解决上述技术问题,本专利技术第一方面公开了一种企业实力的智能化评判方法,所述方法包括:
3、获取待评判企业的企业参数;所述企业参数包括基本情况、诚信情况、司法诉讼情况、事件发生情况、舆情情况以及财务情况中的至少一种;
4、将所述待评判企业的企业参数输入至训练好的企业评判模型中的特征分析器中进行分析,得到所述企业参数的目标特征矩阵;
5、将所述企业参数的目标特征矩阵输入至所述企业评判模型中的标签类别概率分析器中进行分析,得到所述待评判企业对应的多个标签类别下的概率参数;
6、根据所有所述标签类别下的概率参数,确定所述待评判企业的实力参数。
7、作为一种可选的实施方式,在本专利技术第一方面中,所述方法还包括:
8、将与所述待评判企业相关联的企业标签树输入至所述企业评判模型中的标签类别概率分析器中进行分析,得到所述企业标签树对应的标签特征矩阵;所述企业标签树包含多个标签层级下的基础标签类别;
9、其中,所述将所述企业参数的目标特征矩阵输入至所述企业评判模型中的标签类别概率分析器中进行分析,得到所述待评判企业对应的多个标签类别下的概率参数,包括:
10、将所述企业参数的目标特征矩阵输入至所述企业评判模型中的标签类别概率分析器中,以使所述标签类别概率分析器根据所述目标特征矩阵以及得到的所述标签特征矩阵进行分析,得到所述待评判企业对应的多个标签类别下的概率参数。
11、作为一种可选的实施方式,在本专利技术第一方面中,所述将所述待评判企业的企业参数输入至训练好的企业评判模型中的特征分析器中进行分析,得到所述企业参数的目标特征矩阵,包括:
12、将所述待评判企业的企业参数输入至训练好的企业评判模型中的特征分析器中,以使所述特征分析器执行如以下操作:
13、确定与所述待评判企业的企业参数相匹配的企业参数序列,并根据所述企业参数序列,确定所述企业参数序列对应的向量空间信息;所述向量空间信息用于指示所述企业参数序列中不同序列位置之间的相对位置信息;
14、根据所述企业参数序列对应的向量空间信息,对所述企业参数序列进行位置编码操作,得到所述企业参数序列中每个序列位置对应的位置编码向量;
15、根据所有所述序列位置对应的位置编码向量,确定所述企业参数的目标特征矩阵;所述目标特征矩阵包括值特征矩阵和/或键特征矩阵。
16、作为一种可选的实施方式,在本专利技术第一方面中,所述根据所有所述序列位置对应的位置编码向量,确定所述企业参数的目标特征矩阵,包括:
17、根据所有所述序列位置对应的位置编码向量以及预设的多个第一特征空间,确定所有所述序列位置对应的位置编码向量针对每一所述第一特征空间下的向量空间映射关系信息;所有所述序列位置对应的位置编码向量的向量维度与每一所述第一特征空间的空间维度是相匹配的;
18、根据所有所述序列位置对应的位置编码向量针对所有所述第一特征空间下的向量空间映射关系信息,确定所述企业参数的目标特征矩阵。
19、作为一种可选的实施方式,在本专利技术第一方面中,所述将与所述待评判企业相关联的企业标签树输入至所述企业评判模型中的标签类别概率分析器中进行分析,得到所述企业标签树对应的标签特征矩阵,包括:
20、将与所述待评判企业相关联的企业标签树输入至所述企业评判模型中的标签类别概率分析器中,以使所述标签类别概率分析器执行如以下操作:
21、根据所述企业标签树中包含的所有所述标签层级下的基础标签类别,确定每个所述标签层级对应的标签特征矩阵以及所有所述标签层级下的基础标签类别之间的有向邻接矩阵;
22、根据所有所述标签层级对应的标签特征矩阵以及所有所述标签层级下的基础标签类别之间的有向邻接矩阵,对所述企业标签树进行初始分析操作,得到所述企业标签树对应的初始标签矩阵;所述初始分析操作包括标签层级分析操作和/或标签语义分析操作,所述初始标签矩阵包括标签层级矩阵和/或标签语义矩阵;
