1.基于大数据技术的供应商企业风险评估方法，其特征在于，包括步骤：读取供应商企业的企业数据，所述企业数据包括企业信息数据及企业经营数据；根据所述企业信息数据从预先训练的摘要模型库中选择相应的摘要模型，基于所述摘要模型对所述企业信息数据及所述企业经营数据的响应，获得企业经营摘要；根据预先训练的风险嗅探模型对所述企业经营数据的响应，从预先训练的特征模型库中选择相应的特征模型；基于所述特征模型获得企业经营数据的数据特征，将所述数据特征输入预先训练的风险评估模型获得风险评估结果，展示所述企业经营摘要及风险评估结果；训练风险嗅探模型的方法包括：列举样本企业经营数据的字段，统计每个字段的取值集合；列举样本企业经营数据的字段组合，统计字段组合的组合取值集合；使用聚类算法分别对所述取值集合及所述组合取值集合进行聚类，获得聚类及聚类范围；基于聚类及聚类范围，生成风险识别规则；根据所述风险识别规则生成风险样本数据；基于所述风险样本数据训练风险嗅探模型；训练所述风险评估模型的方法包括：接收样本企业数据及风险标注，所述样本企业数据包括样本企业信息数据及样本企业经营数据，所述风险标注包括若干个风险类型和每个风险对应的风险参照字段集；基于所述特征模型对所述样本企业经营数据的响应，获得企业经营数据的数据特征；基于所述数据特征、风险参照字段集及所述风险类型，获得风险样本；建立机器学习模型并使用所述风险样本训练所述机器学习模型，基于训练后的所述机器学习模型获得风险识别模型；将每个样本企业经营数据标注的风险类型划入为一个样本风险组，统计在全部的样本企业数据中每个样本风险组出现的次数，获得样本风险组的权重；基于所述风险识别模型识别出待评估的所述数据特征的若干个风险类型，若干个所述风险类型视为待评估风险组；建立权重模型，所述权重模型获得待评估风险组与样本风险组的关联度，基于所述关联度获得待评估风险组的权重；基于所述风险识别模型及权重模型建立风险评估模型，所述风险评估模型基于所述待评估风险组及所述权重，获得风险评估结果；包括：若待评估风险组与任一样本风险组的向量距离均较远，则判定待评估风险组属于模型识别误差，即结果为无风险；若待评估风险组与两个或两个以上的样本风险组的向量距离均较近，则判定待评估风险组属于模型识别误差，即结果为无风险；若待评估风险组与仅一个样本风险组的向量距离较近，则判定待评估风险组属于成功识别出的风险，认定企业经营数据存在风险。
2.根据权利要求1所述的基于大数据技术的供应商企业风险评估方法，其特征在于，训练摘要模型库的方法包括：接收样本企业数据及其样本摘要，所述样本企业数据包括样本企业信息数据及样本企业经营数据；提取所述样本企业信息数据的特征向量，将全部样本企业信息数据的所述特征向量使用预先接入的聚类算法进行聚类，获得若干个类及类中心向量；提取每个类对应的所述样本摘要的相近内容，基于所述相近内容生成类对应的提示模板；训练所述类中心向量与类对应的提示模板的关联关系；使用每个类对应的所述样本摘要对预先接入的大语言模型进行调优，获得每个类对应的调优模型；基于所述类中心向量、所述关联关系、所述提示模板及所述调优模型，生成摘要模型库。
3.根据权利要求2所述的基于大数据技术的供应商企业风险评估方法，其特征在于，根据所述企业信息数据从预先训练的摘要模型库中选择相应的摘要模型的方法包括：提取所述企业信息数据的特征向量，寻找与所述特征向量距离最近的类中心向量；基于所述类中心向量从所述摘要模型库中选择对应的提示模板及所述调优模型；基于所述提示模板及所述调优模型获得摘要模型；基于所述摘要模型对所述企业信息数据及所述企业经营数据的响应，获得企业经营摘要的方法包括：根据所述提示模板、所述企业信息数据及所述企业经营数据，训练生成摘要的第一自然语言任务；基于预先接入的大语言模型对所述第一自然语言任务的响应获得企业经营摘要。
