(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210008396.9 (22)申请日 2022.01.06 (71)申请人 成都晓多科技有限公司 地址 610000 四川省成 都市天府新区兴隆 街道湖畔路西段123号 (72)发明人 江岭　黄鹏　王思宇　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 代理人 薛波 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06F 16/36(2019.01) (54)发明名称 基于时序知识图谱的中小企业失信风险预 测方法 (57)摘要 本发明提供一种基于时序知识图谱的中小 企业失信风险预测方法。 首先构建中小企业的时 序知识图谱； 其次， 对时序知识图谱进行表示学 习得到对应的实体嵌入矩阵和关系嵌入矩阵； 再 次， 根据实体嵌入矩阵和关系嵌入矩阵对时序知 识图谱中各个企业的相邻节点进行向量表示， 得 到对应的相邻节点序列， 并根据相邻节点序列计 算各个相邻节点的隐藏状态； 然后， 根据隐藏状 态和目标企业的表示向量分析各个相邻节点的 注意力权重后进行聚合处理， 得到目标企业的风 险评估表示向量； 最后， 将风险评估表示向量输 入一个全连接层计算得到目标企业的失信风险 评估结果并进行可视化展示。 与传统的机器学习 方法相比， 提高了中小企业失信风险预测的准确 性。 权利要求书2页 说明书6页 附图1页 CN 114022058 A 2022.02.08 CN 114022058 A 1.一种基于时序知识图谱的中小企业失信风险预测方法， 其特 征在于， 包括： S1.根据目标企业与其它企业之间存在的关系顺序以及各个企业发生的事件构建时序 知识图谱； 所述时序知识图谱以企业、 事件作为 实体节点， 各个企业之间的相互关系以及各 个企业与各个事 件之间的相互关系作为 边； S2.对所述时序知识图谱进行表示学习得到对应的实体嵌入矩阵和关系嵌入矩阵； S3.根据所述实体嵌入矩阵和所述关系嵌入矩阵对所述时序知识图谱中各个企业的相 邻节点进行向量表示， 得到对应的相邻节点序列， 并根据所述相邻节点序列计算各个相邻 节点的隐藏状态； S4.根据所述隐藏状态和目标企业的表示向量分析各个所述相邻节点的注意力 权重后 进行聚合处 理， 得到目标企业的风险评估表示向量； S5.将所述风险评估表示向量输入一个全连接层计算得到目标企业的失信风险评估结 果并进行 可视化展示。 2.根据权利要求1所述的方法， 其特 征在于， 所述S4的实现方式为： 式中，ei表示目标企业的表示向量， 通过S2的表示学习获得； 表示目标企业的风险 评估表示向量； hj表示与目标企业的第j个相邻节点的隐藏状态； 表示hj的转置；δij表示 相邻节点 的注意力权重； aj表示第j个相邻节点的聚合系数； n表示相邻节点的总数； i、j、k 均表示设置的变量。 3.根据权利要求1所述的方法， 其特征在于， 所述S2中对所述时序知识图谱进行表示学 习时使用的模型为Trans系列模型中的任意 一种。 4.根据权利要求1所述的方法， 其特征在于， 所述S3中的隐藏状态通过BiRGU模型或者 BiLSTM模型进行计算得到 。 5.根据权利要求1所述的方法， 其特 征在于， 所述S5的实现方式为： 式中， 表示失信风险评估结果； Wf和bf表示全连接层的参数； 表示目标企业的风 险评估表示向量。 6.根据权利要求1所述的方法， 其特征在于， 所述方法还包括通过二元交叉熵损失函数 对目标企业的失信风险评估结果进行优化：权　利　要　求　书 1/2 页 2 CN 114022058 A 2式中， L表示二元交叉熵损失函数； n表示相邻节点的总数； φ表示计算过程中的基本参 数；λ为防止过拟合设置的超参数； y表示目标企业是否失信的基本事实， 若目标企业 失信则 y=1， 若目标企业未失信 则y=0； 表示失信风险评估结果。权　利　要　求　书 2/2 页 3 CN 114022058 A 3