CN114549136A - 供应链用户信用评价方法、装置、设备及计算机存储介质 - Google Patents

Abstract

本发明实施例提供了一种供应链用户信用评价方法、装置、设备及计算机存储介质。获取供应链上核心用户的财务数据、舆情数据以及政务数据，基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分，基于迁移学习算法对核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据，基于修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型，基于修正后的数据以及训练完成的风险评价模型确定核心用户的风险评分，基于信用评分与风险评分确定核心用户的目标信用。根据本申请实施例，能够使得当前对供应链上用户的信用评价准确。

Description

供应链用户信用评价方法、装置、设备及计算机存储介质

技术领域本发明属于领域，尤其涉及一种供应链用户信用评价方法、装置、设备及计算机存储介质。

背景技术

随着社会逐渐变的透明化和规范化，用户的信用也变得越来越重要。当前主要是利用用户自身的数据来对用户的信用进行评价。在这种信用评价的过程中，忽视了用户与社会的联系，所以使得在用户信用评价过程中，评价的数据单一，导致当前对用户的信用评价并不准确。

发明内容

本发明实施例提供一种在供应链用户信用评价方法、装置、设备及计算机存储介质，能够使得当前对用户的信用评价准确。

第一方面，本发明实施例提供一种供应链用户信用评价方法，方法包括：

获取供应链上核心用户的财务数据、舆情数据以及政务数据；

基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分；

基于迁移学习算法对核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据；

基于修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型；

基于修正后的数据以及训练完成的风险评价模型确定核心用户的风险评分；

基于信用评分与风险评分确定核心用户的目标信用。

在一些实施方式中，供应链用户信用评价方法还包括：

获取核心用户与非核心用户在供应链上的交易流数据；

基于核心预设规则、交易流数据的流向以及交易流数据在核心用户所有交易流数据中的比重确定用户对非核心用户的影响因子；

基于核心用户的目标信用与影响因子确定核心用户对非核心用户的影响信用；

基于影响信用以及非核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定非核心用户的信用评分。

在一些实施方式中，基于核心预设规则、交易流数据的流向以及交易流数据在核心用户所有交易流数据中的比重确定用户对非核心用户的影响因子，具体包括：

基于图论技术确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据的流向以及核心用户与非核心用户在产业链上的物流、资金流或信息流数据在核心用户全部物流、资金流或信息流数据的比重。

在一些实施方式中，交易流数据包括物流、资金流或信息流数据中的至少一个；

获取核心用户与非核心用户在产业链上的交易流数据，具体包括：

基于预设的产业链对应的知识图谱确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据中的至少一个。

在一些实施方式中，在基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分之前，供应链用户信用评价方法还包括：

基于核心用户的历史财务数据、历史舆情数据、历史政务数据以及核心用户的历史信用评分对信用评价模型进行训练。

第二方面，本发明实施例提供了一种信用评价装置，信用评价装置包括：

第一获取模块，用于获取供应链上核心用户的财务数据、舆情数据以及政务数据；

第一确定模块，用于基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分；

修正模块，用于基于迁移学习算法对核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据；

第一训练模块，用于基于修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型；

第二确定模块，用于基于修正后的数据以及训练完成的风险评价模型确定核心用户的风险评分；

第三确定模块，用于基于信用评分与风险评分确定核心用户的目标信用。

在一些实施方式中，供应链信用评价装置还包括：

第二获取模块，用于获取核心用户与非核心用户在供应链上的交易流数据；

第四确定模块，用于基于核心预设规则、交易流数据的流向以及交易流数据在核心用户所有交易流数据中的比重确定用户对非核心用户的影响因子；

第五确定模块，用于基于核心用户的目标信用与影响因子确定核心用户对非核心用户的影响信用；

第六确定模块，用于基于影响信用以及非核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定非核心用户的信用评分。

在一些实施方式中，第四确定模块还包括：

确定单元，用于基于图论技术确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据的流向以及核心用户与非核心用户在产业链上的物流、资金流或信息流数据在核心用户全部物流、资金流或信息流数据的比重。

在一些实施方式中，交易流数据包括物流、资金流或信息流数据中的至少一个；

第二获取模块还包括：

获取单元，用于基于预设的产业链对应的知识图谱确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据中的至少一个。

