[發(fā)明專(zhuān)利]一種企業(yè)信用評(píng)分樣本標(biāo)注方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202210069986.2
• 申請(qǐng)日: 2022-01-21
• 公開(kāi)（公告）號(hào): CN114462516A
• 公開(kāi)（公告）日: 2022-05-10
• 發(fā)明（設(shè)計(jì)）人: 郭長(zhǎng)營(yíng);崔樂(lè)樂(lè);李仰允
• 申請(qǐng)（專(zhuān)利權(quán)）人: 天元大數(shù)據(jù)信用管理有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06Q40/02
• 代理公司: 濟(jì)南信達(dá)專(zhuān)利事務(wù)所有限公司 37100
• 代理人: 姜麗潔

1.一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，具有以下步驟：

S1、多源異構(gòu)數(shù)據(jù)分析融合建立標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)；

S2、構(gòu)建進(jìn)行信用評(píng)分的指標(biāo)體系；

S3、指標(biāo)數(shù)據(jù)的預(yù)處理；

S4、計(jì)算最優(yōu)聚類(lèi)中心。

2.根據(jù)權(quán)利要求1所述的一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，在步驟S1中，基于用戶(hù)匯聚的多源數(shù)據(jù)，通過(guò)數(shù)據(jù)之間融合比對(duì)，不同原始字段對(duì)齊，對(duì)多源異構(gòu)數(shù)據(jù)分析融合建立形成企業(yè)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)。

3.根據(jù)權(quán)利要求2所述的一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，在步驟S2中，基于建立的企業(yè)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)建設(shè)用于信用評(píng)分的指標(biāo)體系，構(gòu)建指標(biāo)的數(shù)據(jù)來(lái)源官方數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、第三方數(shù)據(jù)、入庫(kù)存量數(shù)據(jù)、API接口數(shù)據(jù)、結(jié)構(gòu)化的基本信息和半結(jié)構(gòu)化的數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，在步驟S3中，通過(guò)無(wú)效值處理、同值統(tǒng)計(jì)和缺失值統(tǒng)計(jì)完成指標(biāo)數(shù)據(jù)的預(yù)處理工作；

所述無(wú)效值處理是去除無(wú)關(guān)信息；所述同值統(tǒng)計(jì)處理是對(duì)只含同值的字段、同值率高于80％的字段進(jìn)行去除；缺失值統(tǒng)計(jì)處理對(duì)全部缺失、字段缺失率高于80％的字段進(jìn)行去除。

5.根據(jù)權(quán)利要求4所述的一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，在步驟S4中，進(jìn)一步的包括：

S401、對(duì)指標(biāo)進(jìn)行特征工程；

S402、篩選具有明確含義的指標(biāo)并標(biāo)注部分樣本；

S403、kmeans聚類(lèi)需求最優(yōu)聚類(lèi)中心；

S404、標(biāo)注無(wú)標(biāo)簽樣本；

S405、信用評(píng)分模型訓(xùn)練。

6.根據(jù)權(quán)利要求5所述的一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，在步驟S401中，首先對(duì)入模指標(biāo)中的無(wú)效值進(jìn)行處理，對(duì)部分可量化指標(biāo)進(jìn)行數(shù)值量化；然后對(duì)入模指標(biāo)進(jìn)行缺失值統(tǒng)計(jì)，去除缺失值大于80％的訓(xùn)練指標(biāo)；針對(duì)剩余指標(biāo)進(jìn)行同值率的統(tǒng)計(jì)，去除屬性只有一個(gè)值的特征，去除屬性同值率大于80％的指標(biāo)；

在步驟S402中，根據(jù)最近一段時(shí)間是否有明確好壞含義的指標(biāo)標(biāo)注部分樣本。

7.根據(jù)權(quán)利要求6所述的一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，在步驟S403中，進(jìn)一步的包括：

(1)初始化中心點(diǎn)

在無(wú)標(biāo)簽的樣本中隨機(jī)挑選兩個(gè)樣本作為初始的聚類(lèi)中心；

(2)需求最優(yōu)聚類(lèi)中心

a.計(jì)算每個(gè)樣本點(diǎn)與這個(gè)兩個(gè)個(gè)簇中心的相似度大小，并將該樣本點(diǎn)劃分到與之相似度最大的簇中心所對(duì)應(yīng)的簇中；

b.根據(jù)現(xiàn)有的簇中樣本，重新計(jì)算每個(gè)簇的簇中心；

c.循環(huán)迭代步驟a和步驟b，直到目標(biāo)函數(shù)收斂，即簇中心不再發(fā)生變化；

(3)計(jì)簇中心算過(guò)程

a.設(shè)X＝{X1,X2,…,X_n}為一個(gè)含有n個(gè)樣本的數(shù)據(jù)集，其中第i個(gè)數(shù)據(jù)對(duì)象表示為X_i＝{x_i1,x_i2,…,x_im}，m為數(shù)據(jù)對(duì)象特征的數(shù)目，數(shù)據(jù)對(duì)象分配矩陣U是一個(gè)n*k的0-1矩陣(里面只有0和1),u_ip表示第i個(gè)樣本被分到第p個(gè)簇中，Z＝Z1,Z2,…,Z_k為k個(gè)簇中心向量，其中Z_p＝{z_p1,z_p2,…,z_pm}為第p個(gè)簇中心，則Kmeans聚類(lèi)算法的目標(biāo)函數(shù)可以寫(xiě)為：

并且服從于約束條件：

(4)聚類(lèi)完成后，對(duì)含有標(biāo)簽的樣本進(jìn)行驗(yàn)證驗(yàn)，如果測(cè)試結(jié)果誤差在合理范圍內(nèi)，那么可用于后續(xù)標(biāo)注，否則，重新選擇初始簇中心，優(yōu)化迭代聚類(lèi)結(jié)果。

8.根據(jù)權(quán)利要求7所述的一種企業(yè)信用評(píng)分樣本標(biāo)注方法，其特征在于，在步驟S404中，若聚類(lèi)結(jié)果符合要求后，那么通過(guò)聚類(lèi)結(jié)果對(duì)未標(biāo)注的樣本進(jìn)行標(biāo)注；

在步驟S405中，對(duì)所有的樣本標(biāo)注相應(yīng)的標(biāo)簽，進(jìn)行信用評(píng)分模型的訓(xùn)練，

(1)相關(guān)性分析、共線(xiàn)性分析，去除指標(biāo)之間相關(guān)性，共線(xiàn)性過(guò)高的指標(biāo)；

(2)xgboost指標(biāo)重要性分析，篩選出對(duì)模型起關(guān)鍵作用的指標(biāo)；

(3)對(duì)指標(biāo)進(jìn)行分布檢驗(yàn)并做轉(zhuǎn)換；

(4)基于邏輯回歸訓(xùn)練模型；

(5)評(píng)分卡轉(zhuǎn)換。

9.一種企業(yè)信用評(píng)分樣本標(biāo)注裝置，其特征在于，包括：至少一個(gè)存儲(chǔ)器和至少一個(gè)處理器；

所述至少一個(gè)存儲(chǔ)器，用于存儲(chǔ)機(jī)器可讀程序；

所述至少一個(gè)處理器，用于調(diào)用所述機(jī)器可讀程序，執(zhí)行權(quán)利要求1至8中任一所述的方法。