使用异构图神经网络检测高潜力中小企业
机器学习
2026-03-02 v2 人工智能
摘要
中小企业 (SME) 构成美国企业的99.9%，并产生44%的经济活动，然而系统性地识别高潜力中小企业仍是一个开放性挑战。我们引入了SME-HGT (Small and Medium Enterprises Heterogeneous Graph Transformer)，一个异构图转换器框架，用于预测哪些SBIR初期获批者将进入二期资助。我们构建了一个包含32,268家公司节点、124个研究主题节点和13个政府机构节点，由约99,000条跨三种语义关系类型的边连接而成。SME-HGT在时序分割测试集上实现了0.621±0.003的AUPRC，超过了MLP基线 (0.590±0.002) 和R-GCN (0.608±0.013)，在五个随机种子上均表现出色。在筛选深度为100家公司时，SME-HGT实现了89.6%的精确率，相对于随机选择提升了2.14倍。我们的时序评估协议防止了信息泄露，我们依赖公共数据确保了可重复性。这些结果表明，企业、研究主题和资助机构之间的关系结构为中小企业潜力评估提供了有意义的信号，对政策制定者和早期投资者具有重要意义。
引用
@article{arxiv.2602.19591,
title = {Detecting High-Potential SMEs with Heterogeneous Graph Neural Networks},
author = {Yijiashun Qi and Hanzhe Guo and Yijiazhen Qi},
journal= {arXiv preprint arXiv:2602.19591},
year = {2026}
}