一种基于网络大数据的信用风险预警评分方法技术

本发明专利技术公开了一种基于网络大数据的信用风险预警评分方法，针对失信企业，构建“经营者风险+企业经营风险+外部支持风险”的信用风险评价指标体系；并通过网络爬虫爬取相应的网络数据，并通过自然语言技术抽取相依的信息，转换为数值数据；通过网络抓取的数据源，建立注意力机制的深度学习模型风险评分模型；基于注意力机制的深度学习模型，针对3项一级维度和18项二级维度进行有效区分和计算，精度和查全率优于之前方法。率优于之前方法。率优于之前方法。

【技术实现步骤摘要】
一种基于网络大数据的信用风险预警评分方法


[0001]本专利技术涉及大数据处理与分析
，具体为一种基于网络大数据的信用风险预警评分方法。

技术介绍

[0002]传统的用户信用评估主要是以金融信贷为背景的研究方法，例如通过logist回归模型结合专家规则对信贷风险进行评分建模，然而这些信贷研究主要侧重于用户单一的金融还贷能力,较少考虑用户在互联网平台中复杂的建模情况。
[0003]用互联网平台得到的用户多源异构数据，从多方面刻画出用户信用特征,是互联网用户信用评估方法需要解决的难点。但在已有的互联网用户信用评估的研究工作中，忽略了用户属性在信用评估中不同层次结构的重要程度的刻画。

技术实现思路

[0004]本专利技术的目的在于提供一种基于网络大数据的信用风险预警评分方法，以解决上述
技术介绍
中提出为了体现用户属性层次结构关系，如何对用户属性构建具有不同层次结构的用户信用画像；如何在多层次结构的用户信用画像中，挖掘出不同粒度属性的重要程度的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络大数据的信用风险预警评分方法，其特征在于，包括以下步骤：基于网络数据构建失信企业的信用风险评估体系；基于网络数据构建失信企业的指标体系；构建层级用户画像构建并进行数据向量化处理；利用所述网络数据根据注意力机制的深度学习模型的算法对基于注意力机制的深度学习模型进行训练；基于注意力值进行失信主体信用风险评级。2.根据权利要求1所述的一种基于网络大数据的信用风险预警评分方法，其特征在于：所述信用风险评估体系包括3项一级维度和18项二级维度，所述3项一级维度包括经营者风险、企业经营风险和外部支持风险；所述18项二级维度包括企业经营者失信被执行信息、企业主限制高消费信息、企业主个人舆情、企业主个人诉讼信息、企业工商信息、税务，分支机构、主要成员、股东信息、变更信息、企业舆情信息、裁判文书、企业被执行信息、法院公告、开庭公告、司法拍卖、异常信息和双随机。3.根据权利要求1所述的一种基于网络大数据的信用风险预警评分方法，其特征在于：在构建层级用户画像时，首先将数据集的用户属性根据属性划分标准,共得到3个粗粒度标签,建立了用户在用户信用方面的3个特征维度,将属性划分到相关的粗粒度级的特征维度集合中,建立细粒度级的用户属性，从而构建出层级的用户信用画像。4.根据权利要求1所述的一种基于网络大数据的信用风险预警评分方法，其特征在于：对数据进行向量化处理时，进一步按照属性值的特点,将用户属性分别按照类别特征和连续值特征进行向量化转化,转化成统一的特征向量。5.根据权利要求1所述的一种基于网络大数据的信用风险预警评分方法，其特征在于：所述网络数据的获得都是采用每天一频次的更新爬取的数据。6.根据权利要求1所述的一种基于网络大数据的信用风险预警评分方法，其特征在于：所述注意力机制的...

【专利技术属性】
技术研发人员：鲁红军，
申请(专利权)人：云基华海信息技术股份有限公司，
类型：发明
国别省市：