(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111545206.9 (22)申请日 2021.12.15 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 韦东杰　贾国琛　胡茜　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 代理人 王文思 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06F 16/36(2019.01) G06K 9/62(2022.01) (54)发明名称 企业风险预测方法、 装置、 电子设备、 介质和 程序产品 (57)摘要 本公开提供了一种基于知识图谱的企业风 险预测方法、 装置、 电子设备、 介质和计算机程序 产品。 上述方法和装置可用于大数据和人工智能 技术领域。 所述方法包括： 根据实验数据训练风 险预测模型， 得到映射关系； 获取企业数据； 根据 所述企业数据构建知识图谱； 确定目标节点， 所 述目标节 点为风险预测的预测对象； 确定风险预 测指标； 以及将所述目标节点和所述风险预测指 标输入所述风险预测模型， 根据所述映射关系得 到所述目标节点的风险预测结果。 权利要求书3页 说明书13页 附图5页 CN 114154752 A 2022.03.08 CN 114154752 A 1.一种基于知识图谱的企业 风险预测方法， 其特 征在于， 包括： 根据实验数据训练风险预测模型， 得到映射关系， 其中， 所述实验数据包括实验节点和 历史风险预测指标， 所述映射关系包括所述实验节点与所述历史风险预测指标的关系， 所 述历史风险预测指标包括所述实验节点的历史一度关联节点是否为 失信企业， 和所述实验 节点是否属于第一 风险交易圈中的企业； 获取企业数据， 其中， 所述企业数据包括企业信息和企业交易信息； 根据所述企业数据构建知识图谱， 其中， 所述知识图谱包括第一节点和第 一边， 所述第 一节点根据所述企业信息构建， 所述第一 边根据所述企业交易信息构建； 确定目标节点， 所述目标节点 为风险预测的预测对象； 确定风险预测指标， 其中， 所述风险预测指标包括所述目标节点的一度关联节点是否 为失信企业， 和所述 目标节点是否属于第一风险交易圈中的企业， 所述一度关联节点为与 所述目标节点具有所述第一边的邻居节点， 所述第一风险交易圈为由一个第一节点发起， 并最终回到该第一节点的闭环交易关系； 以及 将所述目标节点和所述风险预测指标输入所述风险预测模型， 根据所述映射关系得到 所述目标节点的风险预测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述企业信 息包括企业名称、 企业法人、 法 人身份证号、 企业电话 号码和经 营地址中的至少一个。 3.根据权利要求2所述的方法， 其特征在于， 所述知识图谱还包括第二边， 所述第二边 为两个所述第一节点之间的双向有向边， 所述两个所述第一节点为所述企业法人、 所述法 人身份证号、 所述企业电话 号码和所述经 营地址中至少一个相同的两节点。 4.根据权利要求1所述的方法， 其特 征在于， 所述企业交易信息包括： 担保企业名称、 被担保企业名称和所述担保企业名称与 所述被担保企业名称之间的担 保事件； 以及 投资企业名称、 被投资企业名称和所述投资企业名称与 所述被投资企业名称之间的投 资事件， 其中， 所述第 一边为从所述担保企业名称指向所述被担保企业名称的单向有向边， 和/ 或所述第一 边为从所述投资企业名称指向所述被投资企业名称的单向有向边。 5.根据权利要求 4所述的方法， 其特 征在于， 所述第一 风险交易圈包括担保圈。 6.根据权利要求1所述的方法， 其特 征在于， 所述历史风险预测指标还包括所述实验节点的历史二度关联节点是否为失信企业， 所 述历史二度关联节点 为与所述历史一度关联节点具有所述第三 边的邻居节点； 以及 所述风险预测指标还包括所述目标节点的二度关联节点是否为失信企业， 所述二度关 联节点为与所述 一度关联节点具有所述第一 边的邻居节点。 