(19)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 202211142873.7 (22)申请日 2022.09.20 (71)申请人 建信金融科技有限责任公司 地址 200120 上海市浦东 新区自由贸易试 验区银城路9 9号12层、 15层 (72)发明人 马宁亚　林廷懋　 (74)专利代理 机构 北京润平知识产权代理有限 公司 11283 专利代理师 陈姝婧 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/02(2012.01) G06F 16/901(2019.01) G06F 16/36(2019.01) G06N 5/02(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 用于预测企业 风险的方法、 装置及存 储介质 (57)摘要 本申请实施例提供一种用 于预测企业风险 的方法、 装置及存储介质。 该方法包括： 获取风险 预测场景的初始事理图谱； 将初始事理图谱中的 事件嵌入预训练模型， 以得到结合了预定义图信 息的事件表 示矩阵； 根据事件表 示矩阵中任意两 个事件之间的隐藏关系更新初始事理图谱的邻 接矩阵， 以得到目标事理图谱； 在目标事理图谱 中对目标风险事件进行搜索， 以得到目标风险事 件的相关子图； 将相关子图重新输入预训练模 型， 以得到与目标风险事件对应的相关事件； 根 据目标风险事件和相关事件进行风险预测。 本申 请在挖掘隐藏关系 时考虑了预定义矩 阵的邻接 矩阵以及不同节点的不同重要程度， 使得企业风 险的预测模型的效果较好且 泛化能力较高。 权利要求书2页 说明书15页 附图3页 CN 115526390 A 2022.12.27 CN 115526390 A 1.一种用于预测企业 风险的方法， 其特 征在于， 所述方法包括： 获取风险预测场景的初始事理图谱； 将所述初始事理图谱中的事件嵌入预训练模型， 以得到结合了预定义图信 息的事件表 示矩阵； 根据所述事件表示矩阵中任意两个事件之间的隐藏关系更新所述初始事理图谱的邻 接矩阵， 以得到目标事理图谱； 在所述目标事理图谱中对目标风险事件进行搜索， 以得到所述目标风险事件的相关子 图； 将所述相关子图重新输入所述预训练模型， 以得到与 所述目标风险事件对应的相关事 件； 根据所述目标风险事 件和所述相关事 件进行风险预测。 2.根据权利要求1所述的方法， 其特征在于， 所述获取风险预测场景的初始事理图谱包 括： 从原始金融语料中抽取风险事 件和风险事 件元素； 对所述风险事件的因果关系进行抽取， 以确定所述 风险事件之间的关系； 根据所述风险事件、 所述风险事件的元素以及所述风险事件之间的关系构建所述风险 预测场景的初始事理图谱。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述初始事理图谱中的事件进行嵌 入预训练模型， 以得到结合了预定义图信息的事 件表示矩阵包括： 将所述初始事理图谱中的事 件输入至所述预训练模型， 以得到初始事 件表示矩阵； 将所述初始事件表示矩阵与 预定义邻 接矩阵结合， 以得到结合了预定义邻 接矩阵信 息 的事件表示矩阵； 从所述结合了预定义邻 接矩阵信 息的事件表示矩阵选取所述事件的预定义相关信 息， 以得到结合了预定义图信息的事 件表示矩阵。 4.根据权利要求3所述的方法， 其特征在于， 所述结合了预定义图信 息的事件表示矩阵 满足公式(1)： Hsi*＝LayerNorm(E(u)*+Hsi)； (1) 其中， Hsi*为所述结合了预定义图信息的事件表示矩阵， E(u)*为与事件si相关的事件图 信息， Hsi为所述预训练模型的第si层的隐状态。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述事件表示矩阵中任意两个事 件之间的隐藏关系更新所述初始事理图谱的邻接矩阵， 以得到目标事理图谱 包括： 确定所述事 件表示矩阵中任意两个事 件之间的相关性； 根据所述事 件表示矩阵中任意两个事 件之间的相关性确定隐藏关系矩阵； 通过门机制将预定义矩阵和所述隐藏关系矩阵进行融合， 以得到目标邻接矩阵； 根据所述目标邻接矩阵更新所述初始事理图谱， 以得到所述目标事理图谱。 6.根据权利要求5所述的方法， 其特 征在于， 所述目标邻接矩阵满足 公式(2)： A*＝Ur*A+(1‑Ur)*E；  (2) 其中， A*为所述目标邻接矩阵， Ur为门机制， A为所述预定义矩阵， E为所述隐藏关系矩 阵。权　利　要　求　书 1/2 页 2 CN 115526390 A 27.根据权利要求1所述的方法， 其特征在于， 所述在所述目标事理图谱中对目标风险事 件进行搜索， 以得到所述目标风险事 件的相关子图包括： 通过BM25算法确定所述目标事理图谱中任意事件与所述目标风险事件的相似度， 以得 到锚点事 件； 通过广度优先算法， 确定所述锚点事 件在所述目标事理图谱的证据事 件； 将所述目标风险事件、 所述锚点事件和所述证据事件根据因果关系进行连接， 以得到 所述目标风险事 件的相关子图； 其中， 所述目标风险事 件包括目标 前提事件和目标猜想事 件。 8.根据权利要求1所述的方法， 其特征在于， 所述将所述相关子图重新输入所述预训练 模型， 以得到与所述目标风险事 件对应的相关事 件包括： 将所述相关子图中的事 件节点进行编码， 以得到事 件序列； 将所述事 件序列输入至所述预训练模型， 以得到事 件的表示向量序列； 将所述表示向量序列确定为所述目标风险事 件对应的相关事 件。 9.根据权利要求8所述的方法， 其特征在于， 所述根据所述相关事件对所述目标风险事 件进行风险预测包括： 将所述表示向量序列输入双层注意机制的图注意力模型， 以得到所述事件节点的实体 表示； 将所述事件节点的实体表示输入预测器， 以确定所述目标风险事件与对应的相关事件 构成因果关系的预测概 率； 根据所述预测概 率确定所述目标风险事 件的评分。 10.一种用于预测企业 风险的装置， 其特 征在于， 包括： 存储器， 被配置成存 储指令； 以及 处理器， 被配置成从所述存储器调用所述指令以及在执行所述指令时能够实现根据权 利要求1至9中任一项所述的用于预测企业 风险的方法。 11.一种机器可读存储介质， 其特征在于， 该机器可读存储介质上存储有指令， 该指令 在被处理器执行时使得所述处理器被配置成执行根据权利要求1至9中任一项所述的用于 预测企业 风险的方法。 12.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序在被处理器 执行时实现根据权利要求1至9中任一项所述的用于预测企业 风险的方法。权　利　要　求　书 2/2 页 3 CN 115526390 A 3