一种信用评估方法和装置制造方法及图纸

本发明专利技术公开了一种信用评估方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据对象标识获取对象信用行为数据，提取对象信用行为数据的属性，将属性作为第一特征；对对象信用行为数据进行结构化处理，以构建对象关系知识图谱，将对象关系知识图谱中对象之间的关联关系作为第二特征；提取与特征对应的特征数据并输入预定模型中进行建模，得到信用评估模型；获取待评估的对象信用行为数据，提取与特征对应的待评估特征数据，将待评估特征数据输入信用评估模型中，得到信用评分。该实施方式在原有数据的基础上，使用知识图谱技术从更多维度描述对象的信用行为，以得到更为有效丰富的特征，保证了模型建立的特征全面性以及建模准确性。

A credit evaluation method and device

【技术实现步骤摘要】
一种信用评估方法和装置
本专利技术涉及信息处理
，尤其涉及一种信用评估方法和装置。
技术介绍
小微快贷的信用风险评估是指在银行小微快贷业务过程中，通过对对象相关数据的整合、关联，利用相关技术进行分析计算，建立信用风险模型以得到相应的信用评分，从而实现对对象的信用风险评估。由于小微快贷存在申请量多、对象信息不全、要求响应速度快等特点，所以对小微快贷进行全面、有效的自动评估，是该业务中非常重要的一环。目前小微快贷信用风险评估方法主要有以下两类：1、根据经验将信用风险评估知识固化为规则引擎来评估对象信用风险；2、利用单一逻辑回归模型或xgboost模型对对象进行信用评分。在实现本专利技术的过程中，专利技术人发现现有技术至少存在如下问题：1、经验具有一定的主观和局限性，所得规则引擎无法全面衡量对象的信用数据，可能出现优质对象被拒绝而劣质对象被授信的情况；2、虽可以解决上述方式的缺点，但是采用的模型较为单一，对于一些较为复杂的情况可能无法很好的拟合，影响信用评分计算。
技术实现思路
有鉴于此，本专利技术实施例提供一种信用评估方法和装置，至少能够解决现有方式无法全面有效拟合对象信用行为以及用户信用风险评分模型不够准确的问题。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种信用评估方法，包括：根据对象标识获取对象信用行为数据，提取所述对象信用行为数据的属性，将所述属性作为第一特征；对所述对象信用行为数据进行结构化处理，以构建对象关系知识图谱，将所述对象关系知识图谱中对象之间的关联关系作为第二特征；提取与特征对应的特征数据并输入预定模型中进行建模，得到信用评估模型；其中，所述特征包括所述第一特征和所述第二特征；获取待评估的对象信用行为数据，提取与所述特征对应的待评估特征数据，将所述待评估特征数据输入所述信用评估模型中，得到信用评分。可选的，所述对所述对象信用行为数据进行结构化处理，以构建对象关系知识图谱，包括：使用七步法构建信用评估领域的本体，并确定各个本体之间的关联关系；其中，本体用于对对象、对象属性进行抽象表达；根据本体的本体类型以及本体之间的关联关系构建本体库；将所述对象信用行为数据导入所述本体库中，得到对象之间的关联关系，进而构建所述对象关系知识图谱。可选的，所述将所述对象信用行为数据导入所述本体库中，还包括：爬取网络中与所述对象标识对应的网络公开数据；获取开源知识图谱数据；将所述对象信用行为数据、所述网络公开数据和所述开源知识图谱数据一同导入所述本体库中。可选的，在所述提取与特征对应的特征数据并输入预定模型中进行建模之前，还包括：对至少一个特征进行变换处理和/或至少两个特征进行组合处理，得到衍生特征。可选的，在所述得到衍生特征之后，还包括：分析每个特征和每个衍生特征的性能，基于性能指标进行特征性能筛选，得到筛选后的特征和/或衍生特征。可选的，所述提取与特征对应的特征数据并输入预定模型中进行建模，得到信用评估模型，包括：提取单个对象信用行为数据中与所述第一特征对应的第一特征数据，以及提取所述对象关系知识图谱中与所述单个对象信用行为数据和所述第二特征对应的第二特征数据；将所述第一特征数据和所述第二特征数据一同输入多个模型中进行建模，得到多个建模结果；获取与所述单个对象信用行为数据对应的信用评分，确定与所获信用评分对应的违约状态，建立所述多个建模结果与所述违约状态之间的对应关系；将多个对象信用行为数据的对应关系输入逻辑回归模型中，以确定各个模型建模结果的权重值，进而对加权后的模型建模结果进行累加，结合预设截距，以构建所述信用评估模型。为实现上述目的，根据本专利技术实施例的另一方面，提供了一种信用评估装置，包括：第一特征提取模块，用于根据对象标识获取对象信用行为数据，提取所述对象信用行为数据的属性，将所述属性作为第一特征；第二特征提取模块，用于对所述对象信用行为数据进行结构化处理，以构建对象关系知识图谱，将所述对象关系知识图谱中对象之间的关联关系作为第二特征；模型构建模块，用于提取与特征对应的特征数据并输入预定模型中进行建模，得到信用评估模型；其中，所述特征包括所述第一特征和所述第二特征；信用评分模块，用于获取待评估的对象信用行为数据，提取与所述特征对应的待评估特征数据，将所述待评估特征数据输入所述信用评估模型中，得到信用评分。可选的，所述第二特征提取模块，用于：使用七步法构建信用评估领域的本体，并确定各个本体之间的关联关系；其中，本体用于对对象、对象属性进行抽象表达；根据本体的本体类型以及本体之间的关联关系构建本体库；将所述对象信用行为数据导入所述本体库中，得到对象之间的关联关系，进而构建所述对象关系知识图谱。可选的，所述第二特征提取模块，还用于：爬取网络中与所述对象标识对应的网络公开数据；获取开源知识图谱数据；将所述对象信用行为数据、所述网络公开数据和所述开源知识图谱数据一同导入所述本体库中。可选的，还包括特征衍生模块，用于：对至少一个特征进行变换处理和/或至少两个特征进行组合处理，得到衍生特征。可选的，还包括特征筛选模块，用于：分析每个特征和每个衍生特征的性能，基于性能指标进行特征性能筛选，得到筛选后的特征和/或衍生特征。可选的，所述模型构建模块，用于：提取单个对象信用行为数据中与所述第一特征对应的第一特征数据，以及提取所述对象关系知识图谱中与所述单个对象信用行为数据和所述第二特征对应的第二特征数据；将所述第一特征数据和所述第二特征数据一同输入多个模型中进行建模，得到多个建模结果；获取与所述单个对象信用行为数据对应的信用评分，确定与所获信用评分对应的违约状态，建立所述多个建模结果与所述违约状态之间的对应关系；将多个对象信用行为数据的对应关系输入逻辑回归模型中，以确定各个模型建模结果的权重值，进而对加权后的模型建模结果进行累加，结合预设截距，以构建所述信用评估模型。为实现上述目的，根据本专利技术实施例的再一方面，提供了一种信用评估电子设备。本专利技术实施例的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一所述的信用评估方法。为实现上述目的，根据本专利技术实施例的再一方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一所述的信用评估方法。根据本专利技术所述提供的方案，上述专利技术中的一个实施例具有如下优点或有益效果：在对象基本数据基础上，进一步利用知识图谱技术分析对象关系以发掘更多对象信用行为特征，结合逻辑回归、xgboost模型和BP神经网络模型，提出一种能够更为全面有效评估对象信用风险的方法。上述的非惯用的可选方式所具有本文档来自技高网...

