基于知识图谱的上市公司信用风险评估方法、系统及设备

技术领域

本发明涉及知识图谱技术领域，特别是涉及一种基于知识图谱的上市公司信用风险评估方法、系统及设备。

背景技术

对于信用风险评估的方法，传统的基于统计模型的方法已经无法满足越来越丰富的数据的分析需求。基于机器学习的模型和基于神经网络的模型获得了较好的实验结果但无法充分利用企业之间丰富的属性和关系信息。近年来，随着图神经网络的兴起，其在金融领域的应用也日渐增多，并且各种研究已经证明，企业间的关系信息在各种金融任务中，如股价预测、债务违约等发挥了重要作用，虽然图学习方法已经在金融领域得到了大量应用，但是现有的基于图神经网络的表示学习方法或是忽视了知识图谱中实体包含的信息，或是未考虑到知识图谱中可能存在的多重关系，因此无法直接应用于金融知识图谱。关于企业信用风险的研究方法还是主要集中在使用企业财务数据为基础，应用传统金融数据分析方法或简单的机器学习方法进行建模预测，并未考虑企业间丰富的关系信息以及相关实体的不同特征，具有一定局限性。

最近的研究表明，企业关系信息在股票预测、价值评估等金融类任务中提供了很大帮助。并且由于企业间的关系多样，因此企业关系网络是异构的，而知识图谱是表示异构网络很好的载体。知识图谱本质上是一个异构图，在金融知识图谱中的金融实体之间的金融活动被抽象为三元组的形式，参与金融活动的金融实体被表示为知识图谱中的节点，而金融活动被表示为边，金融实体和金融活动的丰富特征被表示为节点的不同属性。

金融知识图谱具有非常复杂的结构，涵盖了各种实体和关系，实体拥有大量的实体类别属性、数值属性等，比如行业、地区、注册资本、财务报表和股票行情数据等，边包含交易关系、担保关系、股东关系等，并且两个金融实体之间可能会同时存在多种关系，比如一个公司可以投资另一个公司并且与该公司有交易关系，这种现象可以称为多重关系，如何建模金融知识图谱中的多重关系是金融知识图谱表示学习模型的一个难点。

且现有的表示学习方法大多以零向量作为初始向量，忽略了不同实体和关系的特征，这可能会造成信息丢失问题。如何充分利用这些丰富且复杂的节点特征也是当前需要解决的问题。

发明内容

本发明的目的是提供一种基于知识图谱的上市公司信用风险评估方法、系统及设备，能够准确高效地完成上市公司的信用风险预测任务。

为实现上述目的，本发明提供了如下方案：

一种基于知识图谱的上市公司信用风险评估方法，包括：

获取多个目标实体和目标实体关系；所述目标实体为待进行信用风险评估的上市公司的实体，所述目标实体关系为两个所述目标实体之间的关系；

基于所有所述目标实体和所述目标实体关系构建待检知识图谱；所述待检知识图谱的一个初始节点对应一个所述目标实体，所述待检知识图谱的一条初始边对应一个所述目标实体关系；

基于所述待检知识图谱中各初始节点对应的目标实体的实体信息，确定各所述初始节点的最终嵌入；所述实体信息包括：属性值和属性类型；

利用GraphSMOTE，基于各初始节点的最终嵌入，对所述待检知识图谱进行扩展，得到待检增广图；所述待检增广图的一个增广节点对应一个所述目标实体或一个合成实体，所述待检增广图的一条增广边对应一个所述目标实体关系或一个合成实体关系；所述合成实体为对所述待检知识图谱进行扩展时新合成的节点对应的实体，所述合成实体关系为两个所述合成实体之间的关系；

利用信用风险预测模块，基于所述待检增广图中的各增广节点的最终嵌入，预测各增广节点对应的实体发生信用风险的概率；所述信用风险预测模块是利用训练用知识图谱中的各训练用节点对应实体的最终嵌入和对应实体发生信用风险的概率对图神经网络进行训练得到的。

