Resumen

Bajo el telón de fondo del fuerte apoyo estatal al emprendimiento, las pequeñas y medianas empresas nacionales han entrado en el clímax de su desarrollo, pero todavía existen crisis que conviven con oportunidades. Según las estadísticas, la mayoría de las pequeñas y medianas empresas no logran sobrevivir los primeros tres años de la etapa inicial del emprendimiento. Se puede decir que los riesgos existen todo el tiempo para las empresas. Cómo enfrentar la crisis de riesgo y evitar de manera efectiva estos riesgos regionales se ha convertido en un factor importante para que las empresas sobrevivan a largo plazo. El acelerado ritmo de la integración económica global no solo ha traído oportunidades a las empresas, sino también desafíos para la supervivencia de las mismas. En la actualidad, hay pocos estudios sobre el riesgo regional en China y la mayoría de ellos son estudios cualitativos; no hay un estudio cuantitativo más específico sobre los factores de riesgo. Ante esta situación, este trabajo estudiará el modelo de evaluación cuantitativa de los factores de riesgo regionales basado en el aprendizaje automático. El desarrollo de este modelo adopta el método de la máquina de vectores de soporte, que es un método de aprendizaje automático de evaluación de riesgos más comúnmente utilizado. Para evaluar mejor el riesgo, este trabajo también establece un sistema de índices de evaluación de riesgos, que clasifica detalladamente los factores de riesgo regional y proporciona el método de evaluación específico. A través de la combinación de tecnologías modernas como la computación inteligente, el aprendizaje semisupervisado y la organización del centro estratégico, se establece el modelo final. Después de cuatro experimentos de predicción de riesgos, incluida la medición del margen de beneficio neto de los activos totales de la empresa a, los datos muestran que la precisión del modelo de evaluación de riesgos en este trabajo ha mejorado considerablemente en comparación con la forma tradicional y muestra que la predicción a corto plazo es mayor que la predicción a largo plazo y el efecto de predicción general es relativamente ideal, lo que puede aplicarse a la gestión práctica de la predicción de riesgos regionales de las empresas.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Apoyo; Espíritu empresarial; Empresas; Riesgos; Riesgo regional; Aprendizaje automático
• Keywords:Support; Entrepreneurship; Enterprises; Risks; Regional risk; Machine learning