在一些实施方式中，供应链用户的信用评价装置还包括：

第二训练模块，在基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分之前，用于基于核心用户的历史财务数据、历史舆情数据、历史政务数据以及核心用户的历史信用评分对信用评价模型进行训练。

第三方面，本发明实施例提供了一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；

处理器执行计算机程序指令时实现如第一方面的任一项实施例中的供应链用户信用评价方法的步骤。

第四方面，本发明实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面的任一项实施例中的供应链用户信用评价方法的步骤。

第五方面，本发明实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面任一项实施例中的供应链用户信用评价方法。

本发明实施例的供应链用户信用评价方法、装置、设备及计算机存储介质，获取供应链上核心用户的财务数据、舆情数据以及政务数据，基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分，基于迁移学习算法对核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据，基于修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型，基于修正后的数据以及训练完成的风险评价模型确定核心用户的风险评分，基于信用评分与风险评分确定核心用户的目标信用。由此，由于是获取供应链上的核心用户的信用评分和风险评分，然后根据核心用户的信用评分和风险评分确定核心用户的目标信用，所以能够使得在确定核心用户的目标信用时能够综合多方面的信息，进一步的，能够使得获取的目标信用更加准确。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一个示例提供的产业链的结构示意图；

图2是本申请一个实施例提供的供应链用户信用评价方法的流程示意图；

图3是本申请一个实施例提供的知识图谱的示意图；

图4是本申请一个实施例提供的信用评价装置的结构示意图

图5是本申请一个实施例提供的电子设备的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本发明，而不是限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

为了对本申请实施例提供的供应链用户信用评价方法进行更加详细的介绍，本申请实施例首先对产业链进行介绍，图1示出了本申请一个示例提供的产业链的结构示意图，如图1所示，产业链可以包括核心企业，以及与核心企业相关的非核心企业，非核心企业又可以包括上游企业和下游企业，以及上述核心企业与上游企业和下游企业之间的物流、资金流和信息流。

在当前的信用评价过程中，位于产业链核心的企业往往能够依托较大的体量与产业链上的核心地位获取较高的信用评价。但是位于产业链的上、下游的企业往往仅能够依据现有的供应链用户信用评价方法，仅依据自身的信用评价数据获取信用评价，致使当前的上下游企业的对应的信用评价结果并不准确。

为了解决现有技术问题，本发明实施例提供了一种供应链用户信用评价方法、装置、设备及计算机存储介质。

下面首先对本发明实施例所提供的供应链用户信用评价方法进行介绍。

图2示出了本发明一个实施例提供的供应链用户信用评价方法的流程示意图。如图2所示，该方法可以包括以下步骤：

S210、获取供应链上核心用户的财务数据、舆情数据以及政务数据；

S220、基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分；

S230、基于迁移学习算法对核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据；

S240、基于修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型；

S250、基于修正后的数据以及训练完成的风险评价模型确定核心用户的风险评分；

S260、基于信用评分与风险评分确定核心用户的目标信用。

由此，获取供应链上核心用户的财务数据、舆情数据以及政务数据，基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分，基于迁移学习算法对核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据，基于修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型，基于修正后的数据以及训练完成的风险评价模型确定核心用户的风险评分，基于信用评分与风险评分确定核心用户的目标信用。由此，由于是获取供应链上的核心用户的信用评分和风险评分，然后根据核心用户的信用评分和风险评分确定核心用户的目标信用，所以能够使得在确定核心用户的目标信用时能够综合多方面的信息，进一步的，能够使得获取的目标信用更加准确。

在一些实施方式中，在S210中，核心用户的财务数据包括但不限于核心用户的固定资产数据、现金流数据、应收货款数据。核心用户的舆情数据包括但不限于核心用户的股票增持或减持数据、核心用户的关注度数据。核心用户的政务数据包括但不限于核心用户的缴纳税款数据、财政补贴数据。

在一些实施方式中，在S230中迁移学习算法为当前较为常规的算法，此处不再详细解释。其中，对核心用户的信用进行评价的数据与对核心用户的风险进行评价的数据高度相关，所以此处可以使用迁移学习算法对以上数据进行修正。

在一些实施方式中，在S260中，基于信用评分与风险评分确定核心用户的目标信用的方法具体可以包括，将核心用户的信用评分和风险评分求和或按照预设的比例相乘，此处不做具体限定。

