一种企业信用评估方法技术

本申请提供一种企业信用评估方法

【技术实现步骤摘要】
一种企业信用评估方法、系统、设备和介质


[0001]本专利技术涉及大数据应用领域，尤其涉及一种企业信用评估方法
、
系统
、
设备和介质
。

技术介绍

[0002]在工业企业申请金融贷款的过程中，由于现行的信用体系主要依赖企业的财务信息和企业高管的个人信用，忽视了企业的生产能力和创新能力，导致信贷机构和企业之间的信息不对称严重，中小企业贷款难
。
贷款机构害怕为中小企业提供大量贷款，因为他们担心中小企业的还款能力和这些公司提供的虚假数据
。
这些情况不利于缓解就业压力
、
优化经济结构，也影响社会稳定
。
[0003]同时，随着智能制造和工业互联网技术在工业企业的广泛应用，大量的工业企业投入了
Manufacturing Execution System(MES)、Enterprise Resource Planning(ERP)、Customer relationship management system(CRMS)
等信息化系统，并建成了工业互联网云平台
、
数字化车间
、
智能工厂，产生了大量的生产制造和管理流程数据
。
与传统的金融信息数据相比，这些工业数据不仅反映了企业真实的运营情况，而且数据量大，难以造假
。
因此，这些工业数据不仅可以用于辅助企业的生产管理和决策，还能够真实地反映企业的信用水平
。
将这些数据纳入用于构建企业信用体系的特征范畴，可以有效防范金融的风险，改善企业贷款质量，并提高放贷机构的净收益
。
[0004]当前工业企业信用评估体系大多仅涉及到了企业金融与资产数据及企业高管数据，没有包括企业的生产
、
运行和物流等数据，不完全适用于工业互联网时代下的工业企业信用等级评估
。
当部分企业信用评价模型使用机器学习和人工智能模型对企业信用水平进行评价时，由于特征选择不符合实际需要，机器学习模型对数据的敏感性较低，这些模型的分类结果普遍存在分类精度低
、
鲁棒性和可解释性差的问题
。

