申请/专利权人：平安国际智慧城市科技股份有限公司

申请日：2021-08-20

公开（公告）日：2024-06-07

公开（公告）号：CN113673597B

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06F18/2113;G06Q10/10;G06Q40/12

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2021.12.07#实质审查的生效;2021.11.19#公开

摘要：本发明涉及人工智能技术，揭露一种企业年报催报方法，包括：对企业的年报申报周信息的样本集进行特征筛选得到有效特征集，根据所述有效特征集，构造不同分类算法的分类模型，对每个所述分类模型进行第一训练，识别无效样本，利用剔除无效样本后的样本集对每个所述分类模型进行第二训练，利用所述第二训练的预测结果及所述样本集的真实结果，计算得到每个所述分类模型的精准率及召回率之间的调和值，以所述调和值最高的分类模型为目标分类模型，利用所述目标分类模型对待预测企业进行申报周预测，并根据预测得到的申报周，向所述企业执行催报。本发明还提出一种企业年报催报装置、设备以及介质。本发明可以提升企业年报催报方法的精准度。

主权项：1.一种企业年报催报方法，其特征在于，所述方法包括：获取企业的年报申报周信息的样本集；对所述样本集进行特征筛选得到有效特征集；根据所述有效特征集，构造基于不同分类算法的分类模型；利用所述样本集分别对每个所述分类模型进行第一训练，直到所述第一训练满足预设第一条件时，退出所述第一训练，得到每个所述分类模型的第一训练结果；统计所述样本集中每个样本在不同分类模型下的第一训练结果的重复率，将所述重复率小于预设重复率阈值的样本作为无效样本，并从所述样本集中剔除所述无效样本；利用剔除无效样本后的样本集分别对每个所述分类模型进行第二训练，直到所述第二训练满足预设第二条件时，退出所述第二训练，得到每个所述分类模型的预测结果；利用所述预测结果及所述样本集的真实结果，计算得到每个所述分类模型的精准率及召回率之间的调和值，选择所述调和值最高的分类模型作为目标分类模型；利用所述目标分类模型对待预测企业进行申报周预测，并根据预测得到的申报周，向所述企业执行催报；所述对所述样本集进行特征筛选得到有效特征集，包括：获取所述样本集的初始特征集；依次计算所述初始特征集中每个特征对应的样本数与所述样本集的总数的百分比，得到所述每个特征的覆盖率；统计所述样本集覆盖的年份个数，并统计所述初始特征集中每个特征对应的样本的年份个数，计算所述每个特征对应的样本的年份个数与所述样本集覆盖的年份个数的百分比，得到所述每个特征的稳定率；对所述初始特征集中每个特征的取值进行离散化处理，得到离散化后的特征取值分布情况；利用所述离散化后的特征取值分布情况，根据预构建的信息价值计算公式计算得到每个所述特征的信息价值；选择所述覆盖率大于预设的覆盖率阈值，且所述稳定率大于预设的稳定率阈值，及所述信息价值大于预设的信息价值阈值的特征组成所述样本集的有效特征集；所述利用所述预测结果及所述样本集的真实结果，计算得到每个所述分类模型的精准率及召回率之间的调和值，包括：获取每个样本的预测申报周信息及真实申报周信息；随机选择一个申报周作为参考周；在每个所述分类模型中，分别统计所述样本集中真实申报周及预测申报周均为所述参考周的第一样本数、预测申报周为所述参考周的样本集中真实申报周不是所述参考周的第二样本数及真实申报周为所述参考周的样本集中预测申报周不是所述参考周的第三样本数；利用所述第一样本数及所述第二样本数，根据精准率计算公式计算得到每个所述分类模型的精准率；利用所述第一样本数及所述第三样本数，根据召回率计算公式计算得到每个所述分类模型的召回率；利用所述精准率及所述召回率，根据调和值计算公式计算得到每个所述分类模型的精准率及召回率之间的调和值。

全文数据：

权利要求：

百度查询： 平安国际智慧城市科技股份有限公司 企业年报催报方法、装置、电子设备及计算机存储介质

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