一种不完备信息条件下非线性映射信用评分方法技术

本发明专利技术涉及一种不完备信息条件下非线性映射信用评分方法，S1：通过评分主体的信息数据，构建包含多个待评价主体的不完全信息的信用特征向量矩阵；S2：采用[0,1]均匀分布填充的方式对缺失信息以及不完全信息补全，然后通过迭代求解来近似求解优化；S3：利用补全后的矩阵计算每个特征指标的信息熵，表示特征承载的信息量；S4：利用层次分析法（AHP）得到特征指标的权重向量，再根据定义信息缺失惩罚系数和原始信息缺失情况更新特征指标权重向量等步骤进行评估。本发明专利技术的方法在企业信息数据缺失和不完整的情况下，提升了企业数据缺失对评分方法可用性的限制，即便对有数据缺失的企业，仍可计算该相应的信用评分，同时方法具有客观性、准确性的特点。

【技术实现步骤摘要】
一种不完备信息条件下非线性映射信用评分方法
本专利技术涉及信用评价领域，尤其涉及一种不完备信息条件下非线性映射信用评分方法。
技术介绍
信用评分是在评分主体特征信息数据基础上，运用定量方法对评分主体信用进行评价，最终以分数形式测度信用。主要分为定性和定量两类。定性方法利用专家经验，通过层次分析法(AHP)评分指标权重，再使用线性加权打分。定量方法利用实际的信用表现，通过数据建模方法构建数据模型并运用模型打分。但无论是定性或定量方法都需利用特征维度下完整数据，当数据缺失时评分方法就无法正常计算。
技术实现思路
本专利技术要解决的技术问题是设计一种不完备信息条件下非线性映射信用评分方法，解决上述现有的技术问题。为解决上述技术问题，本专利技术提供了一种不完备信息条件下非线性映射信用评分方法，方法步骤如下：S1：通过评分主体的信息数据，构建包含多个待评价主体的不完全信息的信用特征向量矩阵；S2：采用[0,1]均匀分布填充的方式对缺失信息以及不完全信息补全，然后通过迭代求解来近似求解优化；S3：利用补全后的矩阵计算每个特征指标的信息熵，表示特征承载的信息量；S4：利用层次分析法(AHP)得到特征指标的权重向量，再根据定义信息缺失惩罚系数和原始信息缺失情况更新特征指标权重向量；S5：根据线性加权函数公式和最大最小值映射函数公式计算主体对象的评分值。进一步的，在步骤一中，根据信息可获得性构建特征向量矩阵M；所述矩阵中行为待评价的信用主体，列为该信用主体对应在该方面的表现。进一步的，多个待评价主体的特征维度包括：基本信息、学历、工作、运营商、第三方征信、账户行为等方面，数据均为剔除隐私信息后的数值型脱敏数据。进一步的，在步骤二中，先对标记为NaN的缺失信息采用[0,1]均匀分布填充，之后通过矩利用阵补全损失函数的迭代求解来近似求解优化问题其中Ω为信息完全的矩阵元素；在迭代求解的过程中，采用作为迭代终止条件，分别沿Y梯度下降方向和沿Z梯度下降方向搜索最优解，在每次迭代过程中更新矩阵Y和Z，直到满足终止条件或达到最大迭代次数；最终得到矩阵Y、Z，令M’＝YZT，得到补全后的矩阵M’，M中的信息缺失部分使用M’相应位置值进行填充，得到n个信用评价主体的完整信息。进一步的，在步骤三中，利用补全后的矩阵M’计算每个特征指标的信息熵，用以描述特征承载的信息量。第i个特征指标的信息熵值为得到特征指标信息熵向量e＝[e1,e2,...,ei,...,em-1,em]，其中进一步的，在步骤四中，利用层次分析法(AHP)得到特征指标权重向量w＝[w1,w2,...,wi,...,wm-1,wm]，定义信息缺失惩罚系数c，根据原始信息缺失情况更新特征指标权重向量w'＝[c1e1w1,c2e2w2,...,cieiwi,...,cm-1em-1wm-1,cmemwm]，其中当第i个特征指标值缺失时，ci＝c，特征指标不缺失时ci＝1。进一步的，在步骤五中，利用线性加权函数公式F(x)＝w'·x计算M中全部n个对象的评分值，令其中最大值为Fmax，最小值为Fmin再利用最大最小值映射函数公式计算得到最终的信用评分。本专利技术的有益效果：本方法在企业信息数据缺失和不完整的情况下，提升了企业数据缺失对评分方法可用性的限制，即便对有数据缺失的企业，仍可计算该相应的信用评分，同时方法具有客观性、准确性的特点。附图说明下面结合附图对本专利技术的具体实施方式做进一步阐明。图1为本专利技术的不完备信息条件下非线性映射信用评分方法的流程图。具体实施方式结合图1，本专利技术提供了一种不完备信息条件下非线性映射信用评分方法，方法步骤如下：S1：通过评分主体的信息数据，构建包含多个待评价主体的不完全信息的信用特征向量矩阵；S2：采用[0,1]均匀分布填充的方式对缺失信息以及不完全信息补全，然后通过迭代求解来近似求解优化；S3：利用补全后的矩阵计算每个特征指标的信息熵，表示特征承载的信息量；S4：利用层次分析法(AHP)得到特征指标的权重向量，再根据定义信息缺失惩罚系数和原始信息缺失情况更新特征指标权重向量；S5：根据线性加权函数公式和最大最小值映射函数公式计算主体对象的评分值。具体步骤如下：步骤一，根据信息可获得性构建特征向量矩阵M。矩阵中行为待评价的信用主体，列为该主体在某一方面的表现。当评分主体为个人时，特征维度包括：基本信息、学历、工作、运营商、第三方征信、账户行为等方面，数据均为剔除隐私信息后的数值型脱敏数据。当有n个评价主体和m个特征维度时，M为n*m矩阵，缺失值即为不完全信息，标记为NaN。根据业务含义对特征指标进行线性映射，使其值为[0,1]区间实数值。步骤二，进行不完全信息补全。先对标记为NaN的缺失信息采用[0,1]均匀分布填充，之后通过对优化问题的迭代求解来近似求解优化问题其中Ω为信息完全的矩阵元素。在迭代求解的过程中，采用作为迭代终止条件，在每次迭代过程中更新矩阵Y和Z，直到满足终止条件或达到最大迭代次数。最终得到矩阵Y、Z，令M’＝YZT，得到补全后的矩阵M’，M中的信息缺失部分使用M’相应位置值进行填充，得到n个信用评价主体的完整信息。步骤三，利用补全后的矩阵M’计算每个特征指标的信息熵，用以描述特征承载的信息量。第i个特征指标的信息熵值为得到特征指标信息熵向量e＝[e1,e2,...,ei,...,em-1,em]，其中步骤四，利用层次分析法(AHP)得到特征指标权重向量w＝[w1,w2,...,wi,...,wm-1,wm]，定义信息缺失惩罚系数c，根据原始信息缺失情况更新特征指标权重向量w'＝[c1e1w1,c2e2w2,...,cieiwi,...,cm-1em-1wm-1,cmemwm]，其中当第i个特征指标值缺失时，ci＝c，特征指标不缺失时ci＝1。步骤五，利用线性加权函数公式F(x)＝w'·x计算M中全部n个对象的评分值，令其中最大值为Fmax，最小值为Fmin；再利用最大最小值映射函数公式得到最终的信用评分。具体实施例：对张三、李四、王五三人在不完备信息条件下非线性映射信用评分：步骤一：张三、李四、王五3人在维度性别、年龄、年收入和学历四个特征维度上的特征值分别为[1,NaN,40000,3]、[NaN,26,60000,NaN]和[0,33,NaN,4]。对应原始特征矩阵M为经线性映射后变为步骤二：对标记为NaN的缺失信息采用[0,1]均匀分布填充，M变为针对损失函数求解优化问题后得到Y为Z为YZ为对应补全后M’为步骤三，利用矩阵M’计算信息熵e＝[0.237,0.357,0.323,0.347]。第四步，利用层次分析法计算得出指标权重w＝[0.17,0.22,0.35,0.26]，令C＝0.5，则根据数据的缺失情况张三的特征权重向量为w'＝[0.142,0.139,0.4,0.319]，李四的权重为w'＝[0.08,0.306,0.44,0.176]，王五权重的为w'＝[0.152,0.296,0.213,0.34]。步骤五，根据3人补全后的信息矩阵M’和更新后的权重w’，计算得到原始评分为张三为0.4251，李四为0.4349，王五为0.3704。通过最大最小值函数映射后最终评分分别为773.7、850、350分。原理：先根据评分主本文档来自技高网...