可选地，基于所有所述目标实体和所述目标实体关系构建待检知识图谱，包括：

为各所述目标实体赋予实体id；

基于存在目标实体关系的两个目标实体的实体id和对应的目标实体关系构建三元组；

基于所有所述三元组构建待检知识图谱。

可选地，基于所述待检知识图谱中各初始节点对应的目标实体的实体信息，确定各所述初始节点的最终嵌入，包括：

对各所述初始节点对应的目标实体的实体信息进行编码，得到各初始节点对应的目标实体的属性嵌入；

基于所述待检知识图谱和各初始节点对应的目标实体的属性嵌入，确定对应初始节点的最终嵌入。

可选地，基于所述待检知识图谱和各初始节点对应的目标实体的属性嵌入，确定对应初始节点的最终嵌入，包括：

利用注意力机制，基于各所述初始节点对应的初始边和对应的各邻居初始节点的属性嵌入，确定对应初始节点的局部多关系嵌入；

确定所述待检知识图谱的拓扑图，并基于所述待检知识图谱的拓扑图，确定对应初始节点的全局结构特征嵌入；

基于各所述初始节点的局部多关系嵌入和全局结构特征嵌入，确定对应初始节点的最终嵌入。

可选地，利用注意力机制，基于各所述初始节点对应的初始边和对应的各邻居初始节点的属性嵌入，确定对应初始节点的局部多关系嵌入，包括：

将任一初始节点对应的目标实体确定为当前实体；

确定所述当前实体对应的各目标实体关系的权重；

基于所述当前实体对应的各目标实体关系的权重，对对应的邻居初始节点的属性嵌入进行加权聚合，得到所述当前实体对应的初始节点的局部多关系嵌入。

可选地，利用GraphSMOTE，基于各初始节点的最终嵌入，对所述待检知识图谱进行扩展，得到待检增广图，包括：

对所述待检知识图谱中的各初始节点进行插值，生成合成节点；一个所述合成节点对应一个所述合成实体；

基于各所述增广节点生成所述增广边，从而得到所述待检增广图。

一种基于知识图谱的上市公司信用风险评估系统，包括：

实体和关系获取模块，用于获取多个目标实体和目标实体关系；所述目标实体为待进行信用风险评估的上市公司的实体，所述目标实体关系为两个所述目标实体之间的关系；

知识图谱构建模块，用于基于所有所述目标实体和所述目标实体关系构建待检知识图谱；所述待检知识图谱的一个初始节点对应一个所述目标实体，所述待检知识图谱的一条初始边对应一个所述目标实体关系；

最终嵌入确定模块，用于基于所述待检知识图谱中各初始节点对应的目标实体的实体信息，确定各所述初始节点的最终嵌入；所述实体信息包括：属性值和属性类型；

扩展模块，用于利用GraphSMOTE，基于各初始节点的最终嵌入，对所述待检知识图谱进行扩展，得到待检增广图；所述待检增广图的一个增广节点对应一个所述目标实体或一个合成实体，所述待检增广图的一条增广边对应一个所述目标实体关系或一个合成实体关系；所述合成实体为对所述待检知识图谱进行扩展时新合成的节点对应的实体，所述合成实体关系为两个所述合成实体之间的关系；

预测模块，用于利用信用风险预测模块，基于所述待检增广图中的各增广节点的最终嵌入，预测各增广节点对应的实体发生信用风险的概率；所述信用风险预测模块是利用训练用知识图谱中的各训练用节点对应实体的最终嵌入和对应实体发生信用风险的概率对图神经网络进行训练得到的。

一种设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述设备执行上述所述的基于知识图谱的上市公司信用风险评估方法。

