[發(fā)明專利]一種基于知識圖譜的信用評級方法、裝置及電子設備

在審

• 申請?zhí)枺?/td>: 202010820772.5
• 申請日: 2020-08-14
• 公開（公告）號: CN111951079A
• 公開（公告）日: 2020-11-17
• 發(fā)明（設計）人: 張賓;孫喜民;周晶;李慧超;王帥
• 申請（專利權(quán)）人: 國網(wǎng)電子商務有限公司;國網(wǎng)電商科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/28;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王嬌嬌

本申請公開了一種基于知識圖譜的信用評級方法、裝置及電子設備，所述方法包括：獲得目標語料，所述目標語料中包含多個語句；利用預先構(gòu)建的知識圖譜，對所述目標語料中各個語句進行詞抽取，以得到所述目標語料對應的多個特征詞，所述特征詞包括至少一個目標對象在至少一個信息維度上的特征詞；利用每個所述信息維度對應的風險識別模型，對所述目標對象在每個所述信息維度上的特征詞進行風險識別，以得到所述目標對象在每個所述信息維度對應的信用評級結(jié)果，所述風險識別模型為利用多個具有信用評級標簽的訓練特征詞集合進行訓練得到，所述信用評級結(jié)果表征其對應的目標對象在相應信息維度上的信用風險的高低。

技術(shù)領(lǐng)域

本申請涉及深度學習技術(shù)領(lǐng)域，尤其涉及一種基于知識圖譜的信用評級方法、裝置及電子設備。

背景技術(shù)

目前，對企業(yè)信用評級的研究主要集中在與企業(yè)相關(guān)的風險分析領(lǐng)域，隨著風險數(shù)據(jù)復雜程度的提高，帶來了對其分析需求的提升，因而深度學習的應用已經(jīng)成為了風險管理領(lǐng)域的研究前沿，也必將在風險管理領(lǐng)域產(chǎn)生顛覆性的變革。深度學習是通過人工神經(jīng)網(wǎng)絡發(fā)展而衍生的，包含復雜多層次的學習結(jié)構(gòu)，其建立是基于模仿人類大腦的學習機制。深度學習模型通過對每一數(shù)據(jù)特征的學習，繼而將新的特征輸入到下一層中，在這個過程中新的特征是通過對學習到的數(shù)據(jù)特征進行特定的特征變換得到的，提升了模型的預測效果。

在實際評級過程中，風險預測的指標多種多樣，各項指標間互相關(guān)聯(lián)，直接將這些指標作為特征進行分類回歸，由于沒有利用到更全和更深層的特征，用常規(guī)機器學習方法訓練出的模型不能有很好的預測效果，所以，可以將風險各項指標量化后作為神經(jīng)網(wǎng)絡的輸入，來提取風險各項指標的更深層的特征，然后將提取出的特征輸入到分類器或者回歸模型中進行風險預警模型訓練，經(jīng)過調(diào)整超參，多輪迭代訓練，得到最優(yōu)風險預警模型，然后部署到相關(guān)平臺上使用，進行企業(yè)經(jīng)營風險、股票風險、外匯風險等的預測。

以上各種基于機器學習的風險預測實現(xiàn)方案中，雖然機器學習為人們提供了一種可靠和令人信服的預測能力，但企業(yè)信用評級的難點在于多維度數(shù)據(jù)的獲取能力和統(tǒng)一關(guān)聯(lián)表示，這是傳統(tǒng)機器學習技術(shù)無法實現(xiàn)的。因此，目前的風險預測實現(xiàn)方案會由于無法得到高維度的特征而存在預測準確性低的技術(shù)問題。

發(fā)明內(nèi)容

有鑒于此，本申請?zhí)峁┮环N基于知識圖譜的信用評級方法、裝置及電子設備，如下：

一種基于知識圖譜的信用評級方法，所述方法包括：

獲得目標語料，所述目標語料中包含多個語句；

利用預先構(gòu)建的知識圖譜，對所述目標語料中各個語句進行詞抽取，以得到所述目標語料對應的多個特征詞，所述特征詞包括至少一個目標對象在至少一個信息維度上的特征詞；

利用每個所述信息維度對應的風險識別模型，對所述目標對象在每個所述信息維度上的特征詞進行風險識別，以得到所述目標對象在每個所述信息維度對應的信用評級結(jié)果，所述風險識別模型為利用多個具有信用評級標簽的訓練特征詞集合進行訓練得到，所述信用評級結(jié)果表征其對應的目標對象在相應信息維度上的信用風險的高低。

上述方法，優(yōu)選的，所述知識圖譜通過以下方式獲得：

讀取關(guān)系型數(shù)據(jù)庫中存儲的結(jié)構(gòu)化數(shù)據(jù)，所述結(jié)構(gòu)化數(shù)據(jù)與至少一個目標對象相關(guān)；

利用結(jié)構(gòu)化數(shù)據(jù)與三元組之間的預設映射關(guān)系，將所述結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為三元組數(shù)據(jù)，以得到所述知識圖譜。

上述方法，優(yōu)選的，所述知識圖譜通過以下方式獲得：

利用至少一個目標對象對應的預設詞，獲得行業(yè)網(wǎng)站中與所述目標對象相關(guān)的目標頁面；

讀取所述目標頁面中的頁面內(nèi)容；

根據(jù)所述頁面內(nèi)容，生成三元組數(shù)據(jù)，以得到所述知識圖譜。