[發(fā)明專利]智能授信方法及智能授信裝置

在審

• 申請?zhí)枺?/td>: 201410101102.2
• 申請日: 2014-03-19
• 公開（公告）號: CN103839183A
• 公開（公告）日: 2014-06-04
• 發(fā)明（設(shè)計）人: 嚴建峰;朱利民;李云飛;郝丹
• 申請（專利權(quán)）人: 江蘇蘇大大數(shù)據(jù)科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 蘇州市中南偉業(yè)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 楊明

1.一種智能授信方法，其特征在于，所述方法包括：

采集貸款客戶的資料數(shù)據(jù)；

對采集的所述資料數(shù)據(jù)進行校核處理，建立貸款客戶的資料數(shù)據(jù)庫；

基于標準案例庫，采用預(yù)定分析方法對所述資料數(shù)據(jù)庫進行分析，篩選出與授信相關(guān)的特征集；

采用預(yù)定分類方法基于所述標準案例庫，對所述特征集進行數(shù)據(jù)訓(xùn)練，得到授信模型；

基于所述授信模型，對貸款客戶的授信請求進行相應(yīng)的授信操作；

所述方法還包括：更新所述資料數(shù)據(jù)庫、更新所述特征集，更新所述授信模型。

2.根據(jù)權(quán)利要求1所述的智能授信方法，其特征在于，所述預(yù)定分析方法包括深度學(xué)習(xí)方法和/或主成分分析法。

3.根據(jù)權(quán)利要求1所述的智能授信方法，其特征在于，所述預(yù)定分類方法包括支持向量機方法、人工神經(jīng)網(wǎng)絡(luò)或/和決策樹。

4.根據(jù)權(quán)利要求1所述的智能授信方法，其特征在于，所述校核處理至少包括對所述資料數(shù)據(jù)進行清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)歸約。

5.根據(jù)權(quán)利要求1所述的智能授信方法，其特征在于，所述客戶信息資料至少包括：客戶姓名或名稱、客戶行業(yè)背景、信用記錄、最近三個月內(nèi)的貸款、還款記錄、工商信息、信用信息和或稅務(wù)信息。

6.根據(jù)權(quán)利要求1所述的智能授信方法，其特征在于，所述方法還包括預(yù)先輸入或存儲所述標準案例庫的步驟。

7.一種智能授信裝置，其特征在于，包括：

客戶信息采集模塊，用于采集貸款客戶的資料數(shù)據(jù)；

數(shù)據(jù)庫建立模塊，用于對所述客戶信息采集模塊采集的所述資料數(shù)據(jù)進行校核處理，建立貸款客戶的資料數(shù)據(jù)庫；

特征集提取模塊，用于基于標準案例庫，采用預(yù)定分析方法對所述資料數(shù)據(jù)庫進行分析，篩選出與授信相關(guān)的特征集；

授信模型生成模塊，用于采用預(yù)定分類方法基于所述標準案例庫，對所述特征集進行數(shù)據(jù)訓(xùn)練，得到授信模型；

授信模塊，基于所述授信模型，對貸款客戶的授信請求進行相應(yīng)的授信操作；

管理模塊，用于更新所述資料數(shù)據(jù)庫、更新所述特征集，所述授信模型生成模塊基于更新后的所述特征集更新所述授信模型。

8.根據(jù)權(quán)利要求7所述的智能授信裝置，其特征在于，所述特征集提取模塊包括包括深度學(xué)習(xí)方法單元和/或主成分分析法單元，其中

所述深度學(xué)習(xí)單元，采用深度學(xué)習(xí)的方法基于標準案例庫對所述資料數(shù)據(jù)庫進行分析，篩選出與授信相關(guān)的特征集；

所述主成分分析單元，采用主成分分析的方法基于標準案例庫對所述資料數(shù)據(jù)庫進行分析，篩選出與授信相關(guān)的特征集。

9.根據(jù)權(quán)利要求7所述的智能授信裝置，其特征在于，授信模型生成模塊包括支持向量機單元、人工神經(jīng)網(wǎng)絡(luò)單元或/和決策樹單元，其中，

所述支持向量機單元，采用支持向量機方法基于所述標準案例庫，對所述特征集進行數(shù)據(jù)訓(xùn)練，得到授信模型；

所述人工神經(jīng)網(wǎng)絡(luò)單元，采用人工神經(jīng)網(wǎng)絡(luò)方法基于所述標準案例庫，對所述特征集進行數(shù)據(jù)訓(xùn)練，得到授信模型；

所述決策樹單元，采用決策樹方法基于所述標準案例庫，對所述特征集進行數(shù)據(jù)訓(xùn)練，得到授信模型。

10.根據(jù)權(quán)利要求7所述的智能授信裝置，其特征在于，所述智能授信裝置為PC、筆記本、平板電腦、手機、個人移動終端。