可选地，所述存储器为可读存储介质。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开了一种基于知识图谱的上市公司信用风险评估方法、系统及设备，首先，基于待进行信用风险评估的上市公司的所有目标实体和目标实体关系构建待检知识图谱；其次，基于待检知识图谱中各初始节点对应的目标实体的实体信息，确定各初始节点的最终嵌入；再次，利用GraphSMOTE，基于各初始节点的最终嵌入，对待检知识图谱进行扩展，得到待检增广图；最后，利用信用风险预测模块，基于待检增广图中的各增广节点最终嵌入，预测各增广节点对应的实体发生信用风险的概率，能够准确高效地完成上市公司的信用风险预测任务。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1提供的基于知识图谱的上市公司信用风险评估方法流程示意图；

图2为具体实施例提供的基于知识图谱的上市公司方信用风险预测模块的训练和使用的方法流程图；

图3为金融知识图谱数据预处理流程图；

图4为金融知识图谱表示学习模型框架图；

图5为属性编码器总体框架图；

图6为局部多重关系嵌入框架图；

图7为全局结构嵌入框架图；

图8为类不平衡处理流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于知识图谱的上市公司信用风险评估方法、系统及设备，旨在准确高效地完成上市公司的信用风险预测任务。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

图1为本发明实施例1提供的基于知识图谱的上市公司信用风险评估方法流程示意图。如图1所示，本实施例中的基于知识图谱的上市公司信用风险评估方法，包括：

步骤101：获取多个目标实体和目标实体关系。

其中，目标实体为待进行信用风险评估的上市公司的实体，目标实体关系为两个目标实体之间的关系。

步骤102：基于所有目标实体和目标实体关系构建待检知识图谱。

其中，待检知识图谱的一个初始节点对应一个目标实体，待检知识图谱的一条初始边对应一个目标实体关系。

作为一种可选的实施方式，步骤102，包括：

为各目标实体赋予实体id。

基于存在目标实体关系的两个目标实体的实体id和对应的目标实体关系构建三元组。

基于所有三元组构建待检知识图谱。

步骤103：基于待检知识图谱中各初始节点对应的目标实体的实体信息，确定各初始节点的最终嵌入。

其中，实体信息包括：属性值和属性类型。

作为一种可选的实施方式，步骤103，包括：

步骤1031：对各初始节点对应的目标实体的实体信息进行编码，得到各初始节点对应的目标实体的属性嵌入。

步骤1032：基于待检知识图谱和各初始节点对应的目标实体的属性嵌入，确定对应初始节点的最终嵌入。

作为一种可选的实施方式，步骤1032，包括：

利用注意力机制，基于各初始节点对应的初始边和对应的各邻居初始节点的属性嵌入，确定对应初始节点的局部多关系嵌入。

确定待检知识图谱的拓扑图，并基于待检知识图谱的拓扑图，确定对应初始节点的全局结构特征嵌入。

基于各初始节点的局部多关系嵌入和全局结构特征嵌入，确定对应初始节点的最终嵌入。

作为一种可选的实施方式，利用注意力机制，基于各初始节点对应的初始边和对应的各邻居初始节点的属性嵌入，确定对应初始节点的局部多关系嵌入，包括：

将任一初始节点对应的目标实体确定为当前实体。

确定当前实体对应的各目标实体关系的权重。

基于当前实体对应的各目标实体关系的权重，对对应的邻居初始节点的属性嵌入进行加权聚合，得到当前实体对应的初始节点的局部多关系嵌入。

步骤104：利用GraphSMOTE，基于各初始节点的最终嵌入，对待检知识图谱进行扩展，得到待检增广图。

其中，待检增广图的一个增广节点对应一个目标实体或一个合成实体，待检增广图的一条增广边对应一个目标实体关系或一个合成实体关系；合成实体为对待检知识图谱进行扩展时新合成的节点对应的实体，合成实体关系为两个合成实体之间的关系。

