企业在生产经营过程中可能会出现一些问题,导致企业有不同程度风险的发生。不同类型的风险对企业的影响程度不同,但都有可能给企业造成不同程度的损失。因此,企业风险评估有着实际需求。目前从各种渠道获取的企业信息包含大量的文本数据,利用文本挖掘技术进行企业风险评估有着广阔的应用前景。本文主要工作如下:第一,研究面向企业风险评估的命名实体识别方法,提出并实现了基于词典的知识增强命名实体识别方法。企业相关的文本数据在描述企业名称、人名等企业信息实体时呈现多元化、复杂化的特点,针对这些文本数据的特点及风险评估的需求,提出基于词典的知识增强命名实体识别方法。该方法首先将经预处理后的文本与构建的实体词典进行匹配并对结果进行标注,将标注好的文本和之前预处理文本使用预训练语言模型转换为向量进行拼接,使用双向长短时记忆网络对拼接向量进行学习提取上下文语义特征,最后结合条件随机场完成相应的命名实体识别任务。实验表明,该方法能够解决实体多元化、复杂化等问题,为后续关系抽取等工作提供数据支撑。第二,研究面向企业风险评估的关系抽取方法,提出并实现了基于分段卷积神经网络的知识增强关系抽取方法。针对现有企业风险评估的实体关系种类较少、部分实体关系不明确等问题,提出基于分段卷积神经网络的知识增强关系抽取方法。该方法首先使用知识增强的预训练语言模型,将预处理文本和识别后的实体转换为向量,然后使用分段卷积神经网络完成企业风险评估实体关系抽取。实验表明,该方法能够较好的完成需要的企业文本数据关系抽取任务,为后续企业风险评估提供数据支撑。第三,研究企业风险评估方法,提出并实现了基于BP神经网络融入情感分析的企业风险评估方法。利用上述面向企业风险评估的命名实体识别方法和关系抽取方法的结果,并融入基于情感词典和双向长短时记忆网络的情感分析方法的结果,最终设计并实现了基于BP神经网络融入情感分析的企业风险评估算法,对上述各环节的数据进行处理,完成企业风险评估。实验表明,该方法能够较好的完成企业风险评估,具有一定的应用价值。综上所述,本文基于文本数据进行企业风险评估,深入研究并应用相关文本挖掘技术,为企业风险评估提供了新的思路与方法技术,具有一定的理论意义与实际应用价值。