[發明專利]一種基于深度學習的貸后風險評估方法及相關產品

在審

• 申請號: 202310212147.6
• 申請日: 2023-02-24
• 公開（公告）號: CN116188148A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 陳海濤;趙彥暉;耿心偉;曾源
• 申請（專利權）人: 深圳微眾信用科技股份有限公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 黃禹強

1.一種基于深度學習的貸后風險評估方法，其特征在于，所述方法包括如下步驟：

終端采集多個訓練樣本信息，該樣本信息包括：企業關聯數據；將該多個訓練樣本信息輸入到深度學習網絡模型執行訓練操作得到智能風險評估模型；

終端利用稅務數據采集系統采集待評估對象的稅務數據，將稅務數據執行歸一化數據得到輸入數據，所述待評估對象為已經貸款的企業；

終端將該輸入數據輸入到智能風險評估模型執行計算得到計算結果，依據該計算結果確定待評估對象的風險等級，執行該風險等級對應的風險預警。

2.根據權利要求1所述的方法，其特征在于，將該多個訓練樣本信息輸入到深度學習網絡模型執行訓練操作得到智能風險評估模型具體包括：

采集樣本企業基礎信息數據形成企業規模等級的企業基礎訓練數據；采集企業資質認定數據形成企業資質訓練數據；采集企業信用等級數據形成企業信用等級訓練數據；

采集企業聯系人信息數據形成企業聯系人關系訓練數據；采集企業投資方信息數據形成企業間關系訓練數據；

采集企業違法違章數據形成企業黑名單數據庫；采集企業稽查數據形成企業稽查信息訓練數據；

采集企業申報信息數據形成企業申報信息訓練數據；采集企業申報匯總信息形成企業申報信息訓練數據；采集企業申報信息形成申報信息訓練數據；采集企業所得稅數據形成企業所得稅訓練數據；

采集企業征收信息數據形成企業征收信息訓練數據；采集企業繳款信息形成繳款信息訓練數據；采集企業應繳稅費信息形成企業應繳稅費信息訓練數據；

采集企業資產負債信息形成資產負債信息訓練數據；

采集企業利潤信息形成利潤信息訓練數據；

采集企業票據信息形成企業票據信息訓練數據；

利用采集的上述訓練數據作為輸入數據輸入到深度學習網絡模型進行深度學習訓練得到智能風險評估模型。

3.根據權利要求1所述的方法，其特征在于，

所述貸后預警等級包括：正常、關注、預警、凍結或回收。

4.根據權利要求1所述的方法，其特征在于，將該多個訓練樣本信息輸入到深度學習網絡模型執行訓練操作得到智能風險評估模型具體包括：

將企業基礎訓練數據輸入到深度學習網絡模型執行多次迭代訓練得到第一網絡模型，將該企業基礎訓練數據中的隨機抽選x1個樣本，將該x1個樣本輸入到第一網絡模型得到第一組結果，第一組結果包括x1個樣本的x1個結果，計算x1個結果的平均值得到第一平均值；

將企業信用等級訓練數據輸入到第一網絡模型執行多次迭代訓練得到第二網絡模型，將該x1個樣本輸入到第二網絡模型計算得到第二組結果，計算第二組結果的平均值得到第二平均值，計算第二平均值與第一平均值的差得到第一差值，若第一差值小于閾值，繼續后續操作，若第一差值大于閾值，繼續迭代訓練第二網絡模型直至第一差值小于閾值；

遍歷所有訓練樣本得到智能風險評估模型。

5.根據權利要求4所述的方法，其特征在于，所述企業基礎訓練數據輸入到深度學習網絡模型執行多次迭代訓練得到第一網絡模型具體包括：

將企業基礎訓練數據中每份訓練數據作為一個輸入數據輸入到深度學習網絡模型執行一次訓練運算，上述訓練運算包括：將輸入數據執行一次正向運算和一次反向運算，遍歷所有企業基礎訓練數據中所有訓練數據后得到第一初步模型，從所有訓練數據中提取一份輸入數據，將輸入數據輸入到初步模型運算得到第一運算結果，將企業基礎訓練數據再次輸入到第一初步模型執行第二次訓練得到第二初步模型，將該一份輸入數據輸入到第二初步模型運算得到第二運算結果，若第二運算結果大于第一運算結果，繼續將企業基礎訓練數據輸入到第二初步模型執行訓練得到第三初步模型，將一份輸入數據輸入到第三初步模型運算得到第三運算結果，若第三運算結果大于第二運算結果，繼續執行訓練直至運算出的運算結果小于上一次結果后，確定上一次的初步模型為第一網絡模型，若第三運算結果小于第二運算結果，確定第三初步模型為第一網絡模型。