作为一种可选的实施方式，步骤104，包括：

对待检知识图谱中的各初始节点进行插值，生成合成节点；一个合成节点对应一个合成实体。

基于各增广节点生成增广边，从而得到待检增广图。

步骤105：利用信用风险预测模块，基于待检增广图中的各增广节点的最终嵌入，预测各增广节点对应的实体发生信用风险的概率。

其中，信用风险预测模块是利用训练用知识图谱中的各训练用节点对应实体的最终嵌入和对应实体发生信用风险的概率对图神经网络进行训练得到的。

具体实施例

如图2所示，具体实施例提供了基于知识图谱的上市公司的信用风险预测模块的训练和使用的方法，步骤如下：

步骤S1：从相关领域网站获取信用风险领域金融数据集并对获取的数据进行预处理。

如图3所示，金融知识图谱数据预处理包括：通过东方财富网站等相关网站爬取公司概况、经营分析、股东研究、公司大事、财务分析等相关数据得到信用风险领域金融数据集，再将信用风险领域金融数据集中的数据进行清洗和整合，得到满足需求的数据。其中，信用风险领域金融数据集中数据的种类包括：人物、公司、监管机构、行业、板块、产品、地点和学校8大类实体及实体相关数据，信用风险领域金融数据集包含80余万个实体和700余万条边，为所有实体赋予一个唯一的id，构建三元组，三元组为(头实体id，头实体与尾实体之间的关系名称，尾实体id)，三元组中的头实体和尾实体为信用风险领域金融数据集中的存在关系的两个实体，从而构建一个包含了附带丰富属性的多种类实体以及多重边的金融知识图谱。

步骤S1具体包括：

步骤S11：从东方财富等网站上爬取公司概况、经营分析、股东研究、公司大事、财务分析等相关数据。

首先确定需要获取的数据类型，包括公司概况、经营分析、股东研究、公司大事、财务分析等。再根据目标网站的页面结构和数据分布，使用合适的爬虫框架(如Scrapy)编写爬虫程序来自动化地获取相关数据。

步骤S12：将获取到的数据进行清洗和整合，得到满足需求的数据。

数据清洗：对爬取的原始数据进行清洗，包括去除重复数据、处理缺失值、修正格式错误等，确保数据的准确性和一致性。数据整合：将清洗后的数据按照所需的结构进行整合。根据实体和关系的定义，将不同数据之间的关联进行匹配和组合，形成一致的数据格式。

步骤S13：为所有实体赋予id，构建三元组，构建金融知识图谱。

首先根据需求，定义实体和关系的类别。涉及的实体包括人物、公司、监管机构、行业、板块、产品、地点和学校等，关系包括股东、交易、发行、担保等，对于每个实体，为其分配一个唯一的ID，以便在知识图谱中进行唯一标识和关联。再根据实体和关系的定义，将数据转化为三元组的形式，将清洗和整合后的数据按照这种形式进行组织和存储，构建一个包含实体和关系的知识图谱。对于每个实体，金融知识图谱还附加了其他属性信息，如实体的特征描述、关键指标、时间信息等。这些属性信息可以为进一步的分析和查询提供更多的上下文和详细信息。

知识图谱中包含了上海证券交易所的上证主板、中小板和深圳证券交易所的深证主板、科创板。产品分为服务产品、一般产品和股票、基金债券等金融产品。本具体实施例根据头实体和尾实体的类别定义了10余种关系大类，每种大类有包含不同数量的细分类别和属性，详见表1。

表1金融知识图谱类别划分表

步骤S2：引入实体和关系自身属性信息，并综合考虑全局结构特征和局部多关系特征，采用基于注意力机制的金融知识图谱表示学习模型对金融知识图谱进行学习。

为了能更好地利用金融知识图谱的特征，获得更准确的节点表示，本具体实施例首先引入实体自身属性信息，对节点特征进行编码作为模型的初始嵌入，并综合考虑全局结构特征和局部多关系特征对知识图谱进行学习。使用图卷积网络学习全局结构特征，通过关系上的注意力网络区分实体通过不同的关系传递的不同信息的重要性，通过学习到的权值将每个基于关系的特征进行聚合以生成节点嵌入表示，可以捕获各种类型的语义信息，并且能够有选择地聚合信息特征，以此解决金融知识图谱多关系建模问题。

