用于识别风险企业的方法、风险企业的识别方法和装置与流程

本申请涉及人工智能、金融科技领域或其他相关领域，尤其涉及用于识别风险企业的方法、风险企业的识别方法和装置。

背景技术：

1、在商业银行防控信贷逾期等风险场景中，需要识别潜在违约企业，以便于提前采取措施，减少因信贷逾期所带来的损失。其中，潜在违约企业也可以称为风险企业，即存在信贷业务且可能会信贷逾期的企业。

2、商业银行识别风险企业的一种方法如下：风险识别系统使用图神经网络基于企业的业务信息来识别该企业是否为风险企业。

3、然而，上述方法中，风险识别系统准确率较低。

技术实现思路

1、本申请提供一种用于识别风险企业的方法、风险企业的识别方法和装置，用以解决时间和资源消耗较大的技术问题。

2、第一方面，本申请提供一种用于识别风险企业的方法，应用于训练装置，包括：获取n个企业中每个企业的特征信息和每个企业的真实标签，每个企业的特征信息包括每个企业的业务信息和关联信息，每个企业的关联信息用于指示每个企业关联的企业，每个企业的真实标签用于指示每个企业是否为风险企业，n为大于1的整数；根据n个企业中每个企业的业务信息和关联信息确定第一企业特征矩阵和企业邻接矩阵；根据第一企业特征矩阵、企业邻接矩阵及n个企业的真实标签，对量子神经网络进行训练，得到目标量子神经网络，目标量子神经网络用于基于m个企业的特征信息输出m个企业的目标特征信息，量子神经网络包括依次相连的输入层、数据处理层和测量解码层，数据处理层包括带参的单比特旋转量子门和/或多比特旋转量子门，m为正整数，目标特征信息用于识别m个企业是否为风险企业。

3、该方法中，利用了企业的关联信息来训练用于识别风险企业的神经网络，可以使得训练得到的神经网络可以充分利用风险企业的传播路径来识别风险企业，从而可以提高风险企业的识别准确率；另外，本申请训练的是量子神经网络，基于量子神经网络自身的特性，可以提高风险企业的识别准确率。

4、第二方面，本申请提供一种风险企业的识别方法，应用于识别装置，该方法包括用于实现第一方面或其中任意一种可能的实现方式中的方法。

5、第三方面，本申请提供一种用于识别风险企业的训练装置，该装置可以包括用于实现第一方面中的方法的各个功能模块。例如，该装置包括获取模块、处理模块。

6、例如，获取模块，用于获取n个企业中每个企业的特征信息和每个企业的真实标签，每个企业的特征信息包括每个企业的业务信息和关联信息，每个企业的关联信息用于指示每个企业关联的企业，每个企业的真实标签用于指示每个企业是否为风险企业，n为大于1的整数，或者说，每个企业的真实标签用于指示企业为风险企业还是为正常企业；

7、处理模块，用于根据n个企业中每个企业的业务信息和关联信息确定企业特征矩阵和企业邻接矩阵；

8、处理模块还用于根据企业特征矩阵、企业邻接矩阵以及n个企业的真实标签，对量子神经网络进行训练，得到目标量子神经网络，目标量子神经网络用于基于多个企业的特征信息输出多个企业的目标特征信息，利用目标特征信息识别企业是否为风险企业。

9、在一些实现方式中，这些模块可以通过软件和/或硬件的方式来实现。例如，获取模块可用收发器来实现，处理模块可以通过处理器执行存储器中存储的程序代码来实现。可选地，还可以包括存储器。

10、第四方面，本申请提供一种风险企业的识别装置，该装置可以包括用于实现第二方面中的方法的各个功能模块。例如，该装置包括图结构建模模块、图表示学习模块、图量子神经网络模块和识别模块。

11、例如，图结构建模模块，用于将获取到的企业特征信息转化为企业特征矩阵和企业邻接矩阵，以及特征矩阵和邻接矩阵对应的图结构；

12、图结构建模模块还用于将获取到的企业特征信息来训练神经网络，该企业特征信息指的是每个企业的业务信息和关联信息；

13、图表示学习模块，用于在维持企业特征向量信息不减少的情况下，将高维特征矩阵处理成低维特征矩阵；

14、图量子神经网络模块，用于将低维特征矩阵作为训练神经网络参数，以获取目标量子神经网络，从而得到多个企业的目标特征。

15、识别模块，用于根据目标特征识别企业的风险事件，计算企业的风险概率以确定企业的风险性。

16、第五方面，本申请提供一种用于风险企业识别的训练装置，包括：处理器，以及与处理器通信连接的存储器；

17、存储器存储计算机执行指令；处理器执行存储器存储的计算机执行指令，以实现第一方面或第二方面中提供的方法。

18、第六方面，本申请提供了一种计算机可读存储介质，该计算机可读介质存储用于装置执行的程序代码，该程序代码包括用于实现第一方面或第二方面中的方法的指令。

19、第七方面，本申请提供一种包含指令的计算机程序产品，当该计算机程序产品在装置上运行时，使得该装置实现第一方面或第二方面中的方法。

20、本申请提供的用于识别风险企业的方法、风险企业的识别方法和装置，通过量子神经网络手段，实现提高企业风险识别效率效果，还可以提高神经网络的训练效率和减少训练资源。

技术特征：

1.一种用于识别风险企业的方法，其特征在于，应用于训练装置，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述n个企业中每个企业的业务信息和关联信息确定第一企业特征矩阵和企业邻接矩阵，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一企业特征矩阵和企业邻接矩阵以及所述n个企业的真实标签，对量子神经网络进行训练，包括：

4.根据权利要求3所述的方法，其特征在于，所述使用所述第三企业特征矩阵以及所述n个企业的真实标签，对量子神经网络进行训练，包括：

5.根据权利要求4所述的方法，其特征在于，所述量子神经网络还包括输入层和测量解码层，在所述输入层和所述数据处理层之间还包括数据编码层，所述数据编码层包括带参的单比特旋转量子门。

6.根据权利要求5所述的方法，其特征在于，所述数据编码层中的单比特旋转量子门的参数与所述数据处理层中包含的单比特旋转量子门的参数进行复用。

7.一种风险企业的识别方法，其特征在于，应用于识别装置，包括：

8.一种用于识别风险企业的训练装置，包括：

9.一种风险企业的识别装置，包括：

10.一种用于风险企业识别的训练装置，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

11.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。

技术总结
本申请提供一种用于识别风险企业的方法、风险企业的识别方法和装置，涉及人工智能、金融科技领域或其他相关领域。该方法包括：获取每个企业的特征信息和每个企业的真实标签，根据每个企业的特征信息确定企业特征矩阵和企业邻接矩阵，利用企业特征矩阵、企业邻接矩阵以及每个企业的真实标签，对量子神经网络进行训练，得到目标量子神经网络，该量子神经网络包括数据处理层；利用目标量子神经网络对多个企业的特征信息输出多个企业的目标特征信息，该目标特征信息用于识别多个企业是否为风险企业。本申请的方法，可以提高企业风险识别效率。

技术研发人员：赵绍梅
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/1/25