23、根据所述企业标签树对应的初始标签矩阵,确定所述企业标签树对应的标签特征矩阵。
24、作为一种可选的实施方式,在本专利技术第一方面中,所述根据所述企业标签树对应的初始标签矩阵,确定所述企业标签树对应的标签特征矩阵,包括:
25、对所述企业标签树对应的初始标签矩阵进行位置编码操作,得到所述企业标签树对应的位置编码向量,并根据所述企业标签树对应的位置编码向量以及预设的第二特征空间,确定所述企业标签树对应的位置编码向量针对所述第二特征空间下的向量空间映射关系信息;所述企业标签树对应的位置编码向量的向量维度与所述第二特征空间的空间维度是相匹配的;
26、根据所述企业标签树对应的位置编码向量针对所述第二特征空间下的向量空间映射关系信息,确定所述企业标签树对应的标签特征矩阵。
27、作为一种可选的实施方式,在本专利技术第一方面中,所述标签类别概率分析器根据所述目标特征矩阵以及得到的所述标签特征矩阵进行分析,得到所述待评判企业对应的多个标签类别下的概率参数,包括:
28、对所述目标特征矩阵以及得到本文档来自技高网...
【技术保护点】
1.一种企业实力的智能化评判方法,其特征在于,所述方法包括:
2.根据权利要求1所述的企业实力的智能化评判方法,其特征在于,所述方法还包括:
3.根据权利要求1或2所述的企业实力的智能化评判方法,其特征在于,所述将所述待评判企业的企业参数输入至训练好的企业评判模型中的特征分析器中进行分析,得到所述企业参数的目标特征矩阵,包括:
4.根据权利要求3所述的企业实力的智能化评判方法,其特征在于,所述根据所有所述序列位置对应的位置编码向量,确定所述企业参数的目标特征矩阵,包括:
5.根据权利要求2所述的企业实力的智能化评判方法,其特征在于,所述将与所述待评判企业相关联的企业标签树输入至所述企业评判模型中的标签类别概率分析器中进行分析,得到所述企业标签树对应的标签特征矩阵,包括:
6.根据权利要求5所述的企业实力的智能化评判方法,其特征在于,所述根据所述企业标签树对应的初始标签矩阵,确定所述企业标签树对应的标签特征矩阵,包括:
7.根据权利要求2、5或6所述的企业实力的智能化评判方法,其特征在于,所述标签类别概率分析器
8.一种企业实力的智能化评判装置,其特征在于,所述装置包括:
9.一种企业实力的智能化评判装置,其特征在于,所述装置包括:
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的企业实力的智能化评判方法。
...【技术特征摘要】
1.一种企业实力的智能化评判方法,其特征在于,所述方法包括:
2.根据权利要求1所述的企业实力的智能化评判方法,其特征在于,所述方法还包括:
3.根据权利要求1或2所述的企业实力的智能化评判方法,其特征在于,所述将所述待评判企业的企业参数输入至训练好的企业评判模型中的特征分析器中进行分析,得到所述企业参数的目标特征矩阵,包括:
4.根据权利要求3所述的企业实力的智能化评判方法,其特征在于,所述根据所有所述序列位置对应的位置编码向量,确定所述企业参数的目标特征矩阵,包括:
5.根据权利要求2所述的企业实力的智能化评判方法,其特征在于,所述将与所述待评判企业相关联的企业标签树输入至所述企业评判模型中的标签类别概率分析器中进行分析,得到所述企业标签树对应的标签特征...
【专利技术属性】
技术研发人员:徐峰,潘晓明,齐爽,李玉功,孙少波,宋健,江顺宇,
申请(专利权)人:华安证券股份有限公司,
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。