System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及但不限于文本处理、机器学习,尤其涉及一种用户信用恢复评估方法、装置及存储介质。
技术介绍
1、用户信用评估是基于个人或企业历史行为和信用记录等信息,对其信用水平进行评估的过程,在金融、电商、共享经济等领域都有广泛的应用。信用恢复评估是对曾经信用不良或信用受损的个人或企业进行评估,以确定其信用是否已得到恢复或改善的过程。在信用恢复评估时,通常可以从以下几个层面进行分析评估:一、信用记录分析:对过去信用不良或信用受损的记录进行详细分析,包括欠款记录、逾期还款记录、违约记录等。通过仔细研究和评估这些记录,可以判断出信用是否已经得到恢复,是否存在重复的信用问题。二、还款能力评估:评估个人或企业的还款能力,包括收入水平、负债状况、现金流量等。通过分析财务状况和还款能力,可以判断是否具备按时偿还债务的能力,进而评估信用恢复的程度。三、信用报告分析:对个人或企业的信用报告进行综合分析,评估其中的信用分数、信用评级等指标。借助各种信用评分模型和算法,可以判断信用是否已经改善,从而进行信用恢复评估。四、参考信用评估:借助第三方机构的信用评估报告或意见,对个人或企业的信用进行评估。这些第三方机构通常具有较为全面和准确的信用数据和评估方法,可以提供客观的参考意见。在进行信用恢复评估时,需要同时考虑过去的信用记录和当前的信用状况,并综合各种数据和指标进行综合评估。最终的评估结果可以帮助金融机构、商业合作伙伴等决策是否给予信任和提供贷款、信用额度等服务。目前,大多数机构在进行信用恢复评估时,均包含以上甚至更多维度的数据,但是,在实际情况中,并不
技术实现思路
1、有鉴于此,本申请实施例至少提供一种用户信用恢复评估方法、装置及存储介质。
2、本申请实施例的技术方案是这样实现的:
3、一方面,本申请实施例提供一种用户信用恢复评估方法,所述方法包括:
4、获取第一信用报告训练模板;所述第一信用报告训练模板包括多个文本段落,如果文本段落的信息披露程度不同,文本段落对应的信息披露程度类别不同;
5、通过信用文本聚焦模型对所述多个文本段落进行识别,得到所述多个文本段落中的第一文本段落和第二文本段落;所述信用文本聚焦模型包括聚焦学习变量,所述信用文本聚焦模型通过所述聚焦学习变量确定对所述第一文本段落的聚焦程度大于对所述第二文本段落的聚焦程度;
6、通过所述信用文本聚焦模型对所述第一文本段落的聚焦程度,为所述第一文本段落赋予第一推理标记,并通过所述信用文本聚焦模型对所述第二文本段落的聚焦程度,为所述第二文本段落赋予第二推理标记;所述第一推理标记表示所述第一文本段落属于第一推理信息披露程度类别;所述第二推理标记表示所述第二文本段落属于第二推理信息披露程度类别;所述第一推理信息披露程度类别对应的信息披露程度大于所述第二推理信息披露程度类别对应的信息披露程度;
7、获取所述第一文本段落的第一对照标记和所述第二文本段落的第二对照标记;所述第一对照标记表示所述第一文本段落属于第一对照信息披露程度类别;所述第二对照标记表示所述第二文本段落属于第二对照信息披露程度类别;
8、通过所述第一推理标记与所述第一对照标记之间的误差,以及所述第二推理标记与所述第二对照标记之间的误差,优化所述聚焦学习变量;所述信用文本聚焦模型用于通过优化后的聚焦学习变量挖掘用户信用报告的信用表征向量,所述信用表征向量用于对所述用户信用报告的信用级别进行检测。
9、作为一种实施方式,所述通过信用文本聚焦模型对所述多个文本段落进行识别,得到第一文本段落和第二文本段落,包括:
10、通过所述信用文本聚焦模型通过所述聚焦学习变量,确定所述多个文本段落中每个文本段落的聚焦系数;所述文本段落的聚焦系数表征所述信用文本聚焦模型对所述文本段落的聚焦程度;
11、将所述多个文本段落中聚焦系数在第一系数区间内的文本段落作为所述第一文本段落,以及将所述多个文本段落中聚焦系数在第二系数区间内的文本段落作为所述第二文本段落;其中,所述第一系数区间内的系数大于所述第二系数区间内的系数。
12、作为一种实施方式,所述信用文本聚焦模型属于信用级别检测模型,所述优化后的聚焦学习变量在所述信用级别检测模型中维持不变,所述信用级别检测模型还包括检测子模型;所述方法还包括:
13、获取第二信用报告训练模板,所述第二信用报告训练模板携带报告标记,所述报告标记表示所述第二信用报告训练模板的实际信用级别;
14、通过所述信用文本聚焦模型通过所述优化后的聚焦学习变量,对所述第二信用报告训练模板进行表征向量挖掘,生成所述第二信用报告训练模板的模板信用表征向量;
15、通过所述检测子模型,通过所述模板信用表征向量对所述第二信用报告训练模板进行信用级别推理,得到所述第二信用报告训练模板的信用级别推理结果;
16、通过所述实际信用级别与所述信用级别推理结果之间的误差,优化所述信用级别检测模型中除维持不变的所述优化后的聚焦学习变量之外的模型可学习变量,得到优化完成的信用级别检测模型。
17、作为一种实施方式,所述第二信用报告训练模板包括多个,多个第二信用报告训练模板包含不同的评估维度内容;
18、所述通过所述信用文本聚焦模型通过所述优化后的聚焦学习变量,对所述第二信用报告训练模板进行表征向量挖掘,生成所述第二信用报告训练模板的模板信用表征向量,包括:
19、通过所述信用文本聚焦模型通过所述优化后的聚焦学习变量,分别对每个第二信用报告训练模板进行表征向量挖掘,生成所述每个第二信用报告训练模板的报告信用表征向量;
20、对所述多个第二信用报告训练模板的报告信用表征向量进行向量整合,生成所述模板信用表征向量。
21、作为一种实施方式,所述对所述多个第二信用报告训练模板的报告信用表征向量进行向量整合,生成所述模板信用表征向量,包括:
22、对所述多个第二信用报告训练模板的报告信用表征向量进行组合,生成所述模板信用表征向量;或者对所述多个第二信用报告训练模板的报告信用表征向量进行相加,生成所述模板信用表征向量。
23、作为一种实施方式,所述优化完成的信用级别检测模型包括优化完成的信用文本聚焦模型和优化完成的检测子模型;所述方法还包括:
24、获取拟进行信用级别检测的用户信用报告;
25、通过所述优化完成的信用文本聚焦模型,对所述用户信用报告进行表征向量挖掘,生成所述用户信用报告的目标信用表征向量;
26、通过所述优化完成的检测子模型通过所述目标信用表征向量,对所述用户信用报告进行信用级别推理,得到所述用户信用报告的目标信用级别。
2本文档来自技高网...
【技术保护点】
1.一种用户信用恢复评估方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述通过信用文本聚焦模型对所述多个文本段落进行识别,得到第一文本段落和第二文本段落,包括:
3.如权利要求1所述的方法,其特征在于,所述信用文本聚焦模型属于信用级别检测模型,所述优化后的聚焦学习变量在所述信用级别检测模型中维持不变,所述信用级别检测模型还包括检测子模型;所述方法还包括:
4.如权利要求3所述的方法,其特征在于,所述第二信用报告训练模板包括多个,多个第二信用报告训练模板包含不同的评估维度内容;
5.如权利要求4所述的方法,其特征在于,所述对所述多个第二信用报告训练模板的报告信用表征向量进行向量整合,生成所述模板信用表征向量,包括:
6.如权利要求3所述的方法,其特征在于,所述优化完成的信用级别检测模型包括优化完成的信用文本聚焦模型和优化完成的检测子模型;所述方法还包括:
7.如权利要求6所述的方法,其特征在于,所述用户信用报告包括多个,多个用户信用报告包含不同的评估维度内容;所述通过所述优化完成的信
8.如权利要求1所述的方法,其特征在于,所述获取所述第一文本段落的第一对照标记和所述第二文本段落的第二对照标记,包括:
9.一种用户信用恢复评估装置,其特征在于,所述装置包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8任一项所述方法中的步骤。
...【技术特征摘要】
1.一种用户信用恢复评估方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述通过信用文本聚焦模型对所述多个文本段落进行识别,得到第一文本段落和第二文本段落,包括:
3.如权利要求1所述的方法,其特征在于,所述信用文本聚焦模型属于信用级别检测模型,所述优化后的聚焦学习变量在所述信用级别检测模型中维持不变,所述信用级别检测模型还包括检测子模型;所述方法还包括:
4.如权利要求3所述的方法,其特征在于,所述第二信用报告训练模板包括多个,多个第二信用报告训练模板包含不同的评估维度内容;
5.如权利要求4所述的方法,其特征在于,所述对所述多个第二信用报告训练模板的报告信用表征向量进行向量整合,生成所述模板信用表征向量,包括:
6.如权利...
【专利技术属性】
技术研发人员:高厚良,陈学锋,崔岩莉,
申请(专利权)人:中投国信北京科技发展有限公司,
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。