[發明專利]一種企業信用等級評價方法、裝置及相關設備

在審

• 申請號: 201811518778.6
• 申請日: 2018-12-12
• 公開（公告）號: CN109685526A
• 公開（公告）日: 2019-04-26
• 發明（設計）人: 蔡燕;王培勇;劉勇;王宏新;陳宏仁
• 申請（專利權）人: 稅友軟件集團股份有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06Q10/06
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本申請公開了一種企業信用等級評價方法，包括獲取企業樣本數據，對所述企業樣本數據進行多維度特征加工處理，獲得特征數據；在所有所述特征數據中抽取相關性特征數據作為訓練樣本數據；根據所述訓練樣本數據進行模型訓練，獲得GBDT模型；當接收到信用等級評價指令時，將所述信用等級評價指令對應的待測企業數據發送至所述GBDT模型進行處理，獲得數據處理結果；根據所述數據處理結果確定企業信用等級；該企業信用等級評價方法可在保證企業信用等級評估效率的基礎上，有效提高對應評估結果的準確性。本申請還公開了一種企業信用等級評價裝置、設備及計算機可讀存儲介質，均具有上述有益效果。

技術領域

本申請涉及數據存儲技術領域，特別涉及一種企業信用等級評價方法，還涉及一種企業信用等級評價裝置、設備以及計算機可讀存儲介質。

背景技術

目前，在對一些企業進行信用評估的實際工作中，主要依賴于相關工作人員的業務經驗，從業務層面對企業的信用等級進行評估，視角單一，且主觀影響較重，難以全面覆蓋影響信用等級的行為數據，導致評估結果的不準確性，同時，也造成了人力浪費、時間浪費，效率較低。

近年來，隨著互聯網行業的發展，雖然有一些基于計算機算法的信用等級評估方法的提出，如隨機森林機器學習模型等，在一定程度上提高了評估效率，但鑒于其樣例數據、特征數據的提取不夠完備，對應評估結果的準確性依然較低，難以在實踐中取得成效，

因此，如何在保證企業信用等級評估效率的基礎上，有效提高對應評估結果的準確性是本領域技術人員亟待解決的問題。

發明內容

本申請的目的是提供一種企業信用等級評價方法，該企業信用等級評價方法可在保證企業信用等級評估效率的基礎上，有效提高對應評估結果的準確性；本申請的另一目的是提供一種企業信用等級評價裝置、設備以及計算機可讀存儲介質，也具有上述有益效果。

為解決上述技術問題，本申請提供了一種企業信用等級評價方法，所述企業信用等級評價方法包括：

獲取企業樣本數據，對所述企業樣本數據進行多維度特征加工處理，獲得特征數據；

在所有所述特征數據中抽取相關性特征數據作為訓練樣本數據；

根據所述訓練樣本數據進行模型訓練，獲得GBDT模型；

當接收到信用等級評價指令時，將所述信用等級評價指令對應的待測企業數據發送至所述GBDT模型進行處理，獲得數據處理結果；

根據所述數據處理結果確定企業信用等級。

優選的，所述對所述企業樣本數據進行多維度特征加工處理，獲得特征數據之前，還包括：

對所述企業樣本數據進行缺失值分析處理，獲得第一處理數據；

對所述第一處理數據進行異常值分析處理，獲得第二處理數據；

對所述第二處理數據進行變量相關性分析處理，獲得預處理數據。

優選的，所述對所述企業樣本數據進行缺失值分析處理，獲得第一處理數據，包括：

通過聚類替代法對所述企業樣本數據進行缺失值分析處理，獲得所述第一處理數據。

優選的，所述對所述第二處理數據進行變量相關性分析處理，獲得預處理數據，包括：

對所述第二處理數據進行變量相關性計算；

當所述變量相關性超出預設閾值時，對所述第二處理數據進行降緯處理，獲得所述預處理數據。

優選的，所述在所有所述特征數據中抽取相關性特征數據作為訓練樣本數據，包括：

通過邏輯回歸算法在所有所述特征數據中抽取所述相關性特征數據作為所述訓練樣本數據。