在一些实施例中，供应链用户的信用评价方法还可以包括：

获取核心用户与非核心用户在供应链上的交易流数据；

基于核心预设规则、交易流数据的流向以及交易流数据在核心用户所有交易流数据中的比重确定用户对非核心用户的影响因子；

基于核心用户的目标信用与影响因子确定核心用户对非核心用户的影响信用；

基于影响信用以及非核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定非核心用户的信用评分。

在一些实施方式中，核心用户与非核心用户可以是在产业链上相邻的用户。

在一些实施方式中，交易流数据包括物流、资金流或信息流数据中的至少一个。

在一些实施方式中，获取核心用户与非核心用户在产业链上的交易流数据，具体包括：

基于预设的产业链对应的知识图谱确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据中的至少一个。

在一些实施方式中，基于核心预设规则、交易流数据的流向以及交易流数据在核心用户所有交易流数据中的比重确定用户对非核心用户的影响因子，具体包括：

基于图论技术确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据的流向以及核心用户与非核心用户在产业链上的物流、资金流或信息流数据在核心用户全部物流、资金流或信息流数据的比重。

在一些实施方式中，可以基于图论技术在获取的知识图谱中确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据的流向以及核心用户与非核心用户在产业链上的物流、资金流或信息流数据在核心用户全部物流、资金流或信息流数据的比重。在一些具体的例子中，可以基于自然语言处理技术(Natural Language Processing，NLP)在对应的区块链的数据存储节点中获取用户的相关数据，利用embedding vector获取对应的语句或对应的数据，然后构建用户对应的知识图谱。

在一些具体的例子中，在获取到用户的相关数据之后还可以利用机器学习模型的方法，通过学习识别用户之间的交易类、关联关系类和图特征，然后通过社区发现算法对用户进行泛化识别。

为了对知识图谱及图论技术进行详细的介绍，图3示出了本申请一个示例提供的知识图谱的示意图，如图3所示，可以基于图论技术对知识图谱中产业链上的物流、资金流或信息流数据的流向和不同用户之间的物流、资金流或信息流数据在不同用户之间的比重进行标注。

在基于图论技术对知识图谱进行标注之后，可以直观的获取核心用户与非核心用户在产业链上的物流、资金流或信息流数据的流向以及核心用户与非核心用户在产业链上的物流、资金流或信息流数据在核心用户全部物流、资金流或信息流数据的比重。

由此，通过基于图论技术对知识图谱中产业链上的物流、资金流或信息流数据的流向和不同用户之间的物流、资金流或信息流数据在不同用户之间的比重进行标注，能够直观的获取物流、资金流或信息流数据的流向和不同用户之间的物流、资金流或信息流数据在不同用户之间的比重，进一步的，能够在确定核心用户与非核心用户之间的影响因子时更加直观和便捷。

在一些实施方式中，基于核心用户的目标信用与影响因子确定核心用户对非核心用户的影响信用可以包括：将核心用户的目标信用与影响因子的乘积作为核心用户与非核心用户的影响信用。也可以将核心用户的目标信用与预设比例的影响因子的乘积作为核心用户与非核心用户的影响信用。

在一些实施例中，在S220之前，供应链用户信用评价方法还可以包括：

基于核心用户的历史财务数据、历史舆情数据、历史政务数据以及核心用户的历史信用评分对信用评价模型进行训练。

在一些实施方式中，基于核心用户的历史财务数据、历史舆情数据、历史政务数据以及核心用户的历史信用评分对信用评价模型进行训练具体可以包括：

基于核心用户的历史财务数据、历史舆情数据、历史政务数据以及核心用户的历史信用评分构建训练样本。

对每组训练样本分别执行如下步骤：

将每组训练样本输入至信用评价模型中，得到历史历史财务数据、历史舆情数据以及历史政务数据对应的预测信用评分，然后根据历史信用评分与预测信用评分确定信用评价模型对应的损失函数值，在损失函数值不满足训练停止条件的情况下，调整信用评价模型的模型参数，并利用训练样本训练参数调整后的信用评价模型，直至满足训练停止条件，得到训练后的信用评价模型。

