申请/专利权人：兰州大学

申请日：2024-04-29

公开（公告）日：2024-07-05

公开（公告）号：CN118296439A

主分类号：G06F18/24

分类号：G06F18/24;G06Q10/0639;G06F18/213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明根据我国小微企业的特点，并运用因子分析法，通过模型从括偿债能力、经营能力、盈利能力、企业负责人素质、企业素质和政策环境，六个关键维度对企业进行评价诊断，成功解决了先前技术中企业评价存在的问题，尤其是由于偏重定性分析而引发的局限性。传统评价方法在处理小微企业时可能受到固有的定性分析偏重的问题，本发明通过引入模型结合因子分析法，实现了全面而客观的评估。基于六个关键维度的考量，该模型能够更全面、多角度地了解企业的整体状况，从而提供更为准确和全面的评价结果。

主权项：1.一种企业健康度评价方法，其特征在于，包括以下步骤：（1）采集企业的基本信息，所述基本信息包括财务相关信息和非财务相关信息，然后对基本信息进行健康度评分得到企业健康度数据，所述健康度数据包括连续型特征和离散特征；（2）按照以下公式对企业健康度数据中的连续型特征进行标准化处理得到标准化特征值，所述标准化特征值按照以下公式计算： 式中，x为原始特征值，μ为原始特征值的均值，σ为原始特征值的标准差；（3）对企业健康度数据中的离散型特征进行独热编码，得到稀疏矩阵；（4）将数据集划分为训练集、验证集和测试集，数据集包括标准化特征值和稀疏矩阵；（5）建立评价模型，所述评价模型包括嵌入层、特征提取层、特征聚合层、自注意力机制层和分类层，具体地：所述嵌入层用于将输入的数据集进行编码并转换为密集的嵌入向量表示；所述特征提取层可使用不同大小的卷积核同时对标准化特征值进行卷积操作，捕获不同大小的局部特征；所述特征聚合层用于采用平均聚合操作将每个局部特征进行汇总和聚合得到综合特征表示；所述自注意力机制层用于将综合特征表示作为输入并引入多头自注意力机制对综合特征表示进行处理；所述分类层用于将经过自注意力机制处理后的综合特征表示送入全连接层进行分类并将特征映射至最终的类别空间生成模型的预测结果；（6）使用训练集对建立评价模型进行训练，然后使用测试集对评价模型进行测试，最后通过验证集检测测试结果。

全文数据：

权利要求：

百度查询： 兰州大学 一种企业健康度评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD