基于预测模型的评级特征权重确定方法及装置、电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113742495A(43)申请公布日2021.12.03(21)申请号202111043898.7(22)申请日2021.09.07(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人舒畅陈又新(74)专利代理机构广州嘉权专利商标事务所有限公司44205代理人麦广林(51)Int.Cl.G06F16/36(2019.01)G06F40/295(2020.01)权利要求书2页说明书10页附图4页(54)发明名称基于预测模型的评级特征权重确定方法及装置、电子设备(57)摘要本申请公开一种基于预测模型的评级特征权重确定方法及装置、电子设备，属于人工智能技术领域。该方法包括：获取知识图谱，知识图谱根据采集到的评级特征数据所构建，知识图谱包括多个特征实体及多个特征实体之间的关联关系，且多个特征实体中包括多个目标实体。根据知识图谱，生成各个目标实体的关联向量特征，关联向量特征是对与目标实体存在关联关系的特征实体的向量表示。再利用各个目标实体的关联向量特征对预先确定的预测模型进行训练，得到训练完成的预测模型，并根据训练完成的预测模型确定评级特征的权重矩阵，从而基于评级特征知识体系实现了客观的特征权重分配，无需人为因素的干预，有利于ESG评级的公正性。CN113742495ACN113742495A权利要求书1/2页1.一种基于预测模型的评级特征权重确定方法，其特征在于，所述方法包括：获取知识图谱，所述知识图谱根据采集到的评级特征数据所构建，所述知识图谱包括多个特征实体及多个特征实体之间的关联关系，所述多个特征实体中包括多个目标实体；根据所述知识图谱，生成各个所述目标实体的关联向量特征，所述关联向量特征是对与所述目标实体存在关联关系的特征实体的向量表示；利用各个所述目标实体的关联向量特征对预先确定的预测模型进行训练，得到训练完成的预测模型；根据所述训练完成的预测模型，确定评级特征的权重矩阵。2.根据权利要求1所述的方法，其特征在于，所述利用各个所述目标实体的关联向量特征对预先确定的预测模型进行训练，得到训练完成的预测模型，包括：对所述知识图谱中的所有所述目标实体进行两两对比处理，得到对比结果；针对每一次对比处理，根据所述对比结果确定训练结束条件，将进行所述对比处理的两个所述目标实体各自对应的关联向量特征对预先确定的预测模型进行训练，直到所述预测模型的输出满足所述训练结束条件。3.根据权利要求2所述的方法，其特征在于，所述关联向量特征包括m个关联向量，m为正整数，进行所述对比处理的两个所述目标实体包括第一目标实体和第二目标实体；所述预先确定的预测模型满足：其中，i为正整数，O为所述预测模型的输出,σ为预测函数，为所述第一目标实体对应的第i个关联向量，为所述第二目标实体对应的第i个关联向量，Wi为评级特征的权重矩阵中第i个元素。4.根据权利要求3所述的方法，其特征在于，所述对所述知识图谱中的所有所述目标实体进行两两对比处理，得到对比结果，包括：对所述知识图谱中的所有所述目标实体进行基于收益率的两两对比处理，得到对比结果；所述训练结束条件包括：若所述对比结果指示所述第一目标实体的收益率大于所述第二目标实体的收益率，所述预测模型的输出大于预设输出值；或者，若所述对比结果指示所述第一目标实体的收益率小于所述第二目标实体的收益率，所述预测模型的输出小于预设输出值。5.根据权利要求1至4任一项所述的方法，其特征在于，所述关联向量特征包括m个关联向量，m为正整数，所述方法还包括：获取所述知识图谱中各个特征实体的特征向量；所述根据所述知识图谱，生成各个所述目标实体的关联向量特征，包括：针对各个所述目标实体，从所述知识图谱中获取所述目标实体对应的m个实体组，其中，第j个实体组包括通过j‑1个特征实体与所述目标实体存在关联关系的特征实体，j为正整数且j∈[1，m]；2CN113742495A权利要求书2/2页针对各个所述目标实体，根据所述目标实体对应的各个实体组，对所述实体组中所有特征实体的特征向量进行融合处理，得到融合向量；针对各个所述目标实体，将所述目标实体对应的m个融合向量分别输入预先确定的图注意力神经网络中进行训练，得到所述目标实体对应的m个关联向量。6.根据权利要求5所述的方法，其特征在于，所述针对各个所述目标实体，根据所述目标实体对应的各个实体组，对所述实体组中所有特征实体的特征向量进行融合处理之前，所述方法还包括：确定指定时间，并针对各个所述目标实体，从所述目标实体对应的m个实体组中去除不属于所述指定时间内的特征实体，得到m个更新的实体组；所述针对各个所述目标实体，根据所述目标实体对应的各