[發明專利]企業信用等級分類模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202211595497.7
• 申請日: 2022-12-13
• 公開（公告）號: CN115828158A
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 趙巖;傘興
• 申請（專利權）人: 浙江諾諾網絡科技有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/15;G06F18/213;G06N3/0464;G06N3/048;G06N3/08;G06Q40/03;G06Q30/0601
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 魏亞茹

本申請公開了一種企業信用等級分類模型訓練方法、裝置、設備及存儲介質，涉及模型訓練領域，包括：獲取歷史企業征信數據，并對所述歷史企業征信數據進行數據預處理操作，以得到目標訓練樣本；將所述目標訓練樣本輸入至基于注意力機制構造的預設深度學習模型中，以基于所述目標訓練樣本和預設包圍求解算法確定出所述預設深度學習模型的目標參數，以便得到訓練后深度學習模型；將所述訓練后深度學習模型確定為目標企業信用等級分類模型，以便利用所述目標企業信用等級分類模型進行企業信用等級分類操作。這樣一來，通過利用預設包圍求解算法對基于注意力機制構造的深度學習模型進行訓練，可以提高模型分類精度以及模型的泛化性和魯棒性。

技術領域

本發明涉及模型訓練領域，特別涉及一種企業信用等級分類模型訓練方法、裝置、設備及存儲介質。

背景技術

互聯網和大數據等技術的快速發展促使各行各業越來越重視數據的利用價值，技術人員通過使用數據挖掘等相關技術對已有數據進行加工利用，可以為企業帶來了良好的經濟效益。例如，工商行政管理部門在履行職能的過程中積累了大量的數據，對這些數據中與企業信用狀況相關的數據進行分析，不僅有助于工商行政管理部門對注冊企業的管理，還能加深對市場主體信用整體情況的理解，提升企業信用等級分類預測方法的科學性，優化誠信企業機制的建設，對于社會信用體系的構建有著深遠的影響。

然而，目前能夠實現企業信用評價及相關數據處理的方法中，基于傳統機器學習模型的企業信用等級分類評價方法能夠對低維、簡單數據進行檢測分類，在面對高維、復雜數據時，模型的識別精度較低，難以得到較大的提升；并且，現有的復雜模型在模型的泛化性和魯棒性方面的性能較差，有待進一步提升。

發明內容

有鑒于此，本發明的目的在于提供一種企業信用等級分類模型訓練方法、裝置、設備及存儲介質，可以提高模型訓練后得到的目標企業信用等級分類模型對高維、復雜數據的識別精度，并且能夠提升目標企業信用等級分類模型的泛化性和魯棒性。其具體方案如下：

第一方面，本申請提供了一種企業信用等級分類模型訓練方法，包括：

獲取歷史企業征信數據，并對所述歷史企業征信數據進行數據預處理操作，以得到目標訓練樣本；

將所述目標訓練樣本輸入至基于注意力機制構造的預設深度學習模型中，以基于所述目標訓練樣本和預設包圍求解算法確定出所述預設深度學習模型的目標參數，以便得到訓練后深度學習模型；所述預設包圍求解算法為基于用于對參數搜索器的搜索位置進行移動的第一移動方式和第二移動方式構建的算法；所述第一移動方式為基于包圍機制的移動方式，所述第二移動方式為基于螺旋方程的移動方式；

將所述訓練后深度學習模型確定為目標企業信用等級分類模型，以便利用所述目標企業信用等級分類模型進行企業信用等級分類操作。

可選的，所述對所述歷史企業征信數據進行數據預處理操作，以得到目標訓練樣本，包括：

對所述歷史企業征信數據進行數據清洗操作，以得到清洗后征信數據；

對所述清洗后征信數據依次進行數據集成操作和數據降維操作，以得到降維后征信數據；

生成與所述降維后征信數據對應的詞向量特征，以得到目標訓練樣本。

可選的，所述對所述歷史企業征信數據進行數據清洗操作，以得到清洗后征信數據，包括：

利用預設數據清洗方法對所述歷史企業征信數據進行數據清洗操作，以得到清洗后征信數據；所述預設數據清洗方法包括缺失值補全、重復值去除、降噪處理和離群點去除中的任意一種或幾種的組合。

可選的，所述確定出所述預設深度學習模型的目標參數，包括：

確定當前隨機數；

基于所述當前隨機數從所述預設包圍求解算法中篩選所述第一移動方式或所述第二移動方式作為當前參數搜索器移動方式；