【技术实现步骤摘要】
本申请属于会计数据处理，具体涉及一种基于自适应胶囊网络构建信用画像的方法及其相关设备。
技术介绍
1、企业数据增信是指为了增加企业会计数据的真实性和可靠性而采取的各种手段和措施。企业数据增信旨在通过内部控制、外部审计和信息披露等手段，确保会计数据的准确性和及时性，减少会计数据造假和误报的可能性，使企业的财务信息更加真实和可靠。可靠的会计数据可以增强企业的信誉和声誉，提升企业在市场上的竞争力，吸引更多的投资者和合作伙伴。同时，通过公开企业的财务信息和经营状况，可以增强企业的透明度和公信力。
2、为了实现企业数据增信操作，需要预先对企业数据进行信用评估和构建企业信用画像，现有的企业数据信用评估和企业信用画像构建基本上采用制度管理、第三方核验等人工核查和制度管理方法，而传统的人工核查和制度管理，缺乏先进的信息技术手段支持，这导致数据处理效率低下，准确率难以保证。
技术实现思路
1、本申请实施例的目的在于提出一种基于自适应胶囊网络构建信用画像的方法、装置、计算机设备及存储介质，以解决在企业数据信用评估和企业信用画像构建时，传统的人工核查和制度管理数据处理效率低下，准确率难以保证的技术问题。
2、为了解决上述技术问题，本申请实施例提供一种基于自适应胶囊网络构建信用画像的方法，采用了如下所述的技术方案：
3、一种基于自适应胶囊网络构建信用画像的方法，方法用于构建企业信用画像，自适应胶囊网络包括输入层、全连接层、挤压激励层、基础胶囊层、时空胶囊层和输出层，输入
4、接收信用画像构建指令，获取信用画像构建指令对应的目标企业数据；
5、将目标企业数据输入到预先训练好的企业数据信用评估模型，其中，通过对自适应胶囊网络进行预训生成企业数据信用评估模型；
6、通过输入层接收目标企业数据；
7、通过全连接层提取目标企业数据的高阶数据特征，得到第一高阶特征；
8、通过挤压激励层对第一高阶特征进行加权，并构建第一数据特征图；
9、通过基础胶囊层对第一数据特征图进行卷积操作，得到第一卷积特征，其中，第一卷积特征为第一数据特征图的局部空间特征；
10、通过时空胶囊层对第一数据特征图进行卷积操作，得到第二卷积特征，其中，第二卷积特征为第一数据特征图的时间序列特征；
11、通过输出层对第一卷积特征和第二卷积特征进行合并，生成企业数据信用评分，基于企业数据信用评分构建企业信用画像。
12、进一步地，全连接层中预设有激活函数，通过全连接层提取目标企业数据的高阶数据特征，得到第一高阶特征的步骤，具体包括：
13、对目标企业数据进行特征提取，得到初始数据特征；
14、对初始数据特征进行向量转化，得到初始特征向量；
15、使用全连接层中预设的激活函数对初始特征向量进行非线性映射，得到向量映射结果，其中，向量映射结果为目标企业数据对应的高阶数据特征。
16、进一步地，挤压激励层中预设有第一激活函数和第二激活函数，通过挤压激励层对第一高阶特征进行加权，并构建第一数据特征图的步骤，具体包括：
17、对第一高阶特征进行全局平均化处理，得到第一高阶特征对应的全局信息；
18、对全局信息进行降维处理，得到全局降维信息；
19、使用挤压激励层中预设的第一激活函数向全局降维信息中引入非线性特征，得到非线性全局降维信息；
20、对非线性全局降维信息进行升维处理，得到非线性全局信息；
21、使用挤压激励层中预设的第二激活函数对非线性全局信息进行归一化处理，得到第一特征权值；
22、基于第一特征权值对第一高阶特征进行加权计算，并对加权后的第一高阶特征进行特征组合得到第一数据特征图。
23、进一步地，输出层中预设有分类器，通过输出层对第一卷积特征和第二卷积特征进行合并，生成企业数据信用评分，基于企业数据信用评分构建企业信用画像的步骤，具体包括：
24、通过预设的注意力机制对第一卷积特征和第二卷积特征进行权重分配，得到第二特征权值；
25、基于第二特征权值对第一卷积特征和第二卷积特征进行特征组合，得到组合卷积特征；
26、将组合卷积特征输入到输出层中预设的分类器，输出信用预测结果，得到企业数据信用评分；
27、根据述企业数据信用评分构建企业信用画像。
28、进一步地，在将目标企业数据输入到预先训练好的企业数据信用评估模型的步骤之前，还包括：
29、获取历史企业数据作为训练数据，以及获取训练数据对应的历史数据信用评分；
30、初始化自适应胶囊网络的初始网络参数；
31、将训练数据导入初始化后的自适应胶囊网络中，得到预测数据信用评分；
32、基于历史数据信用评分和预测数据信用评分，使用预设的动态调节算法调整初始网络参数，直至模型拟合，得到训练好的企业数据信用评估模型。
33、进一步地，初始网络参数包括自适应胶囊网络中的各个网络层参数，动态调节算法包括反向传播算法，基于历史数据信用评分和预测数据信用评分，使用预设的动态调节算法调整初始网络参数，直至模型拟合，得到训练好的企业数据信用评估模型，具体包括：
34、获取自适应胶囊网络的损失函数；
35、基于历史数据信用评分和预测数据信用评分使用损失函数计算预测误差；
36、在自适应胶囊网络的各个网络层中反向传递预测误差；
37、当存在任意一个网络层的预测误差大于或等于预设的误差阈值时，持续调整自适应胶囊网络中的各个网络层参数，直至所有网络层的预测误差均小于误差阈值为止。
38、进一步地，初始网络参数还包括初始权重矩阵，初始权重矩阵为基础胶囊层和时空胶囊层配置之间的连接矩阵，动态调节算法还包括梯度下降算法，在持续调整自适应胶囊网络中的各个网络层参数，直至所有网络层的预测误差均小于误差阈值为止的步骤之后，还包括：
39、基于预测误差计算自适应胶囊网络的学习率；
40、基于梯度下降顺序对学习率进行排序，得到学习率梯度序列；
41、基于学习率梯度序列的负方向更新初始权重矩阵中的权重值，直至完成初始权重矩阵中每一个权重值的更新为止；
42、采用如下公式对初始权重矩阵中每一个权重值进行更新：
43、；
44、式中，为基础胶囊层中的任意一个胶囊，为时空胶囊层中的任意一个胶囊，为初始权重矩阵中胶囊和胶囊的连接权重，为初始权重矩阵更新后胶囊和胶囊的连接权重，为学习率，为自适应胶囊网络的损失函数，为自适应胶囊网络的损失函数与初始权重矩阵中胶囊和胶囊的连接权重的偏导数。
45、为了解决上述技术问题，本申请实施例还本文档来自技高网...
