[發明專利]貸款業務處理方法及裝置

在審

• 申請號: 202110593623.4
• 申請日: 2021-05-28
• 公開（公告）號: CN113205409A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 吳思奧;張浩;傅媛媛;丘士丹
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 孫乳筍;劉熔

1.一種貸款業務處理方法，其特征在于，包括：

接收貸款業務，根據所述貸款業務獲取貸款企業輿情文本、企業特征數據和貸款金額；

將所述貸款企業輿情文本輸入基于輿情訓練文本創建的輿情分類模型中，得到企業輿情風險數據；

將所述企業輿情風險數據和所述企業特征數據輸入基于企業特征訓練數據創建的企業風險識別模型中，得到企業風險數據；

根據所述企業風險數據對應的貸款閾值與所述貸款金額的比較結果處理所述貸款業務。

2.根據權利要求1所述的貸款業務處理方法，其特征在于，基于輿情訓練文本創建輿情分類模型包括：

執行如下迭代處理：

根據所述輿情訓練文本和輿情分類模型參數確定輿情預測數據；

根據所述輿情預測數據和所述輿情訓練文本對應的輿情實際數據確定輿情損失函數；

當所述輿情損失函數小于預設輿情損失函數閾值時，根據所述輿情分類模型參數創建輿情分類模型，否則根據所述輿情損失函數更新所述輿情分類模型參數，繼續執行所述迭代處理。

3.根據權利要求2所述的貸款業務處理方法，其特征在于，所述輿情分類模型參數包括第一輿情分類模型參數、第二輿情分類模型參數和第三輿情分類模型參數；

根據所述輿情訓練文本和輿情分類模型參數確定輿情預測數據包括：

根據所述輿情訓練文本和所述第一輿情分類模型參數生成第一輿情分類輸出數據；

根據所述輿情訓練文本和所述第二輿情分類模型參數生成第二輿情分類輸出數據；

根據所述第一輿情分類輸出數據、所述第一輿情分類輸出數據和所述第三輿情分類模型參數確定輿情預測數據。

4.根據權利要求1所述的貸款業務處理方法，其特征在于，基于企業特征訓練數據創建企業風險識別模型包括：

執行如下迭代處理：

根據所述企業特征訓練數據和神經網絡模型參數確定風險預測數據；

根據所述風險預測數據和所述企業特征訓練數據對應的風險實際數據確定風險損失函數；

當所述風險損失函數小于預設風險損失函數閾值時，根據所述神經網絡模型參數創建企業風險識別模型，否則根據所述風險損失函數更新所述神經網絡模型參數，繼續執行所述迭代處理。

5.一種貸款業務處理裝置，其特征在于，包括：

獲取模塊，用于接收貸款業務，根據所述貸款業務獲取貸款企業輿情文本、企業特征數據和貸款金額；

輿情分類模塊，用于將所述貸款企業輿情文本輸入基于輿情訓練文本創建的輿情分類模型中，得到企業輿情風險數據；

企業風險識別模塊，用于將所述企業輿情風險數據和所述企業特征數據輸入基于企業特征訓練數據創建的企業風險識別模型中，得到企業風險數據；

貸款業務處理模塊，用于根據所述企業風險數據對應的貸款閾值與所述貸款金額的比較結果處理所述貸款業務。

6.根據權利要求5所述的貸款業務處理裝置，其特征在于，輿情分類模塊具體用于：執行如下迭代處理：

根據所述輿情訓練文本和輿情分類模型參數確定輿情預測數據；

根據所述輿情預測數據和所述輿情訓練文本對應的輿情實際數據確定輿情損失函數；

當所述輿情損失函數小于預設輿情損失函數閾值時，根據所述輿情分類模型參數創建輿情分類模型，否則根據所述輿情損失函數更新所述輿情分類模型參數，繼續執行所述迭代處理。

7.根據權利要求6所述的貸款業務處理裝置，其特征在于，所述輿情分類模型參數包括第一輿情分類模型參數、第二輿情分類模型參數和第三輿情分類模型參數；

所述輿情分類模塊具體用于：

根據所述輿情訓練文本和所述第一輿情分類模型參數生成第一輿情分類輸出數據；

根據所述輿情訓練文本和所述第二輿情分類模型參數生成第二輿情分類輸出數據；

根據所述第一輿情分類輸出數據、所述第一輿情分類輸出數據和所述第三輿情分類模型參數確定輿情預測數據。