技术摘要：
本发明提供一种企业破产预测系统及其运行方法。本发明的各种实施例的企业的破产危险性的预测方法包括如下步骤：在互联网上收集多项新闻报道；选择作为分析对象的企业；将所收集的多项新闻报道中的与分析对象企业相关的新闻报道作为分析对象报道进行分类；计算出对于各  全部
背景技术：
现代社会中规模最大且重要度高的经济主体为企业。仅在一年中，也有大量企业 产生并消失，在经济上对相关的个人、企业甚至国家造成诸多影响。因此，对于分析企业的 兴亡盛衰，在相应企业在所属的产业群，及整体产业群的分析中成为基础。企业消失的原因 多样，其中，对于通过破产(Default)而企业消失的情况，相应企业的员工、相应企业的投资 者或交易企业也受到巨大影响。 因此，持续进行对各个企业的破产可能性预测的研究。一般而言，企业的破产可能 性通过根据企业的营业利润而显示承担多少利息费用的指标即利息保障倍数、负债率等而 进行了预测。由此，在进行企业的破产可能性分析预测时，主要利用了定量获取的财务数 据，但近来，基于非财务数据而分析企业的风险的方法论突出。 在企业公开的公开的财务数据中，存在未向相应企业反应不利的内容的可能性， 并也存在了怀疑对企业提供的财务相关的报告书的可靠性的情况。因此，实情为分析非财 务性数据的方法论各种兴起，主要开始了利用非财务的数据中的具有充分分析的量的新闻 报道数据。 对于新闻报道数据的量虽然分析对象多，但在辨别新闻报道是否为与某个企业相 关的报道，并确定将相应新闻报道通过何种方式与破产危险关联而进行分析时存在了大量 困难。
技术实现要素：
发明要解决的问题 本发明的各种实施例的目的在于提供一种基于多项新闻报道而预测特定企业的 破产危险性的方法。 本发明的各种实施例的目的在于通过各种机器学习运算法则及分析方法而提高 破产危险性预测的准确度。 本发明要解决的课题并非通过上述言及的课题限制，未言及的其它课题由下面的 记载而使本领域技术人员明确理解。 用于解决问题的手段 用于解决上述课题的本发明的各种实施例的企业的破产危险性预测方法包括如 下步骤：在互联网上收集多项新闻报道；选择作为分析对象的企业；将在所收集的多项新闻 报道中的与分析对象企业相关的新闻报道作为分析对象报道分类；计算对各个所述分析对 象报道的危险水平；基于所计算的危险水平而执行所述分析对象报道的分组化而生成显示 各个集团的特征向量；及基于所生成的特征向量而计算所述分析对象企业的破产危险性。 4 CN 111557011 A 说　明　书 2/12 页 计算对各个所述分析对象报道的危险水平的步骤是指，对采用特定机器学习运算 法则并利用所采用的机器学习运算法则而收集的新闻报道而执行回归或项目化分析，之 后，利用通过所述回归或项目化分析而得出的危险计算运算法则，而计算出对各个所述分 析对象报道的危险水平。 企业的破产危险性预测方法还包括如下步骤：在对所收集的新闻报道执行回归或 项目化分析时，仅从与发生破产的企业相关的新闻报道中的相应企业的破产开始而在一定 时间以内刊行的新闻报道选择作为分析对象。 将在所收集的多项新闻报道中的与分析对象企业相关的新闻报道按分析对象报 道分类的步骤还包括如下步骤：筛选包含所述分析对象企业的名称的新闻报道；及对各个 所筛选的新闻报道判断是否为与所述分析对象企业相关的报道。 对各个所筛选的新闻报道判断是否为与所述分析对象企业相关的报道的步骤还 包括如下步骤：识别对各个所筛选的新闻报道的文脉或主题，判断所识别的文脉或主题是 否与所述分析对象企业信息相关。 基于所计算的危险水平而执行所述分析对象报道的分组化而生成显示各个组的 特征向量的步骤还包括如下步骤：基于对所述分析对象报道计算的危险水平，按多个区间 对危险水平进行分类，并由此而执行所述分析对象报道的分组化。 按多个区间分类所述危险水平的步骤为，根据所述分析对象企业所属的产业的种 类，通过不同的方式执行分类。 基于所生成的特征向量而计算所述分析对象企业的破产危险性的步骤还包括如 下步骤：通过决策树运算法则对执行分组化的分析对象报道的特征向量进行分类，之后，基 于分类结果，计算出所述分析对象企业的破产危险性预测值。 通过决策树运算法则对执行分组化的分析对象报道的特征向量进行分类的步骤 还包括如下步骤：将包括对所述分析对象报道的组而生成的特征向量的数据分类为n个，之 后，对于n个数据集合而通过交叉验证(n-CrossValidation)方式而适用决策树(Decision  Tree)运算法则，而对特征向量进行分类。 根据本发明的另一实施例，基于新闻报道而预测企业的破产危险性的计算系统包 括：新闻报道收集部，在互联网上收集多项新闻报道；分析企业选定部，选择作为分析对象 的企业；分析对象报道分类部，将与所收集的多项新闻报道中的分析对象企业相关的新闻 报道作为分析对象报道分类；危险水平计算部，计算对各个所述分析对象报道的危险水平； 特征向量生成部，基于所计算的危险水平而执行所述分析对象报道的分组化而生成显示各 个组的特征向量；及破产危险性预测部，基于所生成的特征向量而计算所述分析对象企业 的破产危险性。 发明效果 根据本发明的实施例，对特定企业而筛选与相应企业直接相关的闻报道，能够仅 基于相应报道而执行企业的破产危险性预测。 根据本发明的实施例，在破产危险性预测中采用有效的机器学习运算法则而使 用，不仅能够独立计算对各个报道的危险水平，而且，能够通过新闻报道的分组化而进行的 分析而提高破产危险性预测的准确度。 本发明的效果并非通过上述言及的效果限制，未言及的其它效果通过下面的记载 5 CN 111557011 A 说　明　书 3/12 页 而使普通技术人员明确理解。 附图说明 图1为简要显示本发明的一个实施例的企业破产预测系统运行的环境的画面。 图2为简要显示本发明的一个实施例的企业破产预测系统运行的方式的流程图。 图3为显示本发明的一个实施例的破产预测设备收集新闻报道的动作的附图。 图4为显示本发明的一个实施例的破产预测设备利用NER运算法则而将与分析对 象企业相关的新闻报道作为分析对象报道分类的方式的附图。 图5为显示本发明的一个实施例的破产预测设备选择在计算分析对象报道的危险 水平时使用的独立变量的过程的附图。 图6为显示本发明的一个实施例的破产预测设备选择在对分析对象报道的危险水 平计算中利用的机器学习运算法则的附图。 图7为显示本发明的一个实施例的破产预测设备基于分析对象报道的危险水平而 预测企业的破产的过程的附图。 图8为显示本发明的一个实施例的破产预测设备将与特定企业相关的分析对象报 道进行分组化的方式的附图。 图9为用于说明本发明的一个实施例的破产预测设备通过所分类的特征向量而计 算分析对象企业的破产危险性的方式的附图； 图10为用于说明本发明的一个实施例的破产预测设备通过决策树运算法则而对 特征向量分类时使用的交叉验证方式的附图。 图11为显示本发明的一个实施例的破产预测设备的结构的框图。 图12为显示本发明的一个实施例的破产预测设备得出分析对象企业的破产危险 性预测值的过程的流程图。