[發明專利]一種風險識別方法和系統

在審

• 申請號: 201811558708.3
• 申請日: 2018-12-19
• 公開（公告）號: CN109345381A
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 陳瑋;劉德彬;黃遠江;嚴開;陳長沙
• 申請（專利權）人: 重慶譽存大數據科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/06
• 代理公司: 重慶智慧之源知識產權代理事務所(普通合伙) 50234
• 代理人: 孫方

1.一種風險識別方法，其特征在于，應用于終端，用于對企業失信風險進行識別，所述方法包括：

將所述企業失信風險的測試數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型；

獲取所述企業失信風險的待預測數據；

將所述企業失信風險的待預測數據輸入至所述失信風險識別模型中，通過所述失信風險識別模型基于所述企業失信風險的待預測數據進行預測；

將所述預測結果顯示于所述終端的顯示界面，以供用戶可以清楚地獲知預測結果。

2.如權利要求1所述的風險識別方法，其特征在于，所述測試數據包括失信企業和未失信企業數量，其中，所述測試數據中的所述失信企業和未失信企業數量的數量比為1:2。

3.如權利要求1所述的風險識別方法，其特征在于，將所述企業失信風險的測試數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型的步驟，包括：

對所述測試數據進行標準化；

通過對標準化后的數據進行清洗和選擇得到特征數據；

將所述特征數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型。

4.如權利要求3所述的風險識別方法，其特征在于，所述特征數據包括但不限于工商基本變更信息、行業信息、裁判文書次數、企業股東對外任職的企業的特征、企業法人對外任職的企業的吊銷、作為被告的裁判文書次數。

5.如權利要求1所述的風險識別方法，其特征在于，所述將所述特征數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型的步驟，包括：

根據預設的特征選擇算法確定當前最優特征和待分裂特征數據；

根據所述當前最優特征建立決策樹當前節點，根據所述待分裂特征數據建立以所述當前節點為父節點的分支，直止滿足于預設條件停止繼續構建決策樹以生成失信風險識別模型。

6.如權利要求5所述的風險識別方法，其特征在于，所述決策樹模型為CART決策樹算法，所述根據預設的特征選擇算法確定當前最優特征為確定信息增益最大的特征為當前最優特征。

7.如權利要求5所述的風險識別方法，其特征在在于，所述直止滿足于預設條件停止繼續構建決策樹以生成失信風險識別模型的步驟，包括：

構建完整的初始決策樹；

采用后剪枝算法對所述初始決策樹進行處理以得到失信風險識別模型。

8.如權利要求1所述的風險識別方法，其特征在于，所述采用后剪枝算法對所述初始決策樹進行處理以得到失信風險識別模型的步驟，包括：

將所述失信風險識別模型的驗證數據輸入至初始決策樹；

根據錯誤率降低剪枝算法對所述初始決策樹進行處理，以得到最終的失信風險識別模型。

9.如權利要求8所述的風險識別方法，其特征在于，所述驗證數據包括失信企業和未失信企業數量，其中，所述驗證數據中的所述失信企業和未失信企業數量的數量比為7:3。

10.一種風險識別系統，其特征在于，所述風險識別系統用于對企業失信風險進行識別，所述系統包括：

建樹模塊，用于將所述企業失信風險的測試數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型；

獲取模塊，用于獲取所述企業失信風險的待預測數據；

預測模塊，用于將所述企業失信風險的待預測數據輸入至所述失信風險識別模型中，通過所述失信風險識別模型基于所述企業失信風險的待預測數據進行預測；

顯示模塊，用于將所述預測結果顯示于所述終端的顯示界面，以供用戶可以清楚地獲知預測結果。