[發明專利]一種企業信用評分樣本標注方法及裝置

在審

• 申請號: 202210069986.2
• 申請日: 2022-01-21
• 公開（公告）號: CN114462516A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 郭長營;崔樂樂;李仰允
• 申請（專利權）人: 天元大數據信用管理有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜麗潔

本發明涉及金融信貸技術領域，具體提供了一種企業信用評分樣本標注方法，具有以下步驟：S1、多源異構數據分析融合建立標準數據庫；S2、構建進行信用評分的指標體系；S3、指標數據的預處理；S4、計算最優聚類中心。與現有技術相比，本發明在構建信用評分模型的好壞標簽時，首先基于具有明確好壞含義的指標為部分樣本標注標簽，然后基于kmeans聚類的結果，為其他未標注樣本打標簽；該方法很大程度上節約了人力成本以及人工標注的時間。

技術領域

本發明涉及金融信貸技術領域，具體提供一種企業信用評分樣本標注方法及裝置。

背景技術

隨著互聯網的迅速發展,人們的日常工作與生活習慣發生了質的改變?；ヂ摼W技術的發展和應用以迅雷不及掩耳之式滲透到各行各業,尤其是金融行業,傳統金融行業正接受著大數據、互聯網以及用戶體驗不平衡不對稱的嚴峻考驗。

大數據風控技術已經成為業內人士最關注的一個大數據應用焦點。金融風控模型是互聯網金融健康成長的必然趨勢。當前我國互聯網金融信用體系還不是很完善,征信系統和有關法律都含有一定的缺陷。

信用評分模型常用的方法是邏輯回歸，邏輯回歸(Logistic regression)是機器學習領域最為常見的模型方法之一，常常用于作為處理各種任務的基準模型(baseline)。當然各類任務往往最后所用模型的性能遠超過邏輯回歸方法，但是其模型結構的復雜度和訓練時間也往往超過邏輯回歸方法；因其可解釋性高的優點，在風控建模方面有廣泛的應用。

邏輯回歸的訓練是需要有標簽的數據；另外，在進行特征工程指標重要性分析時，也需要有標簽的數據，比如相關性分析、xgboost指標重要性分析等；然而，很多情況下，不能以現有的指標為所有的訓練數據標注合適的標簽，這會使得邏輯回歸建立信用評分模型的訓練樣本不足，或者無法訓練。

發明內容

本發明是針對上述現有技術的不足，提供一種實用性強的企業信用評分樣本標注方法

本發明進一步的技術任務是提供一種設計合理，安全適用的企業信用評分樣本標注裝置。

本發明解決其技術問題所采用的技術方案是：

一種企業信用評分樣本標注方法，具有以下步驟：

S1、多源異構數據分析融合建立標準數據庫；

S2、構建進行信用評分的指標體系；

S3、指標數據的預處理；

S4、計算最優聚類中心。

進一步的，在步驟S1中，基于用戶匯聚的多源數據，通過數據之間融合比對，不同原始字段對齊，對多源異構數據分析融合建立形成企業標準數據庫。

進一步的，在步驟S2中，基于建立的企業標準數據庫建設用于信用評分的指標體系，構建指標的數據來源官方數據、互聯網數據、第三方數據、入庫存量數據、API接口數據、結構化的基本信息和半結構化的數據。

進一步的，在步驟S3中，通過無效值處理、同值統計和缺失值統計完成指標數據的預處理工作；

所述無效值處理是去除無關信息；所述同值統計處理是對只含同值的字段、同值率高于80％的字段進行去除；缺失值統計處理對全部缺失、字段缺失率高于80％的字段進行去除。

進一步的，在步驟S4中，進一步的包括：

S401、對指標進行特征工程；

S402、篩選具有明確含義的指標并標注部分樣本；

S403、kmeans聚類需求最優聚類中心；

S404、標注無標簽樣本；

S405、信用評分模型訓練。