这里，训练停止条件可以包括用户自定义设定的条件，示例性的，训练停止条件可以包括损失函数值小于某个阈值或训练的迭代次数达到某一个具体数值。

由此，通过预先对信用评价模型进行训练可以使训练后的信用评价模型在之后对信用评分的预测中，预测出的信用评分更加准确。

在一些实施方式中，可以预先将产业链上的物流、资金流或数据流基于区块链技术进行存储。

在一些具体的例子中，可以将物流数据、仓单数据利用RFID电子标签进行标注，然后结合电子地图，全流程的监控物流的真实性。可以利用区块链技术在供应链的多个用户交易中指定智能合约，用户之间的数据资产凭证发生转让行为，通过智能合约平台进行交换。一旦数据资产转证行为完成，则供应链金融资产对应的核心企业债权关系转移，应收帐款到期资金根据交易数凭证持有情况进行自动过户交换，可双向溯源。

在一些具体的例子中，还可以通过人工智能，区块链，云计算，大数据，移动互联，物联网，多网融合的技术手段获取用户的物流、资金流或数据流数据。

由此，通过引入区块链技术对产业链上的物流、资金流或数据流进行存储可以使得产业链上的物流、资金流或数据流在发生改变时，可以及时对改变的信息进行变更，进一步的，保证了在构建知识图谱的过程中使得构建知识图谱的数据准确。

需要说明的是，上述公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。

基于相同的发明构思，本申请实施例还提供了一种信用评价装置，下面结合图4对本申请实施例提供的信用评价装置进行详细的说明：

图4示出了本申请提供的信用评价装置的一实施例的结构示意图。如图4所示，信用评价装置400可以包括：

第一获取模块401，用于获取供应链上核心用户的财务数据、舆情数据以及政务数据；

第一确定模块402，用于基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分；

修正模块403，用于基于迁移学习算法对核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据；

第一训练模块404，用于基于修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型；

第二确定模块405，用于基于修正后的数据以及训练完成的风险评价模型确定核心用户的风险评分；

第三确定模块406，用于基于信用评分与风险评分确定核心用户的目标信用。

在一些实施方式中，供应链信用评价装置400还包括：

第二获取模块，用于获取核心用户与非核心用户在供应链上的交易流数据；

第四确定模块，用于基于核心预设规则、交易流数据的流向以及交易流数据在核心用户所有交易流数据中的比重确定用户对非核心用户的影响因子；

第五确定模块，用于基于核心用户的目标信用与影响因子确定核心用户对非核心用户的影响信用；

第六确定模块，用于基于影响信用以及非核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定非核心用户的信用评分。

在一些实施方式中，第四确定模块还包括：

确定单元，用于基于图论技术确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据的流向以及核心用户与非核心用户在产业链上的物流、资金流或信息流数据在核心用户全部物流、资金流或信息流数据的比重。

在一些实施方式中，交易流数据包括物流、资金流或信息流数据中的至少一个；

第二获取模块还包括：

获取单元，用于基于预设的产业链对应的知识图谱确定核心用户与非核心用户在产业链上的物流、资金流或信息流数据中的至少一个。

在一些实施方式中，供应链用户的信用评价装置还包括：

第二训练模块，在基于核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定核心用户的信用评分之前，用于基于核心用户的历史财务数据、历史舆情数据、历史政务数据以及核心用户的历史信用评分对信用评价模型进行训练。

图5示出了本申请提供的电子设备的一实施例的硬件结构示意图。

该电子设备500可以包括处理器501以及存储有计算机程序指令的存储器502。

具体地，上述处理器501可以包括中央处理器（CPU），或者特定集成电路（Application Specific Integrated Circuit ，ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器502可以包括可以用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器（Hard Disk Drive，HDD）、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线（Universal Serial Bus，USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器502可在综合网关容灾设备的内部或外部。在特定实施例中，存储器502是非易失性固态存储器。

存储器可包括只读存储器（ROM），随机存取存储器（RAM），磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形（非暂态）计算机存储介质（例如，存储器设备），并且当该软件被执行（例如，由一个或多个处理器）时，其可操作来执行参考根据本申请的一方面的方法所描述的操作。

处理器501通过读取并执行存储器502中存储的计算机程序指令，以实现上述实施例中的任意一种供应链用户信用评价方法。

在一些示例中，电子设备500还可包括通信接口503和总线510。其中，如图5所示，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。

通信接口503主要可以用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线510包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线510可包括加速图形端口（AGP）或其他图形总线、增强工业标准架构（EISA）总线、前端总线（FSB）、超传输（HT）互连、工业标准架构（ISA）总线、无限带宽互连、低引脚数（LPC）总线、存储器总线、微信道架构（MCA）总线、外围组件互连（PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（SATA）总线、视频电子标准协会局部（VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

