本发明专利技术提出了一种基于关联规则的企业信用风险评估方法和装置，该方法包括：获取已用信企业的第一用户信息；将统一信用代码进行分解，获得多个信息元；将多个信息元任意组合，生成对应规则；计算符合规则的已用信企业支持度、置信度和提升度；根据预设阈值，从规则中选取强规则集合；收集未用信企业的第二用户信息；分解统一信用代码，按照强规则集合标记阈值，筛选出初选名单；向未用信企业发送授信通知；接收授信请求，获取其信用特征数据；将信用特征数据输入至预先构建的风险评估模型中，输出评估分数。本发明专利技术通过在海量的企业中筛选出初选名单，重点对初选名单上的企业进行评估，降低了业务人员获取企业资料的工作量，拓展了客户群体。客户群体。客户群体。
【技术实现步骤摘要】
一种基于关联规则的企业信用风险评估方法和装置
[0001]本专利技术涉及计算机信息
，具体而言，涉及一种基于关联规则的企业信用风险评估方法和装置。
技术介绍
[0002]关联规则（Association Rules）是反映一个事物与其他事物之间的相互依存性和关联性，如果两个或多个事物之间存在一定的关联关系，那么，其中一个事物就能通过其他事物预测到。关联规则是数据挖掘的一个重要技术，用于从大量数据中挖掘出有价值的数据项之间的相关关系。关联规则的度量指标：一般用支持度 (Support)、置信度 (Confidence) 两个阀值来度量关联规则的强弱，用提升度或相关度 (Lift) 来判断规则是否有实际价值。
[0003]目前，对于企业信用风险的评估方法都是基于企业提交的财务、工商和历史贷款等资料，无法主动筛选潜在的具有开发价值的未用信客户，缺乏拓展性。
技术实现思路
[0004]鉴于上述问题，本专利技术提供了一种基于关联规则的企业信用风险评估方法和装置。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：一种基于关联规则的企业信用风险评估方法，包括如下步骤：获取已用信企业的第一用户信息，所述第一用户信息包括统一信用代码和历史贷款记录；将所述已用信企业的统一信用代码进行分解，获得多个信息元；将所述多个信息元任意组合，生成对应规则；计算符合所述规则的已用信企业的支持度、置信度和提升度；根据预设的置信度和贷款积阈值，从所述规则中选取强规则集合，所述贷款积为支持度与所有贷款数的乘积；收集未用信企业的第二用户信息，所述第二用户信息包括统一信用代码和联系方式；分解所述未用信企业的统一信用代码，按照所述强规则集合的标记阈值，从所述未用信企业中筛选出初选名单；根据所述联系方式，向所述初选名单中的未用信企业发送授信通知；接收未用信企业的授信请求，获取其信用特征数据；将所述信用特征数据输入至预先构建的风险评估模型中，输出所述未用信企业的评估分数。
[0006]作为优选方案，将所述已用信企业的统一信用代码进行分解，获得多个信息元，包括：将所述统一信用代码分解为4大信息元，分别为登记管理部门代码、机构类别代码、登记管理机关行政区划码和主体标识码。
[0007]作为优选方案，所述置信度阈值为置信度≥0.7，所述贷款积阈值为贷款积≥100。
[0008]作为优选方案，所述信用特征数据包括财务情况、工商数据、司法数据、舆情数据、融资数据。
[0009]作为优选方案，所述风险评估模型的构建，包括：获取信用特征数据，对所述信用特征数据进行预处理；将所述预处理后的信用特征数据与行业标准值进行比较，获得特征分值；对各信用特征数据的特征分值赋以权值，计算获得评估分数。
[0010]作为优选方案，所述预处理包括缺失值处理、异常值处理。
[0011]作为优选方案，所述行业标准值为同一行业下所有企业信用特征数据的平均值，则所述特征分值e为：本专利技术还提供了一种基于关联规则的企业信用风险评估装置，包括：第一获取模块，用于获取已用信企业的第一用户信息，所述第一用户信息包括统一信用代码和历史贷款记录；分解模块，用于将所述已用信企业的统一信用代码进行分解，获得多个信息元；组合模块，用于将所述多个信息元任意组合，生成对应规则；计算模块，用于计算符合所述规则的已用信企业的支持度、置信度和提升度；强规则模块，用于根据预设的置信度和贷款积阈值，从所述规则中选取强规则集合，所述贷款积为支持度与所有贷款数的乘积；第二获取模块，用于收集未用信企业的第二用户信息，所述第二用户信息包括统一信用代码和联系方式；初选模块，用于分解所述未用信企业的统一信用代码，按照所述强规则集合的标记阈值，从所述未用信企业中筛选出初选名单；授信通知模块，用于根据所述联系方式，向所述初选名单中的未用信企业发送授信通知；第三获取模块，用于接收未用信企业的授信请求，获取其信用特征数据；输出模块，用于将所述信用特征数据输入至预先构建的风险评估模型中，输出所述未用信企业的评估分数。
