信用状态监测系统和监测方法技术方案

本发明专利技术公开了一种信用状态监测系统和监测方法，涉及信用监测领域。本发明专利技术包括如下步骤：S1：采集大量信用报表作为未标示的样本并对样本进行预处理；S2：预先对信用评定指标进行设定；S3：通过模糊优化模型对信息进行分析处理；S4：对关联的数据进行分类，生成有标签的样本集；S5：部分样本集作为训练集生成多类分类模型；S6：剩余部分样本集作为测试集对训练好的分类模型进行测试；S7：将有标签的样本集导入测试好的分类模型输出信用状态监测等级。本发明专利技术通过模糊优选模型先对采集的未标示样本进行初步筛选，将样本集进行SVM分类训练生成分类模型，并将剩余样本集对分类模型进行测试，获取最优分类模型，提高企业信用评估效率，加强了监测力度。

Credit status monitoring system and methods

The invention discloses a credit status monitoring system and a monitoring method, which relates to the field of credit monitoring. The invention comprises the following steps: S1: collecting a large number of credit reports as unlabeled samples and preprocessing the samples; S2: setting the credit evaluation index in advance; S3: analyzing and processing the information through the fuzzy optimization model; S4: classifying the associated data and generating the labeled sample set; S5: generating the multi-class classification model with some sample sets as training sets; S6: the rest of the sample set is used as the test set to test the trained classification model; S7: the labeled sample set is imported into the tested classification model to output the credit status monitoring level. Through the fuzzy optimization model, the collected unlabeled samples are initially screened, the sample set is trained by SVM classification to generate the classification model, and the remaining sample sets are tested to obtain the optimal classification model, improve the efficiency of enterprise credit evaluation, and strengthen the monitoring strength.

【技术实现步骤摘要】
信用状态监测系统和监测方法
本专利技术属于信用监测
，特别是涉及一种信用状态监测系统和监测方法。
技术介绍
企业信用泛指一个企业法人授予另一个企业法人的信用，其本质是卖方企业对买方企业的货币借贷。它包括生产制造企业在信用管理中，对企业法人性质的客户进行的赊销，即产品信用销售。在产品赊销过程中，授信方通常是材料供应商、产品制造商和批发商，而买方则是产品赊销的受益方，它们是各种各样的企业客户或代理商。买方以自己企业的名义取得卖方所授予的信用。企业信用还涉及商业银行、财务公司、其他金融机构对企业的信贷，以及使用即期汇款付款和预付货款方式以外的贸易方式所产生的信用。企业的信用度对企业运营状况具有很大的影响，企业信用度也是竞争企业的重点关注对象，但是，目前现有的企业信用新型管理平台对企业信用度评估不完善，不便于公众清楚地了解到企业的信用情况，也不便于公众对企业信用进行监测。
技术实现思路
本专利技术的目的在于提供一种信用状态监测系统和监测方法，通过模糊优选模型先对采集的未标示样本进行初步筛选，生成有标签的样本集，将一部分有标签的样本集进行SVM分类训练生成分类模型，并将剩余样本集对分类模型进行测试，获取最优分类模型，解决了现有的企业信用评估不完善、监测不准确的问题。为解决上述技术问题，本专利技术是通过以下技术方案实现的：本专利技术为一种信用状态监测系统，包括样本采集单元、模糊优选单元和监测预警单元；所述样本采集单元、模糊优选单元和监测预警单元依次连接；所述样本采集单元包括采集模块和样本预处理模块；所述模块采集单元用以通过网络爬虫对信用报表进行采集提取出未标示的样本；所述样本预处理模块用以对提取出未标示的样本进行指标筛选；所述模糊优选单元包括模糊优选模块、信用指标设定模块、标签标定模块；所述模糊优选模块用以制作模糊优选模型对信息进行分析处理，寻找数据间联系；所述信用指标设定模块用以预先对信用评定指标进行设定；所述标签标定模块用以对数据进行分类生成有标签的样本集；所述检测预警单元包括SVM模块、分类模型模块和输出模块；所述SVM模块用以对有标签的样本集进行SVM算法处理；所述分类模型模块用以通过二叉树多类分类模型训练出分类模型；所述输出模块用以向训练好的模型输入有标样本，输出信用状态监测等级。优选地，所述信用指标设定模块根据不同的信用指标计算规则，进行运算得出标签类型。优选地，所述标签标定模块生成的有标签样本集会被分成训练集和测试集；所述训练集用于为SVM模块提供训练模型所需样本材料；所述测试集用于为训练好的分类模型提供测试用的测试样本材料。优选地，所述信用状态监测等级包括信用状态安全、信用状态提醒、信用状态警告和信用状态危险四个等级，且每一个等级都对应预先设置好的阈值。优选地，所述SVM模块用以构造一个超平面函数来分割两类不同的样本，具体的分类函数如下：式中，K(xi·xj)为核函数。本专利技术为一种信用状态监测方法，包括如下步骤：步骤S1：采集大量信用报表作为未标示的样本并对样本进行预处理；步骤S2：预先对信用评定指标进行设定；步骤S3：通过模糊优化模型对信息进行分析处理，寻找数据间联系；步骤S4：对关联的数据进行分类，生成有标签的样本集；步骤S5：一部分样本集作为训练集生成多类分类模型；步骤S6：另一部分样本集作为测试集对训练好的分类模型进行测试；步骤S7：将有标签的样本集导入测试好的分类模型输出信用状态监测等级。本专利技术具有以下有益效果：本专利技术通过模糊优选模型先对采集的未标示样本进行初步筛选，生成有标签的样本集，将一部分有标签的样本集进行SVM分类训练生成分类模型，并将剩余样本集对分类模型进行测试，获取最优分类模型，将有标签样本输入训练好的分类模型输出信用状态监测等级，提高企业信用评估效率，加强了监测力度。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的一种信用状态监测方法步骤图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术为一种信用状态监测系统，包括样本采集单元、模糊优选单元和监测预警单元；样本采集单元、模糊优选单元和监测预警单元依次连接；样本采集单元包括采集模块和样本预处理模块；模块采集单元用以通过网络爬虫对信用报表进行采集提取出未标示的样本；样本预处理模块用以对提取出未标示的样本进行指标筛选，报表进行文本预处理包括中文分词、去停用词、特征提取和匹配标签，并根据预先设定的各类指标进行匹配；模糊优选单元包括模糊优选模块、信用指标设定模块、标签标定模块；模糊优选模块用以制作模糊优选模型对信息进行分析处理，寻找数据间联系；信用指标设定模块用以预先对信用评定指标进行设定；标签标定模块用以对数据进行分类生成有标签的样本集；检测预警单元包括SVM模块、分类模型模块和输出模块；SVM模块用以对有标签的样本集进行SVM算法处理；分类模型模块用以通过二叉树多类分类模型训练出分类模型；输出模块用以向训练好的模型输入有标样本，输出信用状态监测等级。其中，信用指标设定模块根据不同的信用指标计算规则，进行运算得出标签类型。其中，标签标定模块生成的有标签样本集会被分成训练集和测试集；训练集用于为SVM模块提供训练模型所需样本材料；测试集用于为训练好的分类模型提供测试用的测试样本材料。其中，信用状态监测等级包括信用状态安全、信用状态提醒、信用状态警告和信用状态危险四个等级，且每一个等级都对应预先设置好的阈值。其中，SVM模块用以构造一个超平面函数来分割两类不同的样本，具体的最优分类函数如下：式中，K(xi·xj)为核函数。请参阅图1所示，本专利技术为一种信用状态监测方法，包括如下步骤：步骤S1：采集大量信用报表作为未标示的样本并对样本进行预处理；步骤S2：预先对信用评定指标进行设定；步骤S3：通过模糊优化模型对信息进行分析处理，寻找数据间联系；步骤S4：对关联的数据进行分类，生成有标签的样本集；步骤S5：一部分样本集作为训练集生成多类分类模型；步骤S6：另一部分样本集作为测试集对训练好的分类模型进行测试；步骤S7：将有标签的样本集导入测试好的分类模型输出信用状态监测等级。值得注意的是本文档来自技高网...

