计算机应用

作者：花晓雨, 李冬芬, 付优, 毕可骏, 应时, 王瑞锦

单位：1.成都理工大学 计算机与网络安全学院（示范性软件学院），成都 610059；2.四川大学 计算机学院，成都 610065；3.武汉大学 计算机学院，武汉 430072；4.电子科技大学 信息与软件工程学院，成都 610054

关键词：产业链风险评估,层次图神经网络,长短期记忆网络,财务特征提取,投资特征提取

基金：国家重点研发计划项目(2022YFB3304300)

产业链风险评估预警是有效保护产业链上下游公司利益和减轻公司风险的重要措施。然而，现有方法由于忽视了产业链上下游公司之间的传播效应和公司信息的不透明性，无法准确评估公司风险，且忽略了动态财务数据对产业链的影响，无法提前感知风险，进行风险预警。针对以上问题，提出一种结合层次图（HG）神经网络与长短期记忆（LSTM）的产业链风险评估预警模型（HiGNN）。首先，利用产业链上下游关系和投融资关系构建“产业链-投资”HG；其次，利用财务特征提取模块提取公司多季度财务数据的特征；再次，利用投资特征提取模块提取投资关系图特征；最后，利用注意力机制融合财务特征和投资特征，通过图表示学习方法对公司节点进行风险分类。在真实的集成电路制造业数据集上的实验结果表明，与图注意力网络（GAT）模型、循环神经网络（RNN）模型相比，当训练比率为60%时，所提模型的准确率分别提升了14.87%、22.10%，F1值提升了12.63%、16.67%。所提模型能够有效捕捉产业链中的传染效应，提高风险识别能力，优于传统的机器学习方法和图神经网络方法。

来源：2024年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第10期