企业信用数据分析处理方法及装置制造方法及图纸

本申请提供一种企业信用数据分析处理方法及装置，通过从第三方数据商服务器中获取第一分析数据，并对该第一分析数据进行数据处理，得到第二分析数据；再基于朴素贝叶斯模型进行学习率优化，得到企业信用模型后，将第二分析数据发送至该企业信用模型，确定该企业信用，解决现有技术中模型输出难以解释、模型分析结果准确度较低的问题。析结果准确度较低的问题。析结果准确度较低的问题。

【技术实现步骤摘要】
企业信用数据分析处理方法及装置


[0001]本申请涉及人工智能技术，尤其涉及一种企业信用数据分析处理方法及装置。

技术介绍

[0002]随着互联网金融技术和业务的发展，企业贷款等金融产品规模也越来越大，企业贷款也因此成为银行的重要业务和利润来源，如何有效地识别企业贷款的信用、避免坏账，是金融行业的重点研究领域。
[0003]当前，银行主要基于应用数学方法、机器学习方法，以及将多种应用数学方法和人工智能方法进行组合的深度学习模型来对接收到的企业信用数据进行分析处理。
[0004]随着大企业信用数据时代的来临，基于应用数学方法的企业信用数据分析处理模型因不具备自学习能力而逐渐被淘汰；基于机器学习的企业信用数据分析处理方法难以捕捉不同指标特征之间的相关性，分析结果准确度较低；基于深度学习模型的虽分析结果准确度较高，但难以解释模型的各项输出。

技术实现思路

[0005]本申请提供一种企业信用数据分析处理方法及装置，用以解决现有企业信用数据分析处理方法中分析模型各项输出的可解释性较低、分析结果准确度较低的问题。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业信用数据分析处理方法，其特征在于，包括：从第三方数据商服务器中获取第一分析数据，并对所述第一分析数据进行数据处理，得到第二分析数据，所述第一分析数据包括用于对所述企业信用进行分析的贷款企业信用数据；基于朴素贝叶斯模型进行学习率优化，得到企业信用模型；将所述第二分析数据发送至所述企业信用模型，确定所述企业信用。2.根据权利要求1所述的方法，其特征在于，所述基于朴素贝叶斯模型进行学习率优化，得到企业信用模型，包括：从第三方数据商服务器中获取第一训练数据，所述第一训练数据包括用于对所述企业信用模型进行训练的贷款企业信用数据；对所述第一训练数据进行数据处理，得到第二训练数据；基于朴素贝叶斯模型进行学习率优化，得到优化朴素贝叶斯模型，并将所述第二训练数据发送至所述优化朴素贝叶斯模型进行训练，得到企业信用模型。3.根据权利要求2所述的方法，其特征在于，所述基于朴素贝叶斯模型进行学习率优化，得到优化朴素贝叶斯模型，包括：计算当前时刻损失函数与下一时刻损失函数的差值，得到损失差值；计算以无理数e为底数，以损失差值为指数的幂值，利用所述幂值与整数1的差值对所述幂值与整数1的加和做商，再将商值与整数1进行加和，得到加和值；计算朴素贝叶斯模型的学习率与所述加和值的乘积，并将所述乘积与预设常数进行加和，得到优化后的朴素贝叶斯模型的学习率；利用所述优化后的朴素贝叶斯模型的学习率对所述朴素贝叶斯模型的学习率进行替换，得到优化朴素贝叶斯模型。4.根据权利要求1所述的方法，其特征在于，所述对所述第一分析数据进行数据处理，得到第二分析数据，包括：对所述第一分析数据进行数据预处理后，计算所述第一分析数据的分析特征权重，确定所述分析特征权重大于预设权重阈值的第一分析数据为第二分析数据。5.根据权利要求4所述的方法，其特征在...

【专利技术属性】
技术研发人员：程鹏，任政，郑凯，王鹏培，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：