[發明專利]企業金融服務風險預測方法及裝置

在審

• 申請號: 202110690985.5
• 申請日: 2021-06-22
• 公開（公告）號: CN113393320A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 倪靈;陳李龍;王娜
• 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;G06Q40/04;G06Q10/04;G06Q10/06;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;王濤

1.一種企業金融服務風險預測方法，其特征在于，包括：

根據各個標簽已知的歷史企業數據各自對應的標簽類型分別形成各類標簽分別對應的列標簽數據表；

應用預設的偽標簽動態創建方式，對各個所述列標簽數據表分別執行針對標簽未知的外部企業數據的偽標簽迭代過程，直至形成各類標簽分別對應的子分類器；

將各個所述子分類器集成為一投票器，并根據該投票器和預設的標簽類型占比數據生成金融服務風險預測模型，以基于該金融服務風險預測模型對當前未經金融服務授權的目標企業進行金融服務風險預測。

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，還包括：

獲取當前未經金融服務授權的目標企業的企業信息；

將所述目標企業的企業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。

3.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，在所述根據各個標簽已知的歷史企業數據各自對應的標簽類型分別形成各類標簽分別對應的列標簽數據表之前，還包括：

根據標簽已知的歷史企業數據生成對應的第一數據集，該第一數據集中包含有各個歷史企業的企業信息和各個標簽類型之前的一一對應關系；

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、企業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、企業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訓練第一分類器，并基于該第一分類器獲取的所述合并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。

4.根據權利要求3所述的企業金融服務風險預測方法，其特征在于，所述根據各個標簽已知的歷史企業數據各自對應的標簽類型分別形成各類標簽分別對應的列標簽數據表，包括：

根據經重采樣處理后的第一數據集中的標簽類型，在所述第一數據集中分別且單獨增加與其中一類標簽唯一對應的標簽列，以形成各類標簽分別對應的列標簽數據表；

其中，所述列標簽數據表中的標簽列唯一對應的標簽類型在所述標簽列中均顯示為第一列標簽，所述列標簽數據表中的未與標簽列對應的其他標簽類型在所述中均顯示為第二列標簽；且所述第一列標簽和第二列標簽取值不同。

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，所述針對標簽未知的外部企業數據的偽標簽迭代過程，包括：

執行預設的偽標簽構建步驟，以根據當前標簽類型的列標簽數據表得到對應的子分類器和包含有偽標簽的新的列標簽數據表；

將當前的迭代次數加1，并判斷該迭代次數是否已到達預設的次數閾值或新的列標簽數據表已收斂；

若是，則將當前的子分類器確定為當前標簽類型對應的目標子分類器；

若否，則基于新的列標簽數據表返回執行所述偽標簽構建步驟。

6.根據權利要求5所述的企業金融服務風險預測方法，其特征在于，所述偽標簽構建步驟，包括：

基于當前的列標簽數據表訓練第二分類器，并基于該第二分類器對標簽未知的外部企業數據進行標簽預測，以生成包含有各個標簽未知的外部企業的企業信息分別對應的偽標簽的第二數據集；

將所述列標簽數據表與所述第二數據集進行數據混合，并基于數據混合后的列標簽數據表和第二數據集訓練子分類器，對當前迭代中的所述列標簽數據表內的正樣本分類錯誤的樣本進行重采樣，以形成所述列標簽數據表對應的包含有偽標簽的新的列標簽數據表。