【技术保护点】
1.一种基于自适应胶囊网络构建信用画像的方法，其特征在于，所述方法用于构建企业信用画像，所述自适应胶囊网络包括输入层、全连接层、挤压激励层、基础胶囊层、时空胶囊层和输出层，所述输入层连接所述全连接层，所述全连接层连接所述挤压激励层，所述挤压激励层分别连接所述基础胶囊层和所述时空胶囊层，所述基础胶囊层和所述时空胶囊层连接所述输出层，所述方法包括：
2.如权利要求1所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述全连接层中预设有激活函数，通过所述全连接层提取所述目标企业数据的高阶数据特征，得到第一高阶特征的步骤，具体包括：
3.如权利要求1所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述挤压激励层中预设有第一激活函数和第二激活函数，通过所述挤压激励层对所述第一高阶特征进行加权，并构建第一数据特征图的步骤，具体包括：
4.如权利要求1所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述输出层中预设有分类器，通过所述输出层对所述第一卷积特征和所述第二卷积特征进行合并，生成企业数据信用评分，基于所述企业数据信用评分构建所述
5.如权利要求1至4任意一项所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，在将所述目标企业数据输入到预先训练好的企业数据信用评估模型的步骤之前，还包括：
6.如权利要求5所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述初始网络参数包括所述自适应胶囊网络中的各个网络层参数，所述动态调节算法包括反向传播算法，基于所述历史数据信用评分和所述预测数据信用评分，使用预设的动态调节算法调整所述初始网络参数，直至模型拟合，得到训练好的企业数据信用评估模型，具体包括：
7.如权利要求6所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述初始网络参数还包括初始权重矩阵，初始权重矩阵为所述基础胶囊层和所述时空胶囊层配置之间的连接矩阵，所述动态调节算法还包括梯度下降算法，在持续调整所述自适应胶囊网络中的各个网络层参数，直至所有网络层的预测误差均小于所述误差阈值为止的步骤之后，还包括：
8.一种基于自适应胶囊网络构建信用画像的装置，其特征在于，所述装置用于构建企业信用画像，所述自适应胶囊网络包括输入层、全连接层、挤压激励层、基础胶囊层、时空胶囊层和输出层，所述输入层连接所述全连接层，所述全连接层连接所述挤压激励层，所述挤压激励层分别连接所述基础胶囊层和所述时空胶囊层，所述基础胶囊层和所述时空胶囊层连接所述输出层，所述装置包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于自适应胶囊网络构建信用画像的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于自适应胶囊网络构建信用画像的方法的步骤。
...【技术特征摘要】
1.一种基于自适应胶囊网络构建信用画像的方法，其特征在于，所述方法用于构建企业信用画像，所述自适应胶囊网络包括输入层、全连接层、挤压激励层、基础胶囊层、时空胶囊层和输出层，所述输入层连接所述全连接层，所述全连接层连接所述挤压激励层，所述挤压激励层分别连接所述基础胶囊层和所述时空胶囊层，所述基础胶囊层和所述时空胶囊层连接所述输出层，所述方法包括：
2.如权利要求1所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述全连接层中预设有激活函数，通过所述全连接层提取所述目标企业数据的高阶数据特征，得到第一高阶特征的步骤，具体包括：
3.如权利要求1所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述挤压激励层中预设有第一激活函数和第二激活函数，通过所述挤压激励层对所述第一高阶特征进行加权，并构建第一数据特征图的步骤，具体包括：
4.如权利要求1所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述输出层中预设有分类器，通过所述输出层对所述第一卷积特征和所述第二卷积特征进行合并，生成企业数据信用评分，基于所述企业数据信用评分构建所述企业信用画像的步骤，具体包括：
5.如权利要求1至4任意一项所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，在将所述目标企业数据输入到预先训练好的企业数据信用评估模型的步骤之前，还包括：
6.如权利要求5所述的基于自适应胶囊网络构建信用画像的方法，其特征在于，所述初始网络参数包括所述自适应胶囊网络...
【专利技术属性】
技术研发人员：冷万，高显，姚鑫越，聂萼辉，
申请(专利权)人：湖南数据产业集团有限公司，
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。