CN114328949B 一种基于知识图谱的企业风险传导分析方法和装置 （德邦证券股份有限公司）

一种基于知识图谱的企业风险传导分析方本申请公开了一种基于知识图谱的企业风险传导分析方法和装置。其中，使用爬虫框架型RoBERTa对风险事件资讯进行风险性及情感性库Neo4j对风险发生企业的特定关系进行链路穿部门对关注标的公司的订阅需求以及风险类别2舆情爬虫步骤，使用爬虫工具从互联网获取新闻结构化数据，对风险传导计算步骤，使用CatBoost模型来预测所述主体穿透关风险事件对目标企业在该风险事件发生后股价变动风险预警推送步骤，根据业务部门对关注标的公司的订阅需求以及风险类别的选择，;通过使用Python的Web抓取框架Scrapy，每天定时从主流财经网站及财经公众号获取所述根据关注标的池的企业名单，和所述新闻结构化数据，进行情将资讯标题提升权重并与其正文文本结合作为分类推理的输入项，使用RoBERTa模型3所述CatBoost模型使用的特征包括节点特点、风险事件特征、链其他组合特征包含各类对基础标签进行高阶组合计算舆情爬虫模块，使用爬虫工具从互联网获取新闻结构化数据，对风险传导计算模块，使用CatBoost模型来预测所述主体穿透关风险事件对目标企业在该风险事件发生后股价变动风险预警推送模块，根据业务部门对关注标的公司的订阅需求以及风险类别的选择，;4通过使用Python的Web抓取框架Scrapy，每天定时从主流财经网站及财经公众号获取第一存储器，与所述第一处理器连接，用于为所述第一处理舆情爬虫步骤，使用爬虫工具从互联网获取新闻结构化数据，对风险传导计算步骤，使用CatBoost模型来预测所述主体穿透关风险事件对目标企业在该风险事件发生后十天内股价变动风险预警推送步骤，根据业务部门对关注标的公司的订阅需求以及风险类别的选择，;5的方式分析风险源的影响范围，设计层次权重衰减算法计算多层内邻居节点的风险因子，[0004]传统的风险传导分析需要耗费较高的人力去分析关注标的的各类关联关系及上发生各类风险事件时如何更好地定位风险类别及预测风险事件传述企业知识图谱由节点和关系组成；根据关注标的池的企业清单及业务部门订阅关系类6[0015]通过使用Python的Web抓取框架Scrapy，每天定时从主流财经网站及财经公众号[0017]将资讯标题提升权重并与其正文文本结合作为分类推理的输入项，使用RoBERTa7述企业知识图谱由节点和关系组成；根据关注标的池的企业清单及业务部门订阅关系类述企业知识图谱由节点和关系组成；根据关注标的池的企业清单及业务部门订阅关系类发生风险事件对目标企业在该风险事件发生基于增加反向链接索引的知识图谱图数据库Neo4j对风险发生企业的特定关系进行链路穿[0052]图2是根据本公开实施例1所述的一种用于实现基于知识图谱的企业风险传导分8[0053]图3是根据本公开实施例1的第一个方面所述的一种用于实现基于知识图谱的企[0054]图4是根据本公开实施例2的第一个方面所述的一种用于实现基于知识图谱的企[0055]图5是根据本公开实施例2的第二个方面所述的一种用于实现基于知识图谱的企[0058]本申请采用一种基于知识图谱的风险传导分析方法，通过预训练舆情模型RoBERTa对风险事件进行风险性及情感性标注，基于增加反向链接索引的知识图谱图数据计算设备中执行。图1示出了一种用于实现基于知识图谱的企业风险传导分析方法的计算9[0062]应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可图谱的企业风险传导分析方法对应的程序指令/数据存储装置，处理器通过运行存储在存设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器[0065]显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与[0067]图2是根据本实施例所述的一种用于实现基于知识图谱的企业风险传导分析系统系统中的一种用于实现基于知识图谱的企业风险传导分析方法的计算设备200均可适用上图谱的企业风险传导分析方法，该方法由图2中所示的一种用于实现基于知识图谱的企业[0070]通过使用Python的Web抓取框架Scrapy，每天定时从主流财经网站及财经公众号[0075]舆情语义分析步骤将资讯标题提升权重并与其正文文本结合作为分类推理的输分析时间。[0084]风险传导计算步骤使用CatBoost模型来预测主体穿透关系链路上某一节点发生风险事件对目标企业在该风险事件发生后十天内股价变动[0085]CatBoost模型通过历史链路起始节点发生各类风险事件来预测十天后链路上的XGBoost和LightGBM在算法准确率等方面表现更[0086]CatBoost是一种基于对称决策树(ObliviousTrees)为基学习器实现的参数较[0098]模型参数调优使用GridSearchCV进行自动搜索最优参数，相关调优参数罗列如基于增加反向链接索引的知识图谱图数据库Neo4j对风险发生企业的特定关系进行链路穿[0111]图4示出了根据本实施例的第一个方面所述的基于知识图谱的企业风险传导分析[0113]通过使用Python的Web抓取框架Scrapy，每天定时从主流财经网站及财经公众号模块进行情感性和风险事件标签的识别。[0118]舆情语义分析模块将资讯标题提升权重并与其正文文本结合作为分类推理的输分析时间。[0127]风险传导计算模块使用CatBoost模型来预测主体穿透关系链路上某一节点发生风险事件对目标企业在该风险事件发生后十天内股价变动[0128]CatBoost模型通过历史链路起始节点发生各类风险事件来预测十天后链路上的[0140]模型参数调优使用GridSearchCV进行自动搜索最优参数，相关调优参数罗列如[0146]此外，图5示出了根据本实施例的第二个方面所述的基于知识图谱的企业风险传述企业知识图谱由节点和关系组成；根据关注标的池的企业清单及业务部门订阅关系类发生风险事件对目标企业在该风险事件发生用爬虫框架Scrapy进行舆情资讯爬取，通过预训练舆情模型RoBERTa对风险事件资讯进行风险性及情感性分类，基于增加反向链接索引的知识图谱图数据库Neo4j对风险发生企业[0161]所述集成的单元如果