基于神经网络的企业风险画像生成方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，揭露了一种基于神经网络的企业风险画像生成方法和装置，该方法包括：对获取的目标企业的历史数据进行标准化处理和数据平衡处理，得到平衡数据；构建所述目标企业的初级风险分类模型；根据所述平衡数据对所述初级风险分类模型进行参数寻优，得到最优参数，根据所述最优参数生成所述目标企业的目标风险分类模型；获取所述目标企业的待评估数据，根据所述目标风险分类模型对所述待评估数据进行数据分类，得到所述待评估数据的分类数据，根据所述分类数据生成所述目标企业的风险画像。本发明专利技术可以提高企业风险画像生成的准确性。像生成的准确性。像生成的准确性。

【技术实现步骤摘要】
基于神经网络的企业风险画像生成方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于神经网络的企业风险画像生成方法及装置。

技术介绍

[0002]随着社会经济的发展，国内中小微企业在经济的发展中的地位越来越高，对社会的作用也越来越大，它不仅可以为社会提供更多的就业机会，刺激产业供给结构和需求结构的变化，实现资源的优化配置，提高经济效益，促进国民经济发展和科技进步。企业的发展离不开资金，但是由于中小微企业往往容易出现现金流周转不灵、资金不够充足等情况，导致企业融资困难。
[0003]由于部分中小微企业存在发展情景，当中小微企业向银行申请贷款时，银行需要对中小微企业进行价值评估，其中，中小微企业的企业风险值可做为重要参照，现如今，企业风险值得确定依赖经验主义，存在准确性不足的现象。因此，如何提升企业的企业风险值的生成准确性，成为了亟待解决的问题。

技术实现思路

[0004]本专利技术提供一种基于神经网络的企业风险画像生成方法及装置，其主要目的在于解决企业风险画像生成时准确性较低的问题。<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的企业风险画像生成方法，其特征在于，所述方法包括：获取目标企业的历史数据，对所述历史数据进行标准化处理，得到所述历史数据的标准数据；对所述标准数据进行数据平衡处理，得到所述标准数据的平衡数据；利用预设的风险分类算法构建所述目标企业的初级风险分类模型，其中，所述预设的风险分类算法为：；其中，是第个特征向量对应的拉格朗日乘子，是第个特征向量对应的拉格朗日乘子，是第个特征向量对应的类别，是第个特征向量对应的类别，是高斯核函数的超参数，是所述特征向量的总数，是第个特征向量的向量标识，是第个特征向量的向量标识，是惩罚因子，是指数函数，是最小值函数；对所述初级风险分类模型进行参数初始化，得到所述初级风险分类模型的中级风险分类模型；根据所述平衡数据生成所述初级风险分类模型的样本训练集，利用所述样本训练集对所述中级风险分类模型进行参数寻优，得到所述中级风险分类模型的最优参数，根据所述最优参数生成所述目标企业的目标风险分类模型；获取所述目标企业的待评估数据，根据所述目标风险分类模型对所述待评估数据进行数据分类，得到所述待评估数据的分类数据，根据所述分类数据生成所述目标企业的风险画像。2.如权利要求1所述的基于神经网络的企业风险画像生成方法，其特征在于，所述对所述历史数据进行标准化处理，得到所述历史数据的标准数据，包括：对所述历史数据进行格式处理，得到所述历史数据的统一格式数据；对所述统一格式数据进行特征提取，得到所述统一格式数据的数据特征；对所述数据特征进行标准化处理，得到所述数据特征的标准特征，确定所述标准特征为所述历史数据的标准数据。3.如权利要求1所述的基于神经网络的企业风险画像生成方法，其特征在于，所述对所述标准数据进行数据平衡处理，得到所述标准数据的平衡数据，包括：对所述标准数据进行二分类，得到所述标准数据的少数类样本和多数类样本；根据所述少数类样本和所述多数类样本生成所述标准数据的不平衡度；根据所述少数类样本和所述多数类样本生成所述标准数据的合成少数样本总数；利用预设的距离算法逐个生成所述少数类样本的邻域集合，根据所述邻域集合和所述合成少数样本总数生成所述标准数据的合成样本，根据所述合成样本确定所述标准数据的平衡数据。
4.如权利要求3所述的基于神经网络的企业风险画像生成方法，其特征在于，所述根据所述邻域集合和所述合成少数样本总数生成所述标准数据的合成样本，包括：确定所述邻域集合中邻域样本为多数类样本的多数样本数目，根据所述多数样本数目和所述邻域集合的邻域样本数目生成所述多数类样本的多数类样本占比；逐个对所述多数类样本占比进行归一化处理，得到所述多数类样本占比的归一化比例；根据所述归一化比例和所述合成少数样本总数逐个生成所述少数类样本的合成新样本数目；利用预设的样本合成算法和所述合成新样本数目生成所述少数类样本的合成样本，其中，所述预设的样本合成算法为：；其中，是所述少数类样本的合成样本，是第个所述少数类样本，是所述邻域集合中选取的第个目标样本，是合成参数，是所述少数类样本的少数类样本标识，是所述目标样本的目标样本标识，是所述少数类样本的合成样本的合成样本标识。5.如权利要求1所述的基于神经网络的企业风险画像生成方法，其特征在于，所述对所述初级风险分类模型进行参数初始化，得到所述初级风险分类模型的中级风险分类模型，包括：对所述初级风险分类模型进行初始超参数配置，得到所述初级风险分类模型的一级风险分类模型；对所述一级风险分类模型进行初始惩罚因子配置，得到所述一级风险分类模型的二级风险分类模型，确定所述二级风险分类...

【专利技术属性】
技术研发人员：张福军，罗豪，卢小晗，
申请(专利权)人：绿城科技产业服务集团有限公司，
类型：发明
国别省市：