【技术保护点】
一种不完备信息条件下非线性映射信用评分方法，其特征在于：方法步骤如下：S1：通过评分主体的信息数据，构建包含多个待评价主体的不完全信息的信用特征向量矩阵；S2：采用[0,1]均匀分布填充的方式对缺失信息以及不完全信息补全，然后通过迭代求解来近似求解优化；S3：利用补全后的矩阵计算每个特征指标的信息熵，表示特征承载的信息量；S4：利用层次分析法(AHP)得到特征指标的权重向量，再根据定义信息缺失惩罚系数和原始信息缺失情况更新特征指标权重向量；S5：根据线性加权函数公式和最大最小值映射函数公式计算主体对象的评分值。

【技术特征摘要】
1.一种不完备信息条件下非线性映射信用评分方法，其特征在于：方法步骤如下：S1：通过评分主体的信息数据，构建包含多个待评价主体的不完全信息的信用特征向量矩阵；S2：采用[0,1]均匀分布填充的方式对缺失信息以及不完全信息补全，然后通过迭代求解来近似求解优化；S3：利用补全后的矩阵计算每个特征指标的信息熵，表示特征承载的信息量；S4：利用层次分析法(AHP)得到特征指标的权重向量，再根据定义信息缺失惩罚系数和原始信息缺失情况更新特征指标权重向量；S5：根据线性加权函数公式和最大最小值映射函数公式计算主体对象的评分值。2.如权利要求1所述的不完备信息条件下非线性映射信用评分方法，其特征在于：在步骤一中，根据信息可获得性构建特征向量矩阵M；所述矩阵中行为待评价的信用主体，列为该信用主体对应在该方面的表现。3.如权利要求1所述的不完备信息条件下非线性映射信用评分方法，其特征在于：所述多个待评价主体的特征维度包括：基本信息、学历、工作、运营商、第三方征信、账户行为等方面，所述数据均为剔除隐私信息后的数值型脱敏数据。4.如权利要求1所述的不完备信息条件下非线性映射信用评分方法，其特征在于：在步骤二中，先对标记为NaN的缺失信息采用[0,1]均匀分布填充，之后通过矩阵补全损失函数来迭代求解来近似求解优化问题minrank(W),s.t.Wi,j＝Mi,j,其中Ω为信息完全的矩阵元素；在迭代求解的过程中，采用...

【专利技术属性】
技术研发人员：赵煦，郭锐，
申请(专利权)人：苏州泰融金融信息服务有限公司，
类型：发明
国别省市：江苏,32