[發(fā)明專利]一種利用深度網絡學習模糊信息特征技術的信用評級預測分類方法

在審

• 申請?zhí)枺?/td>: 201910938082.7
• 申請日: 2019-09-30
• 公開（公告）號: CN110705638A
• 公開（公告）日: 2020-01-17
• 發(fā)明（設計）人: 尹留志;吳杰;盧鵬;鎮(zhèn)磊;孫英家;李毅;張健
• 申請（專利權）人: 安徽兆尹信息科技股份有限公司;安徽兆尹安聯科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q40/02
• 代理公司: 34131 合肥國和專利代理事務所(普通合伙)
• 代理人: 張祥騫

本發(fā)明涉及一種利用深度網絡學習模糊信息特征技術的信用評級預測分類方法，與現有技術相比解決了公開數據無法滿足信用評級分類需要的缺陷。本發(fā)明包括以下步驟：基礎數據的獲取；基礎數據的預處理；構建信用評級預測網絡；信用評級預測網絡的訓練；獲取待預測對象的的信用評級數據信息；預測對象的信用評級預測分類。本發(fā)明通過公開的模糊信息模擬預測出非公開的精準信息數據，并生成信用評級分類結果，實現公開數據對非公開數據結果的有效預測分析。

技術領域

本發(fā)明涉及數據預測分析技術領域，具體來說是一種利用深度網絡學習模糊信息特征技術的信用評級預測分類方法。

背景技術

信用評級指獨立的第三方信用評級中介機構對債務人如期足額償還債務本息的能力和意愿進行評價，并用簡單的評級符號表示其違約風險和損失的嚴重程度。同時，信用評級則是對評級對象履行相關合同和經濟承諾的能力和意愿的總體評價。隨著大數據分析技術的成熟，信用評級已從傳統的感性認識判斷上升為眾多數據支撐而形成的理性分析。

現有技術從數據分析角度，對大量的數據經過推算、演變等相關算法，獲得相應的信用等級分析結果。如專利號為“201210201461.6”、專利名稱為“基于信用等級與違約損失率匹配的信用評級系統與方法”的授權發(fā)明專利；再如專利號為“201210201114.3”、專利名稱為“基于信用等級與違約損失率匹配的信用評級調整方法”的授權發(fā)明專利。

但現有技術中的信用評級預測分析均是從金融算法、統計學方法等角度提出了更為優(yōu)秀、準確的評級方法，并未真正基于大數據分析、人工智能角度進行技術考慮。并且，隨著企業(yè)數據安全意識的提高和相關要求，企業(yè)的基本信息、財務數據等用于信用評級的基礎核心數據已不對外公開，以導致無法進行有效的信用評級分類。與此同時，預測技術已趨向成熟，在各個應用領域均取得了一定的成效。

因此，如何將預測分析技術應用在信用評級上，通過少量的公開數據預測出非公開數據并得出信用預測分類結果已經成為急需解決的技術問題。

發(fā)明內容

本發(fā)明的目的是為了解決現有技術中公開數據無法滿足信用評級分類需要的缺陷，提供一種利用深度網絡學習模糊信息特征技術的信用評級預測分類方法來解決上述問題。

為了實現上述目的，本發(fā)明的技術方案如下：

一種利用深度網絡學習模糊信息特征技術的信用評級預測分類方法，包括以下步驟：

基礎數據的獲取：獲取用于信用評級的模糊信息數據和精準信息數據，其中，模糊信息數據為企業(yè)信用評級的公開數據，精準信息數據為企業(yè)信用評級的非公開數據；

基礎數據的預處理：對模糊信息數據和精準信息數據分別進行處理，分別提取出模糊信息數據、精準信息數據的定量信息、定性信息，并對定量信息進行標準化處理、定性信息進行數字化處理；

構建信用評級預測網絡：構建包括學習網絡和預測評級網絡在內的信用評級預測網絡，其中預測評級網絡分為競爭分支網絡與評級分類分支網絡；

信用評級預測網絡的訓練：利用模糊信息數據和精準信息數據對信用評級預測網絡進行訓練；

獲取待預測對象的的信用評級數據信息：獲取待預測對象的待預測模糊信息數據，提取出待預測模糊信息數據內的定量信息、定性信息；

預測對象的信用評級預測分類：將待預測模糊信息數據內的定量信息標準化、定性信息數字化后輸入訓練后的信用評級預測網絡，通過待預測模糊信息數據預測出類似精準信息數據的特征，并得到該預測對象的信用評級等級。

所述的構建信用評級預測網絡包括以下步驟：

構建學習網絡，設定學習網絡為深度殘差特征學習模型；