申请/专利权人：深圳前海微众银行股份有限公司

申请日：2020-10-19

公开（公告）日：2024-04-23

公开（公告）号：CN112348318B

主分类号：G06Q10/0635

分类号：G06Q10/0635

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.06.18#实质审查的生效;2021.02.09#公开

摘要：本公开涉及本发明涉及人工智能领域，特别涉及一种供应链风险预测模型的训练和应用方法及装置。用以及时有效的对供应链网络中的风险进行预测，该方法为：服务器基于供应链网络提供的训练样本数据集合包含的各个特征描述信息，对供应链风险预测模型进行训练，输出相应的目标供应链风险预测模型，其中，一个训练样本数据的特征描述信息包含至少两个目标对象的业务特征以及拓扑网络特征；这样，在供应链网络中，当有一个目标对象发生风险事件后，可以采用上述目标供应链风险预测模型，及时地对供应链网络中其他目标对象也发生风险事件的概率进行预测，从而及时向其他目标对象提出预警，通知其他目标对象提前采取应对措施，以减少企业损失。

主权项：1.一种供应链风险预测模型的训练方法，其特征在于，包括：基于供应链网络提供的训练样本数据集合，获得各个训练样本数据的特征描述信息，其中，一个训练样本数据的特征描述信息包含至少两个目标对象的业务特征以及拓扑网络特征，一个目标对象的拓扑网络特征表征所述一个目标对象与拓扑网络中其他目标对象之间的连通方式和关联程度，其中，所述目标对象为企业，所述业务特征用于表征企业的运营状态；基于所述训练样本数据集合对供应链风险预测模型进行训练，得到目标损失信息，并基于所述目标损失信息对所述供应链风险预测模型的模型参数进行调整并进行迭代训练；在满足预设的收敛条件时，输出训练后的目标供应链风险预测模型；其中，所述基于供应链网络提供的训练样本数据集合，获得各个训练样本数据的特征描述信息，包括：基于供应链网络提供的训练样本数据集合，获得各个目标对象的供应链社区特征、强连通分支特征、超文本敏感标题搜索Hits特征和度中心性特征中的任意一种或组合，作为相应目标对象的拓扑网络特征；其中，所述供应链社区特征，表征目标对象所在的群组发生风险事件占整个拓扑网络中风险事件的比例；所述强连通分支特征，表征目标对象在拓扑网络中是否位于环状结构内，以及若位于环状结构内，所述环状结构包含的目标对象数目；所述超文本敏感标题搜索Hits特征，包括目标对象的权威度和枢纽度，其中，所述权威度表征所述目标对象在拓扑网络中的重要程度，所述枢纽度表征拓扑网络中经过所述目标对象到达各个其他目标对象的可能性；所述度中心性特征，表征所述目标对象，在拓扑网络中作为任意两个其他目标对象之间最短路径包含的连接点的次数。

全文数据：

权利要求：

百度查询： 深圳前海微众银行股份有限公司 一种供应链风险预测模型的训练和应用方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD