[发明专利]企业信用评价方法、装置及电子设备

权利要求书

1.一种企业信用评价方法，其特征在于，所述方法包括：

获取待评价企业的特征信息；其中，所述特征信息包括维度指标以及每个所述维度指标对应的企业数据；所述维度指标包括以下至少之一：总订单完成率、成本利润率、产品质量合格率、准时交货率、订单管理成本、库存成本和通讯成本；

将所述特征信息输入至预先训练好的概率图模型，以使所述概率图模型根据所述特征信息输出所述待评价企业的信用值；其中，所述概率图模型为基于供应链中企业关系训练得到。

2.根据权利要求1所述的企业信用评价方法，其特征在于，所述概率图模型的训练过程如下：

获取训练样本集；其中，所述训练样本集包括训练供应链中多个企业训练样本，以及每个所述企业训练样本的训练特征信息；且，至少部分所述企业训练样本还标注有信用标注值；

将所述训练样本集输入至原始概率图模型进行训练，以得到所述概率图模型。

3.根据权利要求2所述的企业信用评价方法，其特征在于，所述方法还包括：

根据所述训练供应链中的多个企业训练样本，构建所述原始概率图模型；其中，所述原始概率图模型包括多个节点，所述节点用于表征所述企业训练样本，具有企业关系的两个所述节点之间连接有关系线。

4.根据权利要求3所述的企业信用评价方法，其特征在于，所述将所述训练样本集输入至原始概率图模型进行训练的步骤之前，所述方法还包括：

基于最大团对所述原始概率图模型进行拆解，得到所述原始概率图模型包含的多个最大团；其中，所述最大团为所述概率图模型中的多个所述节点组成的子集，且，所述子集内的任意两个节点之间具有连接线，以及，所述子集并非所述原始概率图模型中所述节点组成的其余子集的真子集；

基于特征函数计算每个所述最大团的特征函数值；其中，所述特征函数值用于表征所述最大团内的多个所述节点之间的契合度。

5.根据权利要求2所述的企业信用评价方法，其特征在于，所述将所述训练样本集输入至原始概率图模型进行训练的步骤，包括：

将所述训练样本集输入至原始概率图模型进行训练，直至所述原始概率图模型的损失函数收敛，完成所述训练过程，得到所述概率图模型。

6.根据权利要求5所述的企业信用评价方法，其特征在于，所述方法还包括：

根据下式计算所述原始概率图模型的损失函数：

其中，MSE表示所述损失函数，y_i表示第i个所述企业训练样本的企业信用真实值，表示第i个所述企业训练样本的信用标注值，n表示所述训练供应链中所述企业训练样本的数量。

7.一种企业信用评价装置，其特征在于，所述装置包括：

获取模块，用于获取待评价企业的特征信息；其中，所述特征信息包括维度指标以及每个所述维度指标对应的企业数据；所述维度指标包括以下至少之一：总订单完成率、成本利润率、产品质量合格率、准时交货率、订单管理成本、库存成本和通讯成本；

评价模块，用于将所述特征信息输入至预先训练好的概率图模型，以使所述概率图模型根据所述特征信息输出所述待评价企业的信用值；其中，所述概率图模型为基于供应链中企业关系训练得到。

8.根据权利要求7所述的企业信用评价装置，其特征在于，所述概率图模型的训练过程如下：

获取训练样本集；其中，所述训练样本集包括训练供应链中多个企业训练样本，以及每个所述企业训练样本的训练特征信息；且，至少部分所述企业训练样本还标注有信用标注值；

将所述训练样本集输入至原始概率图模型进行训练，以得到所述概率图模型。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-6任一项所述的企业信用评价方法的步骤。

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程序，所述计算机程序被处理器运行时执行上述权利要求1-6任一项所述的企业信用评价方法的步骤。