[发明专利]供应链关系构建和预测方法、装置、设备、存储介质

说明书

本申请实施例公开了一种供应链关系构建和预测方法、装置、设备、存储介质，该方法通过获取目标企业与多个供应链企业的包括业务往来的时序信息的业务往来数据，并根据预设本体模型以及所述业务往来数据，以每个供应链企业为实体节点构建知识图谱，获得各供应链企业的时态知识底层图谱；在对各供应链企业的时态知识底层图谱进行以本体对齐的知识融合，获得包含所述目标企业供应链关系的时态知识图谱。解决了现有技术中构建的供应链关系维度少，准确率低的技术问题，大大的丰富了供应链企业的关系链，大大提高了构建的供应链关系的准确率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种供应链关系构建和预测方法、装置、设备、存储介质。

背景技术

在供应链体系下，核心企业、中心企业、物流、仓储等多节点因为贸易关系而产生链接关系。目前，在供应链关系构建和挖掘时，学术上和商业应用大多集中在供应商关系管理，站在核心企业的角度，根据已知的供应链关系来对上游供应商进行信息管理和风险管理，更多围绕在企业的直接上下游。这种供应链构建方式无法挖掘潜在的供应链关系，构建的供应链关系准确率低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本申请实施例提供了一种供应链关系构建和预测方法、装置、设备、存储介质，丰富了供应链企业的关系链，提高了构建的供应链关系的准确率。

一方面，本申请实施例提供了一种供应链关系构建方法，包括：

获取目标企业与多个供应链企业的业务往来数据，所述业务往来数据中包括业务往来的时序信息；

根据预设本体模型以及所述业务往来数据，以每个供应链企业为实体节点构建知识图谱，获得各供应链企业的时态知识底层图谱；

对各供应链企业的时态知识底层图谱进行以本体对齐的知识融合，获得包含所述目标企业供应链关系的时态知识图谱。

可选地，在所述根据预设本体模型以及所述业务往来数据，以每个供应链企业为实体节点构建知识图谱，获得各供应链企业的时态知识底层图谱之前，还包括：

构建知识图谱的本体模型，获得所述预设本体模型，所述预设本体模型中包括企业实体属性和企业贸易属性。

可选地，所述企业实体属性包括实体；所述根据预设本体模型[A1]以及所述业务往来数据，以每个供应链企业为实体节点构建知识图谱，获得各供应链企业的时态知识底层图谱，包括：

将所述业务往来数据与所述实体对齐，获得对齐业务往来数据；

将所述对齐业务往来数据转换为符合知识图谱结构的图数据；

根据预设本体模型以及所述图数据，以每个供应链企业为实体节点构建知识图谱，获得各供应链企业的时态知识底层图谱。

可选地，在所述将所述业务往来数据与所述实体对齐，获得对齐业务往来数据之前，还包括：

根据所述企业实体属性和所述企业贸易属性，对所述业务往来数据进行校验，获得校验业务往来数据；

所述将所述业务往来数据与所述实体对齐，获得对齐业务往来数据，包括：

将所述校验业务往来数据与所述实体对齐，获得对齐业务往来数据。

再一方面，本申请实施例提供了一种供应链关系预测方法，包括：

基于前述的包含所述目标企业供应链关系的时态知识图谱，获得包含时间序列的企业关系向量；

对所述企业关系向量进行特征提取，获得企业关系特征；

将所述企业关系特征输入神经网络模型进行训练，获得所述目标企业的供应链关系预测信息。

可选地，所述神经网络模型为长短期记忆人工神经网络LSTM模型；

所述对所述企业关系向量进行特征提取，获得企业关系特征，包括：