本发明专利技术提供一种银行对公客户的信用评分方法及装置，该方法包括：获取对公客户集合，及每个对公客户对应的客户信息；确定各个对公客户之间的行业关联关系，并基于行业关联关系，构建各个对公客户之间的关系边，获得边集合及每个关系边对应的边属性；基于对公客户集合、边集合、各个客户信息及各个边属性，构建关系图谱；应用关系图谱，训练图神经网络架构；当完成训练时，应用图神经网络架构对每个对公客户进行信用评分。应用本发明专利技术提供的方法，通过关系图谱反映各个对公客户之间的行业关联关系并包含相关的客户信息，并应用关系图谱训练图神经网络架构对客户进行信用评分，提高评分效率，增加评分的准确率。增加评分的准确率。增加评分的准确率。
【技术实现步骤摘要】
银行对公客户的信用评分方法及装置
[0001]本专利技术涉及计算机
，特别是涉及一种银行对公客户的信用评分方法及装置。
技术介绍
[0002]中小企业由于规模小、准入门槛低、数量众多，经营存在较大不确定性，容易受到外部因素影响而导致违约，如经济扰动、坏账、供应链中断等。银行需要加强对中小企业的风险管理，而信用评分是银行最常使用的工具。
[0003]在现有技术中，评分卡是银行最常用的技术手段。根据专家经验，利用数据统计，对企业违约可能出现的若干信号进行组合和量化，以打分卡的形式展示用户信用状况。针对不同场景和对象，设计对应的评分卡投入使用。但现有技术的评分方式需要根据专家经验并依赖于多种规则进行打分，随着规则要求增多，也增大了对公客户进行打分的难度和工作量。
技术实现思路
[0004]有鉴于此，本专利技术提供一种银行对公客户的信用评分方法，通过关系图谱反映各个对公客户之间的行业关联关系并包含相关的客户信息，并应用关系图谱训练图神经网络架构对客户进行信用评分，提高评分效率，增加评分的准确率。
[0005]本专利技术还提供了一种银行对公客户的信用评分装置，用以保证上述方法在实际中的实现及应用。
[0006]一种银行对公客户的信用评分方法，包括：
[0007]获取目标银行的对公客户集合，及所述对公客户集合中包含每个对公客户对应的客户信息；
[0008]确定各个所述对公客户之间的行业关联关系，并基于各个所述对公客户之间的行业关联关系，构建各个所述对公客户之间的关系边，获得边集合及每个关系边对应的边属性；
[0009]基于所述对公客户集合、所述边集合、各个所述客户信息及各个所述边属性，构建各个所述对公客户对应的关系图谱，所述关系图谱中的各个节点为各个所述对公客户；
[0010]应用所述关系图谱，训练预先设置的图神经网络架构；
[0011]当完成对所述图神经网络架构的训练时，应用所述图神经网络架构对每个所述对公客户进行信用评分，获得评分结果。
[0012]上述的方法，可选的，所述确定各个所述对公客户之间的关系边，包括：
[0013]计算所述对公客户集合中每两个对公客户在预设的历史时间段内的交易量化结果；
[0014]确定所述对公客户集合中每两个对公客户在预设的历史时间段内的关系权重，并基于所述对公客户集合中每两个对公客户在预设的历史时间段内的关系权重以及交易量
化结果，获得所述对公客户集合中每两个对公客户之间的汇总交易结果；
[0015]确定汇总交易结果大于预设的阈值的两个对公客户之间存在行业关联关系；
[0016]将存在行业关联关系的两个对公客户连接，构建各个所述对公客户对应的关系边。
[0017]上述的方法，可选的，所述应用所述关系图谱，训练预先设置的图神经网络架构，包括：
[0018]应用预先设置的空间聚合算子，提取所述关系图谱中每个节点的图结构特征；
[0019]应用预先设置的多层感知机，对所述关系图谱中的每个节点进行节点分类；
[0020]将每个所述节点的图结构特征及节点分类输入所述图神经网络架构，触发所述图神经网络架构基于每个所述节点的图结构特征及节点分类进行迭代训练；
[0021]确定所述图神经网络结构在每次训练时的结构性能，并在当前的结构性能达到预设的训练条件，控制所述图神经网络结构停止训练，获得完成训练的图神经网络架构。
[0022]上述的方法，可选的，还包括：
[0023]当所述图神经网络架构停止训练后，对所述图神经网络结构进行模型校准。
[0024]上述的方法，可选的，所述对所述图神经网络结构进行模型校准，包括：
[0025]确定所述所述对公客户集合中对公客户的客户数量；
[0026]当所述客户数量大于预设的数据量时，应用保序回归法对所述神经网络结构进行模型校准；
[0027]当所述客户数量不大于所述数据量时，应用预设的逻辑回归法对所述神经网络结构进行模型校准。
[0028]一种银行对公客户的信用评分装置，包括：
[0029]获取单元，用于获取目标银行的对公客户集合，及所述对公客户集合中包含每个对公客户对应的客户信息；
[0030]第一构建单元，用于确定各个所述对公客户之间的行业关联关系，并基于各个所述对公客户之间的行业关联关系，构建各个所述对公客户之间的关系边，获得边集合及每个关系边对应的边属性；
[0031]第二构建单元，用于基于所述对公客户集合、所述边集合、各个所述客户信息及各个所述边属性，构建各个所述对公客户对应的关系图谱，所述关系图谱中的各个节点为各个所述对公客户；
