基于知识增强的企业实体关系预测模型

随着知识图谱的不断发展,大量应用于工业界的产业知识图谱应运而生。然而,这些产业知识图谱经常缺乏充足的企业关联关系,如上下游关系、供应关系、合作关系、竞争关系等,导致其应用范围受到极大限制。现有企业关系预测研究大多仅关注知识图谱中三元组本身的结构信息,未能充分利用企业文本描述和企业关联实体的描述等多视角信息。为解决该问题,提出了一种基于知识增强的企业实体关系预测模型KERP。模型首先通过多视角实体特征三元组学习,完善企业实体特征表示;其次,利用图注意力网络获取实体的高阶语义表示,并与TransR模型学习的实体关系低阶语义表示进行融合,进一步增强企业实体及其关系的特征表示;最后,通过二维卷积解码器ConvE实现对企业实体关系的预测。在新能源汽车产业知识图谱数据上的实验分析表明,与现有主流实体关系预测模型相比,KERP在预测企业关系上具有更好的效果,在F1值上有6.7%的提升。此外,在多个公开实体关系预测数据集上的实验结果表明,KERP模型在一般化的实体关系预测任务上也具有较好的通用性。

民营上市公司聚焦主业专题观点分享

民营经济是推动经济社会发展不可或缺的力量。民营企业在数字化转型的过程中,除了关注企业内部财务、人力、供应链等的数字化提升改造,更重要的是如何围绕产业链的要素、主体、关系、价值的数字化提升,从而找准企业自身在产业链中的位置,支撑决策。具体来说,民营企业在聚焦主业高质量发展的过程中,存在三个痛点,一是决策缺数据,没有全样本、全时空、全维度的数据,无法支撑量化决策需要;二是分析缺工具,缺少全口径创新要素实时的底数、底库和底图;三是监测缺预警,过去依托抽样调查的统计方法无法实现主动事前预测和推演。而以上这三个痛点都可以通过数字化的方式解决。

构建国家级产业大脑,确保产业链供应链安全

用数字化的方法,能够掌握产业运行和经济运行比较实在的信息,对产业链的长板或短板做相应的定量化的刻画,而且可以进行评估或预警。这对于把握宏观和中观经济调控,是非常重要的。如何用数字化表达产业链创新目前,在产业治理能力方面,我们面临的问题还比较多。