[发明专利]一种基于知识图谱的可视化企业风险评估方法

说明书

本发明公开了一种基于知识图谱的可视化企业风险评估方法，对非结构化信息进行收集，对企业的发展和信誉风险评估有着重要作用，引入多维度考量将关联企业划分为集群，并从多维度来考量集群企业的风险评估，利用知识图谱可视化的展现各维度的信息指标，使用户得到更加清晰的多维度信息显示，包括：S1：对审计数据进行提取清洗，筛选出异常企业和正常企业；S2：对舆情信息进行挖掘检测，并从舆论维度评估风险系数；S3：建立企业集群，对单一企业进行信息评估时，利用当前企业信息并引入关联企业信息进行评估；S4：利用多层次权重设计模型对步骤S1、S2和S3获取的信息做权重设计，并利用知识图谱方式输出企业风险评估的可视化结果。

技术领域

本发明涉及风险评估，具体涉及一种基于知识图谱的可视化企业风险评估方法。

背景技术

知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。

企业风险与风险管理的概念，有负面影响的不确定事件，而风险管理是指企业通过一系列措施进行风险控制，以防止或减少此类不确定事件的发生的过程。

机器学习是一种能够赋予计算机等智能设备学习的能力以此让它完成直接编程无法完成的功能的方法。通过数据训练出模型，然后使用模型对非训练数据预测。目前，深度学习是机器学习中最主流的方法、是机器学习领域中一个新的研究方向，通过学习样本数据的内在规律和表示层次，在学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

自然语言处理(Natural Language Processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。

现有的方法存在以下问题：从数据结构方面：现有的方法常用结构化数据对企业风险进行评估，忽略了诸如舆情，评论情绪，用户对前景乐观程度等非结构化信息；从数据维度方面：现有的方法从单一企业维度考量，并未将企业与企业之间的联系，关联企业的财产状况，信誉等级等信息作为评价指标；从数据展现方面：现有的方法仅给出评分或风险评估系数，导致用户并不清楚系数的具体组成且输出显示不清晰。

发明内容

为了解决现有技术中的问题，本发明提出一种基于知识图谱的可视化企业风险评估方法，对非结构化信息进行收集，对企业的发展和信誉风险评估有着重要作用，引入了多维度考量将关联企业划分为集群，并从多维度来考量集群企业的风险评估，利用知识图谱的方式，可视化的展现了各维度的信息指标，使用户能够得到更加清晰的多维度信息显示。

为了实现以上目的，本发明提供了一种基于知识图谱的可视化企业风险评估方法，包括：

S1：对审计数据进行提取清洗，筛选出异常企业和正常企业；

S2：对舆情信息进行挖掘检测，并从舆论维度评估风险系数；

S3：建立企业集群，对单一企业进行信息评估时，利用当前企业信息并引入关联企业信息进行评估；