4.根据权利要求1至3任一项所述的基于大数据技术的供应商企业风险评估方法，其特征在于，训练特征模型库的方法包括：接收样本企业数据，所述样本企业数据包括样本企业信息数据及样本企业经营数据；根据预先训练的分类模型对所述样本企业信息数据的响应，将企业分类，获得若干个企业类，根据企业类之间的比对，获得每个企业类的类特征字段集；根据预先训练的风险嗅探模型对企业类包含的所述样本企业经营数据的响应，获得类风险特征字段集；基于所述类特征字段集及类风险特征字段集建立并训练每个企业类的特征模型；基于全部企业类的特征模型，获得特征模型库。
5.根据权利要求1所述的基于大数据技术的供应商企业风险评估方法，其特征在于，根据预先训练的风险嗅探模型对所述企业经营数据的响应，从预先训练的特征模型库中选择相应的特征模型的方法包括：根据预先训练的风险嗅探模型对所述企业经营数据的响应，获得所述企业经营数据对应的风险特征字段集；根据与所述风险特征字段集最接近的类风险特征字段集获得最接近的企业类；基于最接近的所述企业类，从所述特征模型库中选择对应的特征模型。
6.基于大数据技术的供应商企业风险评估系统，其特征在于，包括：数据模块，用于读取供应商企业的企业数据，所述企业数据包括企业信息数据及企业经营数据；摘要模块，用于根据所述企业信息数据从预先训练的摘要模型库中选择相应的摘要模型，基于所述摘要模型对所述企业信息数据及所述企业经营数据的响应，获得企业经营摘要；特征模块，用于根据预先训练的风险嗅探模型对所述企业经营数据的响应，从预先训练的特征模型库中选择相应的特征模型；风险评估模块，用于基于所述特征模型获得企业经营数据的数据特征，将所述数据特征输入预先训练的风险评估模型获得风险评估结果，展示所述企业经营摘要及风险评估结果；训练风险嗅探模型的方法包括：列举样本企业经营数据的字段，统计每个字段的取值集合；列举样本企业经营数据的字段组合，统计字段组合的组合取值集合；使用聚类算法分别对所述取值集合及所述组合取值集合进行聚类，获得聚类及聚类范围；基于聚类及聚类范围，生成风险识别规则；根据所述风险识别规则生成风险样本数据；基于所述风险样本数据训练风险嗅探模型；训练所述风险评估模型的方法包括：接收样本企业数据及风险标注，所述样本企业数据包括样本企业信息数据及样本企业经营数据，所述风险标注包括若干个风险类型和每个风险对应的风险参照字段集；基于所述特征模型对所述样本企业经营数据的响应，获得企业经营数据的数据特征；基于所述数据特征、风险参照字段集及所述风险类型，获得风险样本；建立机器学习模型并使用所述风险样本训练所述机器学习模型，基于训练后的所述机器学习模型获得风险识别模型；将每个样本企业经营数据标注的风险类型划入为一个样本风险组，统计在全部的样本企业数据中每个样本风险组出现的次数，获得样本风险组的权重；基于所述风险识别模型识别出待评估的所述数据特征的若干个风险类型，若干个所述风险类型视为待评估风险组；建立权重模型，所述权重模型获得待评估风险组与样本风险组的关联度，基于所述关联度获得待评估风险组的权重；基于所述风险识别模型及权重模型建立风险评估模型，所述风险评估模型基于所述待评估风险组及所述权重，获得风险评估结果；包括：若待评估风险组与任一样本风险组的向量距离均较远，则判定待评估风险组属于模型识别误差，即结果为无风险；若待评估风险组与两个或两个以上的样本风险组的向量距离均较近，则判定待评估风险组属于模型识别误差，即结果为无风险；若待评估风险组与仅一个样本风险组的向量距离较近，则判定待评估风险组属于成功识别出的风险，认定企业经营数据存在风险。
7.电子设备，包括处理器以及存储器；所述处理器与所述存储器相连；所述存储器，用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如权利要求1-5任一项所述的方法。
8.计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的方法。