如图4所示，金融知识图谱表示学习模型框架即步骤S2具体包括：

步骤S21：实体属性信息由于其复杂性、异构性和重要性不同而难以使用，然而忽略了这些属性信息，会造成实体表示语义精度缺失的问题。因此，本具体实施例考虑对属性类型和属性值分别进行编码。

如图5所示，步骤S21，具体包括：

步骤S211：属性类型编码模块。

首先统计实体属性类型的种类，然后为每个实体属性类型随机初始化一个嵌入作为每个实体属性类型的嵌入。由于每个实体具有不同数量的属性类型和属性值，因此采用零填充策略来统一实体属性类型和属性值的数量。

设一个实体有m个属性类型：A1＝(a

其中，A1为m个属性类型构成的向量；a

步骤S212：属性值字符编码模块。

选择双向长短记忆网络(Bi-directional Long-ShortTerm Memory，Bi-LSTM)从两个方向(前向和后向)分别学习属性字符之间的序列信息。用以下公式来定义Bi-LSTM单元：

其中，f

其中，i

其中，

其中，H

其中，o

h

其中，h

Bi-LSTM分为正向LSTM(FLSTM)和反向LSTM(BLSTM)。FLSTM从正向读取输入属性字符序列嵌入，BLSTM从反向读取字符序列嵌入。例如：FLSTM从左到右读取得到的属性值字符嵌入

其中，

训练开始前，将Bi-LSTM网络的初始状态全部设置为零向量，在读取第i个属性值中包含的所有字符的嵌入后，拼接两个方向LSTM网络的最终输出以生成第i个属性值的嵌入

根据一个实体对应的所有属性值的嵌入得到实体的属性值嵌入

步骤S22：在局部多重关系嵌入模块，知识图谱中的节点各种关系下的邻居实体的语义信息通过与实体相连的不同关系进行聚合，以获得节点的局部多关系嵌入。

如图6所示，步骤S22具体为：

对于实体的每类关系，将该类的关系向量与该类关系下的所有邻居实体向量拼接，之后与实体向量计算注意力系数。每种关系{r

其中，

计算注意力系数的方法包括：首先将关系r∈R的关系向量r

a

其中，W

在计算出每类关系的权重之后，可以对每类关系下的实体特征使用对应的权重进行加权聚合。最后聚合实体所有关系下的邻居节点的嵌入，得到每个实体的局部多关系嵌入：

其中，

其中，

步骤S23：全局结构嵌入模块通过对知识图谱的拓扑结构进行建模得到全局结构特征嵌入。

如图7所示，步骤S23具体为：

本具体实施例使用双层图卷积神经网络来获取知识图谱全局结构特征嵌入，图神经网络层GCN之间信息传递的公式为：

其中，

步骤S24：合并局部多关系嵌入与全局结构特征嵌入，得到实体的最终嵌入，得到最终嵌入。

其中，h

步骤S3：引入GraphSMOTE并在其基础上进行优化解决类不平衡问题，提出基于图学习的上市公司信用风险预测模型。

SMOTE作为一种经典的过采样方法，能够有效地缓解数据类不平衡等问题。但是直接将其应用于图数据并不能有好获得好的效果，因为原始的特征空间可能是稀疏、高维的，很难找到同类相似的节点，并且直接在实体原始的特征空间上生成新的少数类无法考虑到图本身的结构信息，并且生成的新节点与原图没有边，无法训练优化图分类器。而GraphSMOTE在SMOTE的基础上进行了扩展，使其能够在图上发挥作用，解决图上的类不平衡问题。故本具体实施例引入GraphSMOTE，并在其基础上进行优化，针对金融知识图谱异构、多关系的特点与上文提出的基于注意力机制的金融知识图谱表示学习模型相结合，提出了基于图学习的企业信用风险预测模型。

通过以上步骤获得节点包含属性信息和结构信息的特征向量之后，在新的特征空间中应用过采样方法获得新的少数类节点，并为他们生成边，这样生成的新的节点表示向量相比在原始特征空间中直接生成更加接近真实实体特征。

