(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111394584.1 (22)申请日 2021.11.23 (65)同一申请的已公布的文献号 申请公布号 CN 114066081 A (43)申请公布日 2022.02.18 (73)专利权人 北京恒通慧源大 数据技术有限公 司 地址 100044 北京市西城区西直门外大街 18号楼2单元1602、 1603室 (72)发明人 李若愚　高佳月　 (74)专利代理 机构 北京动力号知识产权代理有 限公司 1 1775 代理人 梁艳 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 10/06(2012.01) G06Q 30/00(2012.01) (56)对比文件 CN 110570111 A,2019.12.13 CN 110570111 A,2019.12.13 CN 113361962 A,2021.09.07 WO 2021179838 A1,2021.09.16 US 2021081717 A1,2021.0 3.18 CN 111161535 A,2020.0 5.15 张豪杰等.基 于自注意力模型的企业关系抽 取. 《电子测量 技术》 .2020,(第10期), 审查员 郑婷 (54)发明名称 基于图注 意力网络的企业风险预测方法、 装 置和电子设备 (57)摘要 本发明公开了一种基于图注意力网络的企 业风险预测方法、 装置和电子设备。 方法包括： 构 建企业间关系带有权重的带权企业关联关系网 络图； 将所述带权企业关联关系网络图以及网络 图中各企业在上一时刻的状态信息作为输入， 通 过图注意力网络， 输出企业在下一时刻的风险等 级或风险概率； 其中， 在所述图注意力网络中， 利 用带权企业 关联关系计算节点的注 意力权重， 其 中， 节点间边的权重根据节点间的关联关系并基 于金融业务知识由专家拟合确定。 通过采用图注 意力网络对企业及关联企业的风险状态进行预 测， 结果准确； 通过在注意力分数计算中添加基 于业务知识的关联关系权重修正， 增强了模型的 可解释性， 进一 步提高了预测结果的准确度。 权利要求书3页 说明书9页 附图1页 CN 114066081 B 2022.04.26 CN 114066081 B 1.一种基于图注意力网络的企业 风险预测方法， 其特 征在于， 包括： 构建企业间关系带有权 重的带权企业关联关系网络图； 将所述带权企业关联关系网络图以及网络图中各企业在上一时刻的状态信息作为输 入， 通过图注意力网络， 输出企业在下一时刻的风险等级或风险概率； 其中， 在所述图注意 力网络中， 利用带权企业关联关系计算节点的注意力权 重； 在所述带权企业关联关系网络图中， 企业作为节点， 带权重的企业间关联关系作为边； 其中， 节点i与j之间的边的权重根据 节点i与j之间的关联关系并基于金融业务知识由专家 拟合确定； 所述图注意力网络依次包括线性层、 两层图注意力层和输出层； 在所述图注意力层中， 使用边的权重与注意力权重乘积的方式进行稀疏化， 按照如下 公式计算节点的注意力矩阵： 其中， 表示节点 i与j第l层注意力权 重； 表示第l层权 重向量； W(l)表示第l层节点特 征变换权 重参数； 表示节点 i第l层特 征向量； 表示节点j第l层特 征向量； 表示节点 i与j第l层经 过关联关系权 重修正后的注意力权 重； wij表示节点 i与j边的权 重。 2.如权利要求1所述的基于图注意力网络的企业风险预测方法， 其特征在于， 所述构建 企业间关系带有权 重的带权企业关联关系网络图包括： 获取企业关联关系数据； 将企业作为节点， 将带权 重的企业间关联关系作为 边， 得到带权企业关联关系网络图。 3.如权利要求1所述的基于图注意力网络的企业风险预测方法， 其特征在于， 利用带权 邻接矩阵表示所述带权企业关联关系网络图， 并将带权邻接矩阵作为图注意力网络的输 入， 其中， 所述带权邻接矩阵为： 其中， A[i][j]为带权邻接矩阵， i,j分别为网络中的节点， E为网络中边的集合， w为边 的权重， 且权　利　要　求　书 1/3 页 2 CN 114066081 B 2其中， Rij为节点i与j之间的关系集合， rij为节点i与j之间的关系 权重， n为节点i与j之 间的关系数。 4.如权利要求1所述的基于图注意力网络的企业风险预测方法， 其特征在于， 所述节点 i与j之间的关系包括债务型、 股权型、 供应型和宏观型， 所述债务型关系包括提供担保关 系、 被担保关系、 互保联保体； 所述股权型关系包括控股关系、 参股关系、 同被第三家企业控 制、 共有实际控制人、 实际控制人存在亲属关系、 共有高层管理人员； 所述供应型关系包括 供应链； 所述宏观型关系包括同行业和同地区。 5.如权利要求1所述的基于图注意力网络的企业风险预测方法， 其特征在于， 企业的状 态信息包括： 企业基本信息、 财务指标和预警因子 。 6.一种基于图注意力网络的企业 风险预测装置， 其特 征在于， 包括： 带权企业关联关系网络图构建模块， 用于构建企业间关系带有权重的带权企业关联关 系网络图； 在所述带权企业关联关系网络图中， 企业作为节 点， 带权重的企业间关联关系作 为边； 其中， 节点i与j之间的边的权重根据节点i与j之间的关联关系并基于金融业务知识 由专家拟合确定； 图注意力网络预测模块， 用于将所述带权企业关联关系网络图以及网络图中各企业在 上一时刻的状态信息作为输入， 通过图注意力网络， 输出企业在下一时刻的风险等级或风 险概率； 其中， 在所述图注意力网络中， 利用带权企业关联关系计算注意力权重； 所述图注 意力网络依次包括线性层、 两层图注意力层和输出层； 在所述图注意力层中， 使用边的权重与注意力权重乘积的方式进行稀疏化， 按照如下 公式计算节点的注意力矩阵： 其中， 表示节点 i与j第l层注意力权 重； 表示第l层权 重向量； W(l)表示第l层节点特 征变换权 重参数； 表示节点 i第l层特 征向量； 表示节点j第l层特 征向量； 表示节点 i与j第l层经 过关联关系权 重修正后的注意力权 重； wij表示节点 i与j边的权 重。 7.一种存储器， 其特征在于， 存储有多条指令， 所述指令用于实现如权利要求1 ‑5任一权　利　要　求　书 2/3 页 3 CN 114066081 B 3