[0032]训练单元，用于应用所述关系图谱，训练预先设置的图神经网络架构；
[0033]评分单元，用于当完成对所述图神经网络架构的训练时，应用所述图神经网络架构对每个所述对公客户进行信用评分，获得评分结果。
[0034]上述的装置，可选的，所述第一构建单元，包括：
[0035]第一计算子单元，用于计算所述对公客户集合中每两个对公客户在预设的历史时间段内的交易量化结果；
[0036]第二计算子单元，用于确定所述对公客户集合中每两个对公客户在预设的历史时间段内的关系权重，并基于所述对公客户集合中每两个对公客户在预设的历史时间段内的关系权重以及交易量化结果，获得所述对公客户集合中每两个对公客户之间的汇总交易结果；
[0037]第一确定子单元，用于确定汇总交易结果大于预设的阈值的两个对公客户之间存在行业关联关系；
[0038]构建子单元，用于将存在行业关联关系的两个对公客户连接，构建各个所述对公客户对应的关系边。
[0039]上述的装置，可选的，所述训练单元，包括：
[0040]提取子单元，用于应用预先设置的空间聚合算子，提取所述关系图谱中每个节点的图结构特征；
[0041]分类子单元，用于应用预先设置的多层感知机，对所述关系图谱中的每个节点进行节点分类；
[0042]训练子单元，用于将每个所述节点的图结构特征及节点分类输入所述图神经网络架构，触发所述图神经网络架构基于每个所述节点的图结构特征及节点分类进行迭代训练；
[0043]第二确定子单元，用于确定所述图神经网络结构在每次训练时的结构性能，并在当前的结构性能达到预设的训练条件，控制所述图神经网络结构停止训练，获得完成训练的图神经网络架构。
[0044]上述的装置，可选的，还包括：
[0045]校准单元，用于当所述图神经网络架构停止训练后，对所述图神经网络结构进行模型校准。
[0046]上述的装置，可选的，所述校准单元，包括：
[0047]第三确定子单元，用于确定所述所述对公客户集合中对公客户的客户数量；
[0048]第一校准子单元，用于当所述客户数量大于预设的数据量时，应用保序回归法对所述神经网络结构进行模型校准；
[0049]第二校准子单元本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种银行对公客户的信用评分方法，其特征在于，包括：获取目标银行的对公客户集合，及所述对公客户集合中包含每个对公客户对应的客户信息；确定各个所述对公客户之间的行业关联关系，并基于各个所述对公客户之间的行业关联关系，构建各个所述对公客户之间的关系边，获得边集合及每个关系边对应的边属性；基于所述对公客户集合、所述边集合、各个所述客户信息及各个所述边属性，构建各个所述对公客户对应的关系图谱，所述关系图谱中的各个节点为各个所述对公客户；应用所述关系图谱，训练预先设置的图神经网络架构；当完成对所述图神经网络架构的训练时，应用所述图神经网络架构对每个所述对公客户进行信用评分，获得评分结果。2.根据权利要求1所述的方法，其特征在于，所述确定各个所述对公客户之间的关系边，包括：计算所述对公客户集合中每两个对公客户在预设的历史时间段内的交易量化结果；确定所述对公客户集合中每两个对公客户在预设的历史时间段内的关系权重，并基于所述对公客户集合中每两个对公客户在预设的历史时间段内的关系权重以及交易量化结果，获得所述对公客户集合中每两个对公客户之间的汇总交易结果；确定汇总交易结果大于预设的阈值的两个对公客户之间存在行业关联关系；将存在行业关联关系的两个对公客户连接，构建各个所述对公客户对应的关系边。3.根据权利要求1所述的方法，其特征在于，所述应用所述关系图谱，训练预先设置的图神经网络架构，包括：应用预先设置的空间聚合算子，提取所述关系图谱中每个节点的图结构特征；应用预先设置的多层感知机，对所述关系图谱中的每个节点进行节点分类；将每个所述节点的图结构特征及节点分类输入所述图神经网络架构，触发所述图神经网络架构基于每个所述节点的图结构特征及节点分类进行迭代训练；确定所述图神经网络结构在每次训练时的结构性能，并在当前的结构性能达到预设的训练条件，控制所述图神经网络结构停止训练，获得完成训练的图神经网络架构。4.根据权利要求1或3所述的方法，其特征在于，还包括：当所述图神经网络架构停止训练后，对所述图神经网络结构进行模型校准。5.根据权利要求4所述的方法，其特征在于，所述对所述图神经网络结构进行模型校准，包括：确定所述所述对公客户集合中对公客户的客户数量；当所述客户数量大于预设的数据量时，应用保序回归法对所述神经网络结构进行模型校准；当所述客户数量不大于所述数据量时，应用预设的逻辑回归法对所述神经网络结构进行模型校准。6.一种银行对公客户的信用评分装置，其特征在于，包括：获取单元，用于获取目标银行的对公客户集合，及所述对公客户集合中包含每...
【专利技术属性】
技术研发人员：洪婧，金鹤，
申请(专利权)人：中国建设银行股份有限公司，
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。