[發明專利]財務數據評分方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201811089672.9
• 申請日: 2018-09-18
• 公開（公告）號: CN109376995A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 魯寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/00;G06K9/62
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

本申請涉及一種財務數據評分方法、裝置、計算機設備和存儲介質。本申請通過構建智能模型，實現了對企業財務狀態的人工智能評估。方法包括：接收評分請求，評分請求中攜帶企業標識和待評分的財務數據；查找與企業標識關聯的行業標簽；獲取與行業標簽關聯的財務評分模型，其中，財務評分模型是基于劃分好正負樣本數據集的歷史財務數據訓練得到的，正負樣本數據集是以包括至少一個財務維度的樣本評判信號為依據進行劃分的；將待評分的財務數據輸入到財務評分模型中，得到財務評分結果；將財務評分結果反饋給請求終端。采用本方法能夠對企業的財務狀況進行精準評估。

技術領域

本申請涉及計算機技術領域，特別是涉及一種財務數據評分方法、裝置、計算機設備和存儲介質。

背景技術

分類問題在機器學習領域已經被廣泛的研究，大多數的分類算法，例如決策樹、神經網絡，已經被成功應用于多個領域。這些標準分類算法通常假設訓練樣本的類別是均勻分布的。然而，非平衡數據集是實際應用中經常遇到的數據集。例如，在基于企業的財務數據進行企業財務評分模型構建時，往往好企業數據集數量遠遠大于壞企業數據集。基于不平衡樣本訓練出的企業評分模型很難保障具有很高的分類性能。

傳統的解決訓練數據集不均衡問題所采用的方法有：欠采樣和過采樣，雖然能夠解決數據集不均衡問題，但同時也帶來了不可避免的缺陷，如數據量丟失以及模型過擬合問題。采用傳統的欠采樣和過采樣的方法構建企業財務評分模型，雖然能夠解決好壞企業樣本數量懸殊的問題，但由于數據丟失等缺陷使得構建出的模型的分類性能不佳，對企業財務狀況的評估效果不好。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠對企業的財務狀況進行精準評估的財務數據評分方法、裝置、計算機設備和存儲介質。

一種財務數據評分方法，所述方法包括：

接收評分請求，所述評分請求中攜帶企業標識和待評分的財務數據；

查找與所述企業標識關聯的行業標簽；

獲取與所述行業標簽關聯的財務評分模型，其中，所述財務評分模型是基于劃分好正負樣本數據集的歷史財務數據訓練得到的，所述正負樣本數據集是以包括至少一個財務維度的樣本評判信號為依據進行劃分的；

將所述待評分的財務數據輸入到所述財務評分模型中，得到財務評分結果；

將所述財務評分結果反饋給請求終端。

在一個實施例中，所述方法還包括：

接收分類模型構建請求，所述請求中攜帶行業標簽；

獲取企業財務數據，所述企業財務數據對應的企業標識與所述行業標簽相關聯；

獲取樣本評判信號，所述樣本評判信號至少包括一個財務維度的評判信號；

計算每個企業的所述企業財務數據對應的樣本評判信號值；

根據所述樣本評判信號和所述評判信號值對所述企業財務數據進行正負樣本劃分，得到正負樣本數據集；

根據所述正負樣本數據集對預定分類器進行訓練以構建財務評分模型；

將所述財務評分模型與所述行業標簽關聯存儲。

在一個實施例中，預先定義多組所述樣本評判信號；所述方法還包括：

根據多組所述樣本評判信號構建多個所述財務評分模型，并將多個所述財務評分模型與所述行業標簽關聯存儲；

所述獲取與所述行業標簽關聯的財務評分模型包括：獲取與所述行業標簽關聯的多個所述財務評分模型；