[發明專利]一種不完備信息條件下非線性映射信用評分方法

在審

• 申請號: 201810065673.3
• 申請日: 2018-01-23
• 公開（公告）號: CN108133334A
• 公開（公告）日: 2018-06-08
• 發明（設計）人: 趙煦;郭銳
• 申請（專利權）人: 蘇州泰融金融信息服務有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 南京禾易知識產權代理有限公司 32320
• 代理人: 仇波

本發明涉及一種不完備信息條件下非線性映射信用評分方法，S1：通過評分主體的信息數據，構建包含多個待評價主體的不完全信息的信用特征向量矩陣；S2：采用[0,1]均勻分布填充的方式對缺失信息以及不完全信息補全，然后通過迭代求解來近似求解優化；S3：利用補全后的矩陣計算每個特征指標的信息熵，表示特征承載的信息量；S4：利用層次分析法（AHP）得到特征指標的權重向量，再根據定義信息缺失懲罰系數和原始信息缺失情況更新特征指標權重向量等步驟進行評估。本發明的方法在企業信息數據缺失和不完整的情況下，提升了企業數據缺失對評分方法可用性的限制，即便對有數據缺失的企業，仍可計算該相應的信用評分，同時方法具有客觀性、準確性的特點。

技術領域

本發明涉及信用評價領域，尤其涉及一種不完備信息條件下非線性映射信用評分方法。

背景技術

信用評分是在評分主體特征信息數據基礎上，運用定量方法對評分主體信用進行評價，最終以分數形式測度信用。主要分為定性和定量兩類。定性方法利用專家經驗，通過層次分析法(AHP)評分指標權重，再使用線性加權打分。定量方法利用實際的信用表現，通過數據建模方法構建數據模型并運用模型打分。但無論是定性或定量方法都需利用特征維度下完整數據，當數據缺失時評分方法就無法正常計算。

發明內容

本發明要解決的技術問題是設計一種不完備信息條件下非線性映射信用評分方法，解決上述現有的技術問題。

為解決上述技術問題，本發明提供了一種不完備信息條件下非線性映射信用評分方法，方法步驟如下：

S1：通過評分主體的信息數據，構建包含多個待評價主體的不完全信息的信用特征向量矩陣；

S2：采用[0,1]均勻分布填充的方式對缺失信息以及不完全信息補全，然后通過迭代求解來近似求解優化；

S3：利用補全后的矩陣計算每個特征指標的信息熵，表示特征承載的信息量；

S4：利用層次分析法(AHP)得到特征指標的權重向量，再根據定義信息缺失懲罰系數和原始信息缺失情況更新特征指標權重向量；

S5：根據線性加權函數公式和最大最小值映射函數公式計算主體對象的評分值。

進一步的，在步驟一中，根據信息可獲得性構建特征向量矩陣M；所述矩陣中行為待評價的信用主體，列為該信用主體對應在該方面的表現。

進一步的，多個待評價主體的特征維度包括：基本信息、學歷、工作、運營商、第三方征信、賬戶行為等方面，數據均為剔除隱私信息后的數值型脫敏數據。

進一步的，在步驟二中，先對標記為NaN的缺失信息采用[0,1]均勻分布填充，之后通過矩利用陣補全損失函數的迭代求解來近似求解優化問題

其中Ω為信息完全的矩陣元素；在迭代求解的過程中，采用作為迭代終止條件，分別沿Y梯度下降方向和沿Z梯度下降方向搜索最優解，在每次迭代過程中更新矩陣Y和Z，直到滿足終止條件或達到最大迭代次數；最終得到矩陣Y、Z，令M’＝YZ^T，得到補全后的矩陣M’，M中的信息缺失部分使用M’相應位置值進行填充，得到n個信用評價主體的完整信息。

進一步的，在步驟三中，利用補全后的矩陣M’計算每個特征指標的信息熵，用以描述特征承載的信息量。第i個特征指標的信息熵值為得到特征指標信息熵向量e＝[e₁,e₂,...,e_i,...,e_m-1,e_m]，其中