基于建模动态企业关系的企业资源预测方法以及装置制造方法及图纸

本说明书实施例提供基于建模动态企业关系的企业资源预测方法以及装置，其中所述基于建模动态企业关系的企业资源预测方法包括：接收针对目标企业的资源预测请求，其中，资源预测请求携带目标企业的企业信息和历史资源信息；将历史资源信息输入资源预测模型中的关系预测单元，获得企业关联矩阵，其中，企业关联矩阵为关系预测单元基于至少一个参考企业的参考资源信息确定，企业关联矩阵表征目标企业和至少一个参考企业之间的关联关系；将企业关联矩阵和企业信息输入资源预测模型中的资源预测单元，获得资源预测请求对应的资源预测结果。在企业资源预测过程中通过企业关联矩阵考虑市场中企业的动态相关性，提高了企业资源预测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
基于建模动态企业关系的企业资源预测方法以及装置


[0001]本说明书实施例涉及计算机
，特别涉及一种基于建模动态企业关系的企业资源预测方法。

技术介绍

[0002]随着计算机技术的发展，资源预测在许多场景，如电商场景、金融场景等，都有着广泛的应用。以金融场景为例，企业商业投资中，收入情况是投资者在投资企业时的重要参考依据之一。对于企业自身而言，准确预测企业在未来时期的收入情况有助于企业管理者做出正确决策和规避风险。
[0003]目前，通常获取企业的历史数据，根据企业的历史数据确定企业收入增长率，进一步根据企业收入增长率预测企业收入。然而实际应用中，企业的收入还受其他外部因素的影响，上述根据收入增长率预测企业收入的方案准确性较差，因此，亟需一种准确性高的资源预测方案。

