[发明专利]基于图神经网络的投融资机构评估方法、系统及设备

权利要求书

1.基于图神经网络的投融资机构评估方法，其特征在于，包括以下步骤：

步骤1、截取给定时刻T_curr之前的投资事件，构建初创企业的共被投网络图G_c；

步骤2、设定N_G个时间段的初创企业共被投网络图，以T_inte为固定时间间隔，构建上一时刻T_curr-T_inte的初创企业共被投网络图G_c-1i，依次类推构建剩余N_G-1个初创企业共被投网络图，获得N_G个初创企业共被投网络图；

步骤3、构建基于图神经网络的投融资机构发展趋势评估模型；

步骤4、对所述评估模型进行训练学习，获得最终用于评估的投融资机构发展趋势模型；

步骤5、对N_G个所述初创企业共被投网络图训练对应时间段的N_G个面向投融资机构发展趋势评估模型，并使用所述发展趋势评估模型评估出各节点的发展评估值，根据所述发展评估值的大小对N_G个时间段的初创企业发展进行排序。

2.根据权利要求1所述的基于图神经网络的投融资机构评估方法，其特征在于，所述步骤1包括以下步骤：

步骤1.1、对所述共被投网络图G_c中初创企业的所属行业，通过One-Hot编码生成节点所属行业特征矩阵

步骤1.2、对所述共被投网络图G_c中初创企业的历史投资轮次，通过One-Hot编码生成节点投资轮次特征矩阵

步骤1.3、获取初创企业的成立时间差特征并对所述成立时间差特征进行Z-score标准化处理，处理公式为：

其中，T为当前年份与初创企业成立时间差，为时间差系数；x为所有样本数据的原始值，μ为所有样本数据的均值，σ为所有样本数据的标准差，x^*为所有样本数据归一化后的数值；

步骤1.4、获取初创企业在所述给定时刻T_curr之前的投融资新闻文本，设置词向量长度为N_news，采用训练模式为Skip-gram的Word2Vec算法对投融资新闻文本进行训练，获得各初创企业节点的新闻特征矩阵

步骤1.5、将步骤1.1至步骤1.4获得的节点特征进行拼接组合，获得初创企业共被投网络图G_c的节点特征矩阵X^node；

步骤1.6、将所述给定时刻T_curr之前的所有投资事件中被同一投资机构所投资过的初创企业构建网络图中的边，获得边索引矩阵X^edges；

步骤1.7、为所述给定时刻T_curr之前的所有投资事件中的节点进行标注，选定时间间隔T_inte，对于时间间隔T_inte时间段内发生过投资的初创企业设置标签为1，未发生投资的初创企业设置标签为0，获得初创企业共被投网络图G_c的节点标签矩阵Y^node。

3.根据权利要求2所述的基于图神经网络的投融资机构评估方法，其特征在于，所述步骤1.4中，对于共被投网络图G_c中没有获得新闻特征矩阵的初创企业，以各初创企业节点的新闻特征平均值，作为没有获得新闻特征矩阵的初创企业节点的新闻特征。