[0012]与现有技术相比，本专利技术的有益效果包括：通过对统一信用代码分解，并组合成对应规则，计算对应规则下的已用信企业的支持度、置信度和提升度，根据预设阈值筛选出强规则集合，再将强规则集合应用于未用信企业，从中筛选出初选名单，对初选名单上的企业进行评估。在获取到企业详细资料之前，在海量的企业中筛选出初选名单，重点对初选名单上的企业进行评估，降低了业务人员获取企业资料的工作量，拓展了客户群体。
附图说明
[0013]参照附图来说明本专利技术的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本专利技术的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：图1为本专利技术实施例的基于关联规则的企业信用风险评估方法的流程示意图；图2为本专利技术实施例的统一信用代码的结构示意图；图3为本专利技术实施例的基于关联规则的企业信用风险评估装置的结构示意图。
具体实施方式
[0014]容易理解，根据本专利技术的技术方案，在不变更本专利技术实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本专利技术的技术方案的示例性说明，而不应当视为本专利技术的全部或者视为对本专利技术技术方案的限定或限制。
[0015]根据本专利技术的一实施方式结合图1示出。一种基于关联规则的企业信用风险评估方法，包括如下步骤：S101，获取已用信企业的第一用户信息，第一用户信息包括统一信用代码和历史贷款记录。
[0016]S102，将已用信企业的统一信用代码进行分解，获得多个信息元。
[0017]参见图2，将已用信企业的统一信用代码进行分解，获得多个信息元，包括：将统一信用代码分解为4大信息元，分别为登记管理部门代码、机构类别代码、登记管理机关行政区划码和主体标识码。
[0018]S103，将多个信息元任意组合，生成对应规则。例如，将机构类别代码和登记管理机关行政区划码组合后，即形成一规则。
[0019]S104，计算符合规则的已用信企业的支持度、置信度和提升度。
[0020]应理解，支持度、置信度和提升度的计算公式如下：上式中，supp（X）为支持度，t为与条件X对应的贷款数，T为所有贷款数；上式中，为置信度，为同时包含条件X和Y的贷款数，为包含条件X的贷款数；上式中，为提升度，为同时包含条件X和Y的贷款数，为包含条件X的贷款数，为包含条件Y的贷款数。
[0021]本专利技术实施例中，上述历史贷款记录包括正常贷款数、逾期贷款数。假设所有企业的贷款总数为300个，其中正常贷款数为260个，逾期贷款数为40个，其中某企业的贷款数为6个，正常贷款数为5个，逾期贷款数为1个，则该企业的支持度、置信度和提升度分别为：支持度=5/300=0.016；置信度=（5
‑
1）/5=0.8；提升度=0.8/（260/300）=0.92。
[0022]详细的，提升度是满足某条规则的企业群体的逾期率和所有企本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于关联规则的企业信用风险评估方法，其特征在于，包括如下步骤：获取已用信企业的第一用户信息，所述第一用户信息包括统一信用代码和历史贷款记录；将所述已用信企业的统一信用代码进行分解，获得多个信息元；将所述多个信息元任意组合，生成对应规则；计算符合所述规则的已用信企业的支持度、置信度和提升度；根据预设的置信度和贷款积阈值，从所述规则中选取强规则集合，所述贷款积为支持度与所有贷款数的乘积；收集未用信企业的第二用户信息，所述第二用户信息包括统一信用代码和联系方式；分解所述未用信企业的统一信用代码，按照所述强规则集合的标记阈值，从所述未用信企业中筛选出初选名单；根据所述联系方式，向所述初选名单中的未用信企业发送授信通知；接收未用信企业的授信请求，获取其信用特征数据；将所述信用特征数据输入至预先构建的风险评估模型中，输出所述未用信企业的评估分数。2.根据权利要求1所述的基于关联规则的企业信用风险评估方法，其特征在于，将所述已用信企业的统一信用代码进行分解，获得多个信息元，包括：将所述统一信用代码分解为4大信息元，分别为登记管理部门代码、机构类别代码、登记管理机关行政区划码和主体标识码。3.根据权利要求1所述的基于关联规则的企业信用风险评估方法，其特征在于，所述置信度阈值为置信度≥0.7，所述贷款积阈值为贷款积≥100。4.根据权利要求1所述的基于关联规则的企业信用风险评估方法，其特征在于，所述信用特征数据包括财务情况、工商数据、司法数据、舆情数据、融资数据。5.根据权利要求1所述的基于关联规则的企业信用风险评估方法，其特征在于，所述风险评估模型的构...
【专利技术属性】
技术研发人员：施志晖，肖斌卿，黄学飞，徐凡，薛智予，季陈铮，周慧，
申请(专利权)人：南京大学，
类型：发明
国别省市：
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。