7.根据权利要求6所述的方法， 其特 征在于， 所述历史风险预测指标还包括所述实验节点的历史三度关联节点是否为失信企业， 所 述历史三度关联节点 为与所述历史二度关联节点具有所述第三 边的邻居节点； 以及 所述风险预测指标还包括所述目标节点的三度关联节点是否为失信企业， 所述三度关 联节点为与所述 二度关联节点具有所述第一 边的邻居节点。 8.根据权利要求1所述的方法， 其特征在于， 所述风险预测指标还包括： 机构类别、 经营权　利　要　求　书 1/3 页 2 CN 114154752 A 2期限、 业务范围类型、 从业人数、 资产金额、 负债金额、 检查行为数量、 注册 地址、 经营地址历 史变更数量、 检查形式种类数量、 检查类别去重数量、 检查日期频次、 企业出资金额、 股权变 更信息和企业信用信息中的至少一个。 9.根据权利要求1 ‑8中任一项所述的方法， 其特征在于， 所述根据实验数据训练风险预 测模型， 得到映射关系包括： 获取企业历史数据， 其中， 所述企业历史数据包括企业历史信息和企业历史 交易信息； 根据所述企业历史数据构建知识图谱， 其中， 所述知识图谱包括第二节点和第 三边， 所 述第二节点 根据所述企业历史信息构建， 所述第三 边根据所述企业历史 交易信息构建； 标记实验节点， 所述实验节点 为被列为失信企业的所述企业历史信息对应的节点； 确定历史风险预测指标， 其中， 所述历史风险预测指标包括所述实验节点的历史一度 关联节点是否为失信企业， 和所述实验节点是否属于第二风险交易圈中的企业， 所述历史 一度关联节点为与所述实验节点具有 所述第三边的邻居节点， 所述第二风险交易圈为由一 个第二节点发起， 并最终回到该第二节点的闭环交易关系； 以及 根据所述实验节点和所述历史风险预测指标训练风险预测模型， 得到映射关系。 10.一种基于知识图谱的企业 风险预测装置， 其特 征在于， 包括： 训练模块， 所述训练模块用于执行根据实验数据训练风险预测模型， 得到映射关系， 其 中， 所述实验数据包括实验节点和历史风险预测指标， 所述映射关系包括所述实验节点与 所述历史风险预测指标的关系， 所述历史风险预测指标包括所述 实验节点的历史一度关联 节点是否为失信企业， 和所述实验节点是否属于第一 风险交易圈中的企业； 获取模块， 所述获取模块用于执行获取企业数据， 其中， 所述企业数据包括企业信 息和 企业交易信息； 构建模块， 所述构建模块用于执行根据 所述企业数据构建知识图谱， 其中， 所述知识图 谱包括第一节点和第一边， 所述第一节点根据所述企业信息构建， 所述第一边根据所述企 业交易信息构建； 第一确定模块， 所述第一确定模块用于执行确定目标节点， 所述目标节点为风险预测 的预测对象； 第二确定模块， 所述第二确定模块用于执行确定风险预测指标， 其中， 所述风险预测指 标包括所述目标节点的一度关联节点是否为 失信企业， 和所述目标节点是否属于第一风险 交易圈中的企业， 所述一度关联节点为与所述 目标节点具有所述第一边的邻居节点， 所述 第一风险交易圈为由一个第一节点发起， 并最终回到该第一节点的闭环交易关系； 预测模块， 所述预测模块用于执行将所述目标节点和所述风险预测指标输入所述风险 预测模型， 根据所述映射关系得到所述目标节点的风险预测结果。 11.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 一个或多个存储器， 用于存储可执行指令， 所述可执行指令在被所述处理器执行时， 实 现根据权利要求1～ 9中任一项所述的方法。 12.一种计算机可读存储介质， 其特征在于， 所述存储介质上存储有可执行指令， 该指 令被处理器执行时实现根据权利要求1～ 9中任一项所述的方法。 13.一种计算机程序产品， 其特征在于， 包括计算机程序， 所述计算机程序包括一个或权　利　要　求　书 2/3 页 3 CN 114154752 A 3