如图8所示，步骤S3，具体包括：

步骤S31：使用插值方法来生成新的节点，SMOTE的思想是在特征空间中的少数类的节点与其距离最近的同类样本之间进行插值。定义h

n＝argmin||h

其中，n为与节点v最近的同类邻居；h

h

其中，h

本具体实施例使用超参数和过采样尺度来控制少数类生成的样本数量。通过过采样过程，可以使类的数量分布更加平衡，使得分类器能够更好地学习少数类实体的信息，提高对发生信用风险的上市公司的预测效果。

步骤S32：获得了新的节点，但是生成的新节点与原始知识图谱是隔离的，它与原始节点集合之间并没有联系，因此还需要生成新的边来模拟节点之间可能存在的关系，使基于GNN的分类器能够有效地提取和传播特征。

训练一个边生成器来获得生成新的关系，它通过对真实节点和现有的边进行训练，预测新生成的节点的邻居信息。最终获得的包含新生成的节点和边的类平衡增广图将作为分类器的输入。边生成器定义公式为：

E

其中，E

其中，E为原始构建的金融知识图谱中的所有节点的集合V中节点之间的预测边；A为原始知识图谱的邻接矩阵，表示节点之间的真实边。将合成节点v'的预测边放入增广邻接矩阵(即合成节点的预测边与原始邻接矩阵A结合在一起的新邻接矩阵。增广邻接矩阵中，原始节点与原始节点之间的边保持不变，而新生成的节点与原始节点之间的边是由边生成器预测得到的。增广邻接矩阵包含了知识图谱中所有节点和边的信息)中，公式为：

其中，

步骤S4：将信用风险分析方法定义金融知识图谱上的节点分类问题，根据分类结果判断上市公司是否会发生信用风险。

本具体实施例通过特征提取模块获得了节点的特征表示，又经过类不平衡处理模块生成新的节点和边获得了发生信用风险公司与经营正常公司比例均衡的增广图

其中，

通过使用基于图神经网络的分类器对节点进行分类的结果，预测企业是否会发生信用风险。

通过训练好的信用风险预测模块进行预测获得预测发生信用风险的概率，并依据表2中提供的规则将其转换为对应的健康指数，通过健康指数得分为公司赋予相应的健康状态，以此判定企业是否会发生信用风险。

表2得分范围与健康状态对应表

实施例2

本实施例中的基于知识图谱的上市公司信用风险评估系统，包括：

实体和关系获取模块，用于获取多个目标实体和目标实体关系；目标实体为待进行信用风险评估的上市公司的实体，目标实体关系为两个目标实体之间的关系。

知识图谱构建模块，用于基于所有目标实体和目标实体关系构建待检知识图谱；待检知识图谱的一个初始节点对应一个目标实体，待检知识图谱的一条初始边对应一个目标实体关系。

最终嵌入确定模块，用于基于待检知识图谱中各初始节点对应的目标实体的实体信息，确定各初始节点的最终嵌入；实体信息包括：属性值和属性类型。

扩展模块，用于利用GraphSMOTE，基于各初始节点的最终嵌入，对待检知识图谱进行扩展，得到待检增广图；待检增广图的一个增广节点对应一个目标实体或一个合成实体，待检增广图的一条增广边对应一个目标实体关系或一个合成实体关系；合成实体为对待检知识图谱进行扩展时新合成的节点对应的实体，合成实体关系为两个合成实体之间的关系。

预测模块，用于利用信用风险预测模块，基于待检增广图中的各增广节点的最终嵌入，预测各增广节点对应的实体发生信用风险的概率；信用风险预测模块是利用训练用知识图谱中的各训练用节点对应实体的最终嵌入和对应实体发生信用风险的概率对图神经网络进行训练得到的。

实施例3

一种设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使设备执行实施例1中的基于知识图谱的上市公司信用风险评估方法。

作为一种可选的实施方式，存储器为可读存储介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。