技术实现思路

[0005]鉴于以上现有技术存在的问题，本专利技术提出一种企业信用评估方法
、
系统
、
设备和介质，主要解决现有企业信用分类精度低且可解释性差的问题
。
[0006]为了实现上述目的及其他目的，本专利技术采用的技术方案如下
。
[0007]本申请提供一种企业信用评估方法，包括：获取企业信息对应的待分类文本；根据所述待分类文本对应的关键特征的出现频率建立频繁模式树，其中所述频繁模式树用于表征各关键特征之间的关联关系；根据所述频繁模式树中各关键特征在所述待分类样本中关联的形容词对对应关键特征进行等级量化，得到各关键特征的权重集，其中所述形容词为表示程度的词组；根据所述频繁模式树和所述权重集确定目标特征集，以基于所述目标特征集进行信用分类，得到对应企业的信用评估结果
。
[0008]在本申请一实施例中，获取企业信息对应的待分类文本，包括：采集企业信息，其中所述企业信息包括企业中目标对象的征信数据
、
企业资产数据以及企业在线运行数据；
将所述企业信息转换为所述待分类文本，其中所述待分类文本为多个
。
[0009]在本申请一实施例中，根据所述待分类文本对应的关键特征的出现频率建立频繁模式树之前，还包括：将各所述待分类文本中与预设标准词匹配的词语作为对应待分类文本的目标词；将所述目标词转换为特征表示，以形成有多个特征表示组成的向量空间模型；对所述向量空间模型进行特征提取，得到特征集，以基于所述特征集确定所述关键特征
。
[0010]在本申请一实施例中，基于所述特征集确定所述关键特征还包括：根据所述特征集建立词频矩阵；通过奇异值分解对所述词频矩阵进行降维，得到目标向量集合，其中所述目标向量集合由多个关键特征组成
。
[0011]在本申请一实施例中，根据所述待分类文本对应的关键特征的出现频率建立频繁模式树，包括：根据各关键特征在对应待分类文本中的出现频率进行排序生成项头表；根据所述项头表的顺序各待分类文本中的所有事务项进行重新排序，剔除支持度小于预设阈值的事务项，得到新数据集，以基于所述新数据集构建频繁模式树
。
[0012]在本申请一实施例中，根据所述频繁模式树中各关键特征在所述待分类样本中关联的形容词对对应关键特征进行等级量化，包括：将所述频繁模式树中关键特征的出现频率转换为权重；在所述关键特征存在关联的表示程度的形容词时，根据对应的形容词匹配预设权重，以对权重进行修正；根据各关键特征的权重确定权重集
。
[0013]在本申请一实施例中，根据所述频繁模式树和所述权重集确定目标特征集，包括：以各所述关键特征作为属性，基于贝叶斯网络对所述权重集进行模糊化处理；根据模糊化处理后的权重集确定各关键特征之间的关联概率，以基于所述关联概率确定所述目标特征集
。
[0014]本申请还提供一种企业信用评估方法，其特征在于，包括：数据获取模块，用于获取企业信息对应的待分类文本；关联模块，用于根据所述待分类文本对应的关键特征的出现频率建立频繁模式树，其中所述频繁模式树用于表征各关键特征之间的关联关系；权重量化模块，用于根据所述频繁模式树中各关键特征在所述待分类样本中关联的形容词对对应关键特征进行等级量化，得到各关键特征的权重集，其中所述形容词为表示程度的词组；信用分类模块，用于根据所述频繁模式树和所述权重集确定目标特征集，以基于所述目标特征集进行信用分类，得到对应企业的信用评估结果
。
[0015]本申请还提供一种设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行所述的企业信用评估方法
。
[0016]本申请还提供一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行所述的企业信用评估方法
。
[0017]如上所述，本专利技术提出的一种企业信用评估方法
、
系统
、
设备和介质，具有以下有益效果
。
[0018]本申请通过频繁模式树和权重集对待分类文本的特征进行筛选，可降低海量高维度数据的维度，进而降低分类的复杂度，节省提取不必要特征的开销，减少噪声对分类结果的影响，提高分类的准确性
。
附图说明
[0019]图1为本申请一实施例中企业信用评估方法的流程示意图
。
[0020]图2为本申请一实施例中频繁模式树的狗仔过程示意图
。
[0021]图3为本申请一实施例中企业信用评估系统的模块图
。
[0022]图4为本申请一实施例中设备的结构示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种企业信用评估方法，其特征在于，包括：获取企业信息对应的待分类文本；根据所述待分类文本对应的关键特征的出现频率建立频繁模式树，其中所述频繁模式树用于表征各关键特征之间的关联关系；根据所述频繁模式树中各关键特征在所述待分类样本中关联的形容词对对应关键特征进行等级量化，得到各关键特征的权重集，其中所述形容词为表示程度的词组；根据所述频繁模式树和所述权重集确定目标特征集，以基于所述目标特征集进行信用分类，得到对应企业的信用评估结果
。2.
根据权利要求1所述的企业信用评估方法，其特征在于，获取企业信息对应的待分类文本，包括：采集企业信息，其中所述企业信息包括企业中目标对象的征信数据
、
企业资产数据以及企业在线运行数据；将所述企业信息转换为所述待分类文本，其中所述待分类文本为多个
。3.
根据权利要求2所述的企业信用评估方法，其特征在于，根据所述待分类文本对应的关键特征的出现频率建立频繁模式树之前，还包括：将各所述待分类文本中与预设标准词匹配的词语作为对应待分类文本的目标词；将所述目标词转换为特征表示，以形成有多个特征表示组成的向量空间模型；对所述向量空间模型进行特征提取，得到特征集，以基于所述特征集确定所述关键特征
。4.
根据权利要求3所述的企业信用评估方法，其特征在于，基于所述特征集确定所述关键特征还包括：根据所述特征集建立词频矩阵；通过奇异值分解对所述词频矩阵进行降维，得到目标向量集合，其中所述目标向量集合由多个关键特征组成
。5.
根据权利要求1所述的企业信用评估方法，其特征在于，根据所述待分类文本对应的关键特征的出现频率建立频繁模式树，包括：根据各关键特征在对应待分类文本中的出现频率进行排序生成项头表；根据所述项头表的顺序各待分类文本中的所有事务项进行重新排序，剔除支持度小于预设阈值的...

【专利技术属性】
技术研发人员：帅勇，郁笑雯，苏芯颐，钟雨言臻，王含含，周粤川，
申请(专利权)人：重庆赛宝工业技术研究院有限公司，
类型：发明
国别省市：