【技术保护点】
1.一种信用评估方法，其特征在于，包括：/n根据对象标识获取对象信用行为数据，提取所述对象信用行为数据的属性，将所述属性作为第一特征；/n对所述对象信用行为数据进行结构化处理，以构建对象关系知识图谱，将所述对象关系知识图谱中对象之间的关联关系作为第二特征；/n提取与特征对应的特征数据并输入预定模型中进行建模，得到信用评估模型；其中，所述特征包括所述第一特征和所述第二特征；/n获取待评估的对象信用行为数据，提取与所述特征对应的待评估特征数据，将所述待评估特征数据输入所述信用评估模型中，得到信用评分。/n

【技术特征摘要】
1.一种信用评估方法，其特征在于，包括：
根据对象标识获取对象信用行为数据，提取所述对象信用行为数据的属性，将所述属性作为第一特征；
对所述对象信用行为数据进行结构化处理，以构建对象关系知识图谱，将所述对象关系知识图谱中对象之间的关联关系作为第二特征；
提取与特征对应的特征数据并输入预定模型中进行建模，得到信用评估模型；其中，所述特征包括所述第一特征和所述第二特征；
获取待评估的对象信用行为数据，提取与所述特征对应的待评估特征数据，将所述待评估特征数据输入所述信用评估模型中，得到信用评分。


2.根据权利要求1所述的方法，其特征在于，所述对所述对象信用行为数据进行结构化处理，以构建对象关系知识图谱，包括：
使用七步法构建信用评估领域的本体，并确定各个本体之间的关联关系；其中，本体用于对对象、对象属性进行抽象表达；
根据本体的本体类型以及本体之间的关联关系构建本体库；
将所述对象信用行为数据导入所述本体库中，得到对象之间的关联关系，进而构建所述对象关系知识图谱。


3.根据权利要求2所述的方法，其特征在于，所述将所述对象信用行为数据导入所述本体库中，还包括：
爬取网络中与所述对象标识对应的网络公开数据；
获取开源知识图谱数据；
将所述对象信用行为数据、所述网络公开数据和所述开源知识图谱数据一同导入所述本体库中。


4.根据权利要求1所述的方法，其特征在于，在所述提取与特征对应的特征数据并输入预定模型中进行建模之前，还包括：
对至少一个特征进行变换处理和/或至少两个特征进行组合处理，得到衍生特征。


5.根据权利要求4所述的方法，其特征在于，在所述得到衍生特征之后，还包括：
分析每个特征和每个衍生特征的性能，基于性能指标进行特征性能筛选，得到筛选后的特征和/或衍生特征。


6.根据...

【专利技术属性】
技术研发人员：林晓光，赖太平，
申请(专利权)人：中国建设银行股份有限公司，建信金融科技有限责任公司，
类型：发明
国别省市：北京;11