【技术实现步骤摘要】
一种个体信用风险评估方法、系统、终端及存储介质
本专利技术属于数据处理
，具体涉及一种个体信用风险评估方法、系统、终端及存储介质。
技术介绍
用户个体的信用会根据该个体有关的事件而改变，如果个体发生不良信用事件或受到某个不良信用事件的影响，则其信用会降低，反之增加，同时不良信用事件对某个个体的影响会随着时间的增长而逐渐降低。传统的个体信用风险评估方法采用选用PageRank算法计算的用户的风险。传统的PageRank算法基本思想为：在一个有向图中，用户从任意节点开始访问，当跳转到下一个节点时，用户将从当前节点出发的所有有向边中，以概率c随机选择下一个访问节点，或者跳转到任意的一个节点并以(1-c)的概率开始新一轮的随机游走，重复进行以上过程，直到用户停留在任意节点的概率保持稳定，以稳定状态下的各节点的概率分布为基准，对于其中的一个节点p，指向节点p的节点越多，说明节点p的权重越大，即：r＝(1-c)Mr+cu其中，r即PageRank值，表示该节点被访问到的概率，c为重启随机游走的概率，u为该节...
【技术保护点】
1.一种个体信用风险评估方法，其特征在于，包括以下步骤：/nS1，获取用户关系网络U＝＜G
【技术特征摘要】
1.一种个体信用风险评估方法，其特征在于，包括以下步骤：
S1，获取用户关系网络U＝＜GU,VU＞，其中GU是关系网络中的用户节点集合，VU是关系网络中的边集合；
S2，建立假设条件，假设用户节点u的风险权重为w，与用户节点u相连的n个其它用户节点为U＝{u1,u2,...,un}；
S3，获取用户节点u发生的不良信用事件，利用时间相关函数δ(u,t)将节点u的风险权重传导给与u相连的节点；
S4，对个性化PageRank算法进行改进，利用改进的个性化PageRank算法遍历用户关系网络中的所有节点同时完成不良信用事件风险权重传导计算；
S5，按照风险权重，对该用户关系网络中的所有用户进行排序，得到基于不良信用事件影响的用户风险排序表。
2.根据权利要求1所述的一种个体信用风险评估方法，其特征在于，所述的步骤S4中个性化PageRank算法的改进过程包括以下子步骤：
S401，在邻接矩阵中加入时间衰减因子，将原来的邻接矩阵M变换为加入时间衰减的权重矩阵W；
S402，将节点的权重分配与节点度无关化，放大高度节点的权重影响，保证传播时不同度的节点其邻居节点得到的权重影响在一个尺度上，得到最终改进的个性化PageRank的计算方法。
3.根据权利要求2所述的一种个体信用风险评估方法，其特征在于，所述的子步骤S401中，设δ为指数时间衰变函数，则有：
其中，β是衰减常数，表示过去信息影响力下降的速率，t是不良信用事件发生的时间与当前时间的间隔，当t＝0时表示不良信用事件是当前正在发生的。通过指数时间衰变函数后，原来的邻接矩阵M...
【专利技术属性】
技术研发人员：张巍琦，王瑞锦，张凤荔，何兴高，张志扬，汤启友，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。