技术实现思路

[0004]有鉴于此，本说明书实施例提供了一种基于建模动态企业关系的企业资源预测方法。本说明书一个或者多个实施例同时涉及一种基于建模动态企业关系的企业资源预测装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面，提供了一种基于建模动态企业关系的企业资源预测方法，包括：
[0006]接收针对目标企业的资源预测请求，其中，资源预测请求携带目标企业的企业信息和历史资源信息；
[0007]将历史资源信息输入资源预测模型中的关系预测单元，获得企业关联矩阵，其中，企业关联矩阵为关系预测单元基于至少一个参考企业的参考资源信息确定，企业关联矩阵表征目标企业和至少一个参考企业之间的关联关系；
[0008]将企业关联矩阵和企业信息输入资源预测模型中的资源预测单元，获得资源预测请求对应的资源预测结果。
[0009]根据本说明书实施例的第二方面，提供了一种基于建模动态企业关系的企业资源预测装置，包括：
[0010]接收模块，被配置为接收针对目标企业的资源预测请求，其中，资源预测请求携带目标企业的企业信息和历史资源信息；
[0011]第一输入模块，被配置为将历史资源信息输入资源预测模型中的关系预测单元，获得企业关联矩阵，其中，企业关联矩阵为关系预测单元基于至少一个参考企业的参考资源信息确定，企业关联矩阵表征目标企业和至少一个参考企业之间的关联关系；
[0012]第二输入模块，被配置为将企业关联矩阵和企业信息输入资源预测模型中的资源
预测单元，获得资源预测请求对应的资源预测结果。
[0013]根据本说明书实施例的第三方面，提供了一种计算设备，包括：
[0014]存储器和处理器；
[0015]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述基于建模动态企业关系的企业资源预测方法的步骤。
[0016]根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述基于建模动态企业关系的企业资源预测方法的步骤。
[0017]根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述基于建模动态企业关系的企业资源预测方法的步骤。
[0018]本说明书一个实施例提供的基于建模动态企业关系的企业资源预测方法，接收针对目标企业的资源预测请求，其中，资源预测请求携带目标企业的企业信息和历史资源信息；将历史资源信息输入资源预测模型中的关系预测单元，获得企业关联矩阵，其中，企业关联矩阵为关系预测单元基于至少一个参考企业的参考资源信息确定，企业关联矩阵表征目标企业和至少一个参考企业之间的关联关系；将企业关联矩阵和企业信息输入资源预测模型中的资源预测单元，获得资源预测请求对应的资源预测结果。通过利用资源预测模型预测企业关联矩阵，进一步在资源预测模型中利用企业关联矩阵确定资源预测结果，实现了在企业资源预测过程中考虑市场中企业的动态相关性，提高了企业资源预测的准确性。
附图说明
[0019]图1是本说明书一个实施例提供的一种基于建模动态企业关系的企业资源预测系统的架构图；
[0020]图2是本说明书一个实施例提供的另一种基于建模动态企业关系的企业资源预测系统的架构图；
[0021]图3是本说明书一个实施例提供的一种基于建模动态企业关系的企业资源预测方法的流程图；
[0022]图4是本说明书一个实施例提供的一种基于建模动态企业关系的企业资源预测方法的处理过程流程图；
[0023]图5是本说明书一个实施例提供的另一种基于建模动态企业关系的企业资源预测方法的处理过程流程图；
[0024]图6是本说明书一个实施例提供的另一种基于建模动态企业关系的企业资源预测方法的流程图；
[0025]图7是本说明书一个实施例提供的一种基于建模动态企业关系的企业资源预测界面的界面示意图；
[0026]图8是本说明书一个实施例提供的一种基于建模动态企业关系的企业资源预测装置的结构示意图；
[0027]图9是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
[0028]在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
[0029]在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0030]应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0031]此外，需要说明的是，本说明书一个或多个实施例所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
[0032]首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
[0033]深度哈希：深度哈希(Deep Hashing)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于建模动态企业关系的企业资源预测方法，其特征在于，包括：接收针对目标企业的资源预测请求，其中，所述资源预测请求携带所述目标企业的企业信息和历史资源信息；将所述历史资源信息输入资源预测模型中的关系预测单元，获得企业关联矩阵，其中，所述企业关联矩阵为所述关系预测单元基于至少一个参考企业的参考资源信息确定，所述企业关联矩阵表征所述目标企业和所述至少一个参考企业之间的关联关系；将所述企业关联矩阵和所述企业信息输入资源预测模型中的资源预测单元，获得所述资源预测请求对应的资源预测结果。2.根据权利要求1所述的方法，其特征在于，所述关系预测单元包括嵌入处理网络和归一化流网络；所述将所述历史资源信息输入资源预测模型中的关系预测单元，获得企业关联矩阵，包括：获取至少一个参考企业的参考资源信息；将所述历史资源信息和所述参考资源信息输入所述嵌入处理网络，获得初始关联嵌入矩阵；将所述初始关联嵌入矩阵输入所述归一化流网络，获得所述企业关联矩阵。3.根据权利要求1所述的方法，其特征在于，所述将所述企业关联矩阵和所述企业信息输入资源预测模型中的资源预测单元，获得所述资源预测请求对应的资源预测结果之前，还包括：调整所述企业关联矩阵中的对角线元素，获得调整企业关联矩阵；根据预设缩放矩阵对所述调整企业关联矩阵进行缩放，获得更新后的企业关联矩阵。4.根据权利要求1所述的方法，其特征在于，所述将所述企业关联矩阵和所述企业信息输入资源预测模型中的资源预测单元，获得所述资源预测请求对应的资源预测结果之前，还包括：对所述企业信息进行特征提取，获得所述目标企业的企业特征；所述将所述企业关联矩阵和所述企业信息输入资源预测模型中的资源预测单元，获得所述资源预测请求对应的资源预测结果，包括：将所述企业关联矩阵和所述企业特征输入资源预测模型中的资源预测单元，获得所述资源预测请求对应的资源预测结果。5.根据权利要求4所述的方法，其特征在于，所述资源预测单元包括图卷积层、线性层和激活函数层；所述将所述企业关联矩阵和所述企业特征输入资源预测模型中的资源预测单元，获得所述资源预测请求对应的资源预测结果，包括：将所述企业关联矩阵和所述企业特征输入所述图卷积层，获得企业属性特征；将所述企业属性特征输入所述线性层和所述激活函数层，获得所述资源预测请求对应的资源预测结果。6.根据权利要求1所述的方法，其特征在于，所述资源预测模型通过以下方式训练：获取样本集，其中，所述样本集包括多个样本企业的样本企业信息、样本历史资源信息和样本资源标签；
将第一样本企业的第一样本历史资源信息输入初始资源预测模型中的关系预测单元，获得第一预测企业关联矩阵，其中，所述第一样本企业为所述多个样本企业中的任一个；将所述第一预测企业关联矩阵和所述第一样本企业的第一样本企业信息输入所述资源预测单元，获得所述第一样本企业对应的第一预测资源信息；根据所述第一预测企业关联矩阵、所...

【专利技术属性】
技术研发人员：郑小林，刘梦普，朱梦莹，
申请(专利权)人：浙江大学，
类型：发明
国别省市：