示例性的，作为支付终端，电子设备500可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、超级移动个人计算机（ultra-mobile personal computer，UMPC）、上网本或者个人数字助理（personal digital assistant，PDA）等。作为扫码终端，电子设备500可以为POS机（Point of sales terminal，POS）、扫码器等。

该电子设备可以执行本申请实施例中的供应链用户信用评价方法，从而实现结合图1至图4描述的供应链用户信用评价方法和装置。

另外，结合上述实施例中的供应链用户信用评价方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种供应链用户信用评价方法。计算机存储介质的示例包括非暂态计算机存储介质，如便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件等。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路（ASIC）、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被可以用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM（EROM）、软盘、CD-ROM、光盘、硬盘、光纤介质、射频（RF）链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本申请的实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。

以上，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种供应链用户供应链用户信用评价方法，其特征在于，所述方法包括：

获取供应链上核心用户的财务数据、舆情数据以及政务数据；

基于所述核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定所述核心用户的信用评分；

基于迁移学习算法对所述核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据；

基于所述修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型；

基于所述修正后的数据以及训练完成的风险评价模型确定所述核心用户的风险评分；

基于所述信用评分与风险评分确定所述核心用户的目标信用。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述核心用户与所述非核心用户在所述供应链上的交易流数据；

基于核心预设规则、所述交易流数据的流向以及所述交易流数据在核心用户所有交易流数据中的比重确定所述用户对所述非核心用户的影响因子；

基于所述核心用户的目标信用与所述影响因子确定所述核心用户对非核心用户的影响信用；

基于所述影响信用以及所述非核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定所述非核心用户的信用评分。

3.根据权利要求2所述的方法，其特征在于，所述基于核心预设规则、所述交易流数据的流向以及所述交易流数据在核心用户所有交易流数据中的比重确定所述用户对所述非核心用户的影响因子，具体包括：

基于图论技术确定所述核心用户与非核心用户在所述产业链上的物流、资金流或信息流数据的流向以及所述核心用户与非核心用户在所述产业链上的物流、资金流或信息流数据在所述核心用户全部物流、资金流或信息流数据的比重。

4.根据权利要求2所述的方法，其特征在于，所述交易流数据包括物流、资金流或信息流数据中的至少一个；

所述获取所述核心用户与非核心用户在所述产业链上的交易流数据，具体包括：

基于预设的产业链对应的知识图谱确定所述核心用户与非核心用户在所述产业链上的物流、资金流或信息流数据中的至少一个。

5.根据权利要求1所述的方法，其特征在于，在所述基于所述核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定所述核心用户的信用评分之前，所述方法还包括：

基于所述核心用户的历史财务数据、历史舆情数据、历史政务数据以及核心用户的历史信用评分对所述信用评价模型进行训练。

6.一种供应链用户信用评价装置，其特征在于，所述装置包括：

第一获取模块，用于获取供应链上核心用户的财务数据、舆情数据以及政务数据；

第一确定模块，用于基于所述核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定所述核心用户的信用评分；

修正模块，用于基于迁移学习算法对所述核心用户的财务数据、舆情数据、政务数据进行修正，得到修正后的数据；

第一训练模块，用于基于所述修正后的数据对风险评价模型进行训练，得到训练完成的风险评价模型；

第二确定模块，用于基于所述修正后的数据以及训练完成的风险评价模型确定所述核心用户的风险评分；

第三确定模块，用于基于所述信用评分与风险评分确定所述核心用户的目标信用。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取所述核心用户与所述非核心用户在所述供应链上的交易流数据；

第四确定模块，用于基于核心预设规则、所述交易流数据的流向以及所述交易流数据在核心用户所有交易流数据中的比重确定所述用户对所述非核心用户的影响因子；

第五确定模块，用于基于所述核心用户的目标信用与所述影响因子确定所述核心用户对非核心用户的影响信用；

第六确定模块，用于基于所述影响信用以及所述非核心用户的财务数据、舆情数据、政务数据以及训练完成的信用评价模型确定所述非核心用户的信用评分。

8.一种电子设备，其特征在于，所述设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-5任意一项所述的供应链用户信用评价方法。

9.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-5任意一项所述的供应链用户信用评价方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-5任意一项所述的供应链用户信用评价方法。

Images