[發明專利]企業金融服務風險預測方法及裝置

在審

• 申請號: 202110254016.5
• 申請日: 2021-03-09
• 公開（公告）號: CN112766825A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 倪靈;陳珊珊;王娜;強鋒
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/06;G06Q40/02;G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;孫乳筍

1.一種企業金融服務風險預測方法，其特征在于，包括：

獲取當前未經金融服務授權的目標企業的運營狀態信息；

將所述目標企業的運營狀態信息輸入預設的金融服務風險預測模型，并將該金融服務風險預測模型的輸出作為該目標企業的金融服務風險預測等級，以基于該金融服務風險預測等級確定是否向所述目標企業提供金融服務；

其中，所述金融服務風險預測模型為預先應用一融合模型對多個外部企業進行評分后獲取的，該融合模型預先基于一打標模型和標簽未知的歷史企業數據獲取，且所述打標模型預先基于預設的遷移學習方式和重采樣方式處理后的標簽已知的歷史企業數據訓練得到。

2.根據權利要求1所述的企業金融服務風險預測方法，其特征在于，在所述獲取當前未經金融服務授權的目標企業的運營狀態信息之前，還包括：

根據標簽已知的歷史企業數據對應的第一數據集訓練得到用于預測企業標簽的第一打標模型；

基于預設的遷移學習方式，應用標簽未知的歷史企業數據和標簽未知的外部企業數據形成一合并數據集，其中，該合并數據集用于存儲各個標簽未知的歷史企業用戶標識、運營狀態信息和第一閾標簽之間的對應關系，還用于存儲各個標簽未知的外部企業用戶標識、運營狀態信息和第二閾標簽之間的對應關系，且所述第一閾標簽和所述第二閾標簽取值不同；

應用所述合并數據集對所述第一數據集進行重采樣處理；

基于經重采樣處理后的第一數據集對所述第一打標模型進行訓練，以形成對應的第二打標模型；

應用所述第二打標模型對多個標簽未知的歷史企業用戶分別進行標簽預測，并根據獲取的預測結果訓練得到融合模型；

基于所述融合模型和預設的標簽類型占比數據生成所述金融服務風險預測模型。

3.根據權利要求2所述的企業金融服務風險預測方法，其特征在于，所述根據標簽已知的歷史企業數據對應的第一數據集訓練得到用于預測企業標簽的第一打標模型，包括：

獲取標簽已知的多個歷史企業用戶的用戶信息以及各個所述歷史企業用戶各自對應的標簽，以生成第一數據集，其中，所述標簽按照對應的企業歷史評價信息劃分為至少三類評價等級內容；

應用預設的邏輯回歸方式，基于所述第一數據集分別訓練得到各類標簽各自對應的分類器子模型；

將各個所述分類器子模型分別賦予相同的初始權重值，以得到對應的第一打標模型。

4.根據權利要求2所述的企業金融服務風險預測方法，其特征在于，所述基于預設的遷移學習方式，應用標簽未知的歷史企業數據和標簽未知的外部企業數據形成一合并數據集，包括：

分別獲取標簽未知的歷史企業數據和標簽未知的外部企業數據；

應用所述第一打標模型對標簽未知的歷史企業數據進行標簽預測，以根據對應的標簽預測結果形成第二數據集；

將所述第二數據集中的標簽預測結果刪除以形成標簽未知的歷史企業對應的數據表，其中，所述標簽未知的歷史企業對應的數據表用于存儲各個標簽未知的歷史企業用戶標識和運營狀態信息之間的對應關系；

獲取標簽未知的外部企業用戶數據對應的第一數據表，其中，該第一數據表用于存儲各個標簽未知的外部企業用戶標識和運營狀態信息之間的對應關系；

在所述標簽未知的歷史企業對應的數據表中新增一取值均為1的閾標簽列以形成第二數據表，以及，在所述第一數據集中新增一取值均為0的閾標簽列以形成第三數據表；

對所述第二數據表和所述第三數據表進行合并處理，得到用于作為所述合并數據集對應的第四數據表。

5.根據權利要求4所述的企業金融服務風險預測方法，其特征在于，所述應用所述合并數據集對所述第一數據集進行重采樣處理，包括：

應用所述第四數據表訓練分類器，并基于該分類器獲取的所述第四數據集中的標簽預測值，對不同的標簽預測數值范圍分別對應的權重值進行調整以形成目標權重集，其中，所述目標權重集用于存儲各個所述標簽預測數值范圍與調整后權重之間的一一對應關系；

根據所述目標權重集對所述第一數據集進行重采樣處理，以形成經重采樣處理后的第一數據集。