【技术保护点】
1.一种信用状态监测系统和监测方法，包括样本采集单元、模糊优选单元和监测预警单元，其特征在于：/n所述样本采集单元、模糊优选单元和监测预警单元依次连接；/n所述样本采集单元包括采集模块和样本预处理模块；所述模块采集单元用以通过网络爬虫对信用报表进行采集提取出未标示的样本；所述样本预处理模块用以对提取出未标示的样本进行指标筛选；/n所述模糊优选单元包括模糊优选模块、信用指标设定模块、标签标定模块；所述模糊优选模块用以制作模糊优选模型对信息进行分析处理，寻找数据间联系；所述信用指标设定模块用以预先对信用评定指标进行设定；所述标签标定模块用以对数据进行分类生成有标签的样本集；/n所述检测预警单元包括SVM模块、分类模型模块和输出模块；所述SVM模块用以对有标签的样本集进行SVM算法处理；所述分类模型模块用以通过二叉树多类分类模型训练出分类模型；所述输出模块用以向训练好的模型输入有标样本，输出信用状态监测等级。/n

【技术特征摘要】
1.一种信用状态监测系统和监测方法，包括样本采集单元、模糊优选单元和监测预警单元，其特征在于：
所述样本采集单元、模糊优选单元和监测预警单元依次连接；
所述样本采集单元包括采集模块和样本预处理模块；所述模块采集单元用以通过网络爬虫对信用报表进行采集提取出未标示的样本；所述样本预处理模块用以对提取出未标示的样本进行指标筛选；
所述模糊优选单元包括模糊优选模块、信用指标设定模块、标签标定模块；所述模糊优选模块用以制作模糊优选模型对信息进行分析处理，寻找数据间联系；所述信用指标设定模块用以预先对信用评定指标进行设定；所述标签标定模块用以对数据进行分类生成有标签的样本集；
所述检测预警单元包括SVM模块、分类模型模块和输出模块；所述SVM模块用以对有标签的样本集进行SVM算法处理；所述分类模型模块用以通过二叉树多类分类模型训练出分类模型；所述输出模块用以向训练好的模型输入有标样本，输出信用状态监测等级。


2.根据权利要求1所述的一种信用状态监测系统，其特征在于，所述信用指标设定模块根据不同的信用指标计算规则，进行运算得出标签类型。


3.根据权利要求1所述的一种信用状态监测系统，其特征在于，所述标签标定模块生成的有标签样本集会被分...

【专利技术属性】
技术研发人员：徐传海，
申请(专利权)人：北京智云信国际信用评价有限公司，
类型：发明
国别省市：北京;11