(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210420447.9 (22)申请日 2022.04.20 (71)申请人 建信金融科技有限责任公司 地址 200120 上海市浦东 新区中国(上海) 自由贸易试验区银城路99号12层、 15 层 (72)发明人 周玮理　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 王风茹 (51)Int.Cl. G06Q 40/00(2012.01) G06F 16/36(2019.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种异常企业识别方法、 装置、 设备、 介质及 产品 (57)摘要 本发明实施例涉及智慧金融技术领域， 尤其 涉及一种异常企业识别方法、 装置、 设备、 介质及 产品。 该方法包括： 获取待识别企业的工商信息 和待识别企业的财务信息； 将所述待识别企业的 工商信息和待识别企业的财务信息输入目标模 型进行异常企业识别， 得到识别结果， 其中， 所述 目标模型通过目标样本集迭代训练机器学习模 型得到， 所述目标样本包括： 样本企业的工商信 息、 样本企业的财务信息以及样 本企业的标识信 息， 通过本发明的技术方案， 能够有效提升异常 企业识别能力， 方便监管。 权利要求书2页 说明书28页 附图1页 CN 114997975 A 2022.09.02 CN 114997975 A 1.一种异常企业识别方法， 其特 征在于， 包括： 获取待识别企业的工商信息和所述待识别企业的财务信息； 将所述待识别企业的工商信息和所述待识别企业的财务信息输入目标模型进行异常 企业识别， 得到识别结果， 其中， 所述目标模型通过目标样本集迭代训练机器学习模型得 到， 所述目标样 本包括： 样 本企业的工商信息、 样本企业的财务信息以及样 本企业的标识信 息。 2.根据权利要求1所述的方法， 其特征在于， 获取待识别企业的工商信 息和所述待识别 企业的财务信息， 包括： 获取原始知识图谱中的企业实体； 将所述原 始知识图谱中的企业实体确定为待识别企业； 根据所述原 始知识图谱获取 所述待识别企业的工商信息和待识别企业的财务信息 。 3.根据权利要求2所述的方法， 其特征在于， 在将所述待识别企业的工商信 息和待识别 企业的财务信息 输入目标模型进行异常企业识别， 得到识别结果之后， 还 包括： 根据所述待识别企业对应的识别结果确定所述待识别企业对应的标签； 根据所述待识别企业对应的标签对原 始知识图谱进行 更新， 得到目标知识图谱。 4.根据权利要求3所述的方法， 其特征在于， 根据 所述待识别企业对应的识别结果确定 所述待识别企业对应的标签， 包括： 若所述待识别企业 为异常企业， 则所述待识别企业对应的标签为第一颜色； 若所述待识别企业 为正常企业， 则所述待识别企业对应的标签为第二颜色。 5.根据权利要求4所述的方法， 其特征在于， 根据 所述待识别企业对应的标签对原始知 识图谱进行 更新， 得到目标知识图谱， 包括： 将所述原始知识图谱中的异常企业的颜色替换为第 一颜色， 并将所述原始知识图谱中 的正常企业的颜色替换为第二颜色， 得到目标知识图谱。 6.根据权利要求1所述的方法， 其特征在于， 通过目标样本集迭代训练机器学习模型， 包括： 获取目标样本集； 建立机器学习模型； 将所述目标样本集中的样本企业的工商信息和样本企业的财务信息输入所述机器学 习模型， 得到预测结果； 根据所述预测结果和所述样本企业的标识信息形成的目标函数训练所述机器学习模 型的参数； 返回执行将所述目标样本集中的样本企业的工商信息和样本企业的财务信息输入所 述机器学习模型， 得到预测结果的操作， 直至得到目标模型。 7.根据权利要求6所述的方法， 其特 征在于， 获取目标样本集， 包括： 获取异常企业集合和正常企业集合， 所述异常企业集合中包括： 异常企业对应的第一 源数据， 所述第一源数据包括： 至少两个指标对应的数据； 所述正常企业集合包括： 正常企 业对应的第二源数据， 所述第二源数据包括： 至少两个指标对应的数据； 根据所述第一源数据和所述第二源数据确定目标指标； 根据所述目标指标和所述异常企业 集合生成目标样本集。权　利　要　求　书 1/2 页 2 CN 114997975 A 28.根据权利要求7所述的方法， 其特征在于， 根据 所述第一源数据和所述第 二源数据确 定目标指标， 包括： 获取所述第一源数据和所述第二源数据中相同指标对应的数据的相似度； 将相似度小于相似度阈值的指标确定为目标指标。 9.根据权利要求6所述的方法， 其特征在于， 若样本企业为正常企业， 则样本企业的标 识信息为第一标识， 若样本企业 为异常企业， 则样本企业的标识信息为第二标识。 10.根据权利要求1 ‑9中任一项所述的方法， 其特征在于， 所述工商信 息包括： 企业注册 时间。 11.根据权利要求1 ‑9中任一项所述的方法， 其特征在于， 所述工商信 息还包括： 企业注 册资本和/或企业 性质。 12.根据权利要求1 ‑9中任一项所述的方法， 其特征在于， 所述财务信 息包括： 企业流入 金额、 企业流出金额、 企业账户余额、 账户开户日期、 账户首次交易日期、 账户停用日期、 账 户注销日期、 交易对手方名称、 资金流经账户次数、 资金流经自身关联实体数量、 交易币种、 企业出现在黑名单 上的次数、 贷款次数、 贷款 额度以及贷款 最大额度使用率中的至少一种。 13.根据权利要求1 ‑9中任一项所述的方法， 其特征在于， 所述财务信息还包括： 利润 率、 资产负债 率、 流动比率、 应收债 款周转率、 净资产收益率、 营业利润增长率以及总资产增 长率中的至少一种。 14.一种异常企业识别装置， 其特 征在于， 包括： 获取模块， 用于获取待识别企业的工商信息和待识别企业的财务信息； 识别模块， 用于将所述待识别企业的工商信 息和待识别企业的财务信 息输入目标模型 进行异常企业识别， 得到识别结果， 其中， 所述目标模型通过目标样本集迭代机器学习模型 得到， 所述目标样本包括： 样本企业的工商信息、 样本企业的财务信息以及样本企业的标识 信息。 15.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行权利要求 1‑13中任一项 所述的 异常企业识别方法。 16.一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存储有计算机指 令， 所述计算机指 令用于使处理器执行时实现权利要求 1‑13中任一项 所述的异常企业识别 方法。 17.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序在被处 理器执行时实现根据权利要求1 ‑13中任一项所述的异常企业识别方法。权　利　要　求　书 2/2 页 3 CN 114997975 A 3