基于NLP的信用数据分析处理方法、系统及存储介质技术方案

技术编号：40276998 阅读：8 留言：0更新日期：2024-02-02 23:04

本发明专利技术实施例提供的基于NLP的信用数据分析处理方法、系统及存储介质，该方法通过数据处理、语义挖掘、特征拼接以及信用风控和资源推送需求判别，实现了对目标企业信用数据评论文本的综合分析和个性化资源推送，这样的协作效果能够提升信用风险管理和资源推送的精度和安全性，从而改善传统技术难以准确实现信用风险判别，以及难以实现个性化、安全的资源推送的技术问题。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及数据分析，具体而言，涉及一种基于nlp的信用数据分析处理方法、系统及存储介质。

技术介绍

1、企业信用文本数据是指与企业信用相关的文本信息。这些文本数据可以包括企业的评价、评论、报告、公告、新闻报道等各种形式的文本内容。这些数据通常涉及对企业信用状况、经营能力、财务健康、行业地位、商誉声誉等方面的描述、分析和评估。

2、企业信用文本数据可以来自多个渠道，包括但不限于以下几种：企业信用报告：由信用评级机构、金融机构、征信机构等专业机构发布的关于企业信用状况的报告，其中包含了丰富的文字描述和评价；用户评论和评价：来自消费者、合作伙伴或其他企业的对某个企业进行评价和评论的文本数据，可以反映出企业的服务质量、商业道德、客户满意度等方面的信息；新闻报道和媒体分析：涉及企业的新闻报道、行业分析、市场评论等文本内容，可以帮助了解企业在公众视野中的形象和声誉；公司公告和年报：企业发布的公告、年度财务报告、股东信函等文本材料，提供了关于企业经营策略、财务状况和发展计划等方面的信息；社交媒体评论：来自社交媒体平台(如微博、微信等)上针对企业的评论、讨论和舆情分析，可以反映出公众对企业的态度和观点。

3、企业信用文本数据在企业评估、风险控制、市场调研、舆情分析等方面具有重要价值。通过对这些文本数据进行处理、分析和挖掘，可以获取对企业信用状况的更深入理解，并为决策提供参考和依据。在实际应用过程中，当面临信用风控和资源推送的联合分析需求时，传统技术举步维艰。

技术实现思路

<p>1、为了改善上述问题，本专利技术提供了一种基于nlp的信用数据分析处理方法、系统及存储介质。

2、第一方面，提供一种基于nlp的信用数据分析处理方法，应用于人工智能分析系统，所述方法包括：

3、获取业务资源推送服务器上传的拟分析企业信用数据评论文本，所述拟分析企业信用数据评论文本中包括多个企业信用行为事件；

4、将所述拟分析企业信用数据评论文本加载到评论文本语义挖掘模型进行文本语义挖掘，得到所述拟分析企业信用数据评论文本对应的原始信用报告文本语义；

5、将所述原始信用报告文本语义加载到结构化文本语义处理模型，对所述原始信用报告文本语义中不同等级的文本语义向量进行文本语义向量拼接，得到文本语义拼接向量；

6、将所述文本语义拼接向量分别加载到信用风控判别算法和资源推送需求判别算法中，并依据所述信用风控判别算法生成所述拟分析企业信用数据评论文本中每个所述企业信用行为事件对应的信用风控观点标签，依据所述资源推送需求判别算法生成所述拟分析企业信用数据评论文本中每个所述企业信用行为事件对应的资源推送需求观点标签。

7、在一些可能的实施例中，所述将所述拟分析企业信用数据评论文本加载到评论文本语义挖掘模型进行文本语义挖掘，得到所述拟分析企业信用数据评论文本对应的原始信用报告文本语义，所述评论文本语义挖掘模型包含多个状态阶，包括：

8、将所述拟分析企业信用数据评论文本加载到评论文本语义挖掘模型中；

9、基于第一设定拼接策略进行状态阶内的文本语义向量拼接，并基于第二设定拼接策略进行不同状态阶之间的组合，得到每个状态阶的子模型生成的所述拟分析企业信用数据评论文本的原始信用报告文本语义。

10、在一些可能的实施例中，所述将所述原始信用报告文本语义加载到结构化文本语义处理模型，对所述原始信用报告文本语义中不同等级的文本语义向量进行文本语义向量拼接，得到文本语义拼接向量，包括：

11、对每个状态阶的子模型生成的所述原始信用报告文本语义中特征规模最小的原始信用报告文本语义进行语义特征扩展处理，得到文本语义扩展向量；

12、依据所述文本语义扩展向量，调整与所述文本语义扩展向量特征规模一致的原始信用报告文本语义；

13、跳转至所述对每个状态阶的子模型生成的所述原始信用报告文本语义中特征规模最小的原始信用报告文本语义进行语义特征扩展处理的步骤，直到拼接了每个状态阶的子模型生成的所述原始信用报告文本语义，得到文本语义拼接向量。

14、在一些可能的实施例中，所述依据所述文本语义扩展向量，调整与所述文本语义扩展向量特征规模一致的原始信用报告文本语义，包括：

15、将所述文本语义扩展向量和与所述文本语义扩展向量特征规模一致的原始信用报告文本语义进行基于语义逻辑的交叉，得到文本语义交叉结果；

16、基于可逆单元对所述文本语义交叉结果进行文本语义向量拼接，得到原始文本语义拼接向量，并将所述原始文本语义拼接向量调整为与所述文本语义扩展向量特征规模一致的原始信用报告文本语义。

17、在一些可能的实施例中，将所述文本语义拼接向量加载到信用风控判别算法中，并依据所述信用风控判别算法生成所述拟分析企业信用数据评论文本中每个所述企业信用行为事件对应的信用风控观点标签，所述信用风控观点标签包括信用风控判别算法输出的信用风控关键词、信用风控判别算法输出的信用风控建议标签、以及信用风控判别算法输出的特征规模变量，包括：

18、将所述文本语义拼接向量加载到信用风控判别算法中；

19、依据所述信用风控判别算法中第一ai判别组件生成所述拟分析企业信用数据评论文本中每个企业信用行为事件对应的信用风控判别算法输出的信用风控关键词；

20、依据所述信用风控判别算法中第一梯度优化组件生成所述拟分析企业信用数据评论文本中每个企业信用行为事件对应的信用风控判别算法输出的信用风控建议标签；

21、依据所述信用风控判别算法中第一特征规模输出组件生成所述拟分析企业信用数据评论文本中每个企业信用行为事件对应的信用风控判别算法输出的特征规模变量。

22、在一些可能的实施例中，所述将所述文本语义拼接向量加载到资源推送需求判别算法中，并依据所述资源推送需求判别算法生成所述拟分析企业信用数据评论文本中每个所述企业信用行为事件对应的资源推送需求观点标签，所述资源推送需求观点标签包括资源推送需求关键词、资源推送需求判别算法输出的推送模式标签、资源推送需求判别算法输出的特征规模变量、以及推送内容目录，包括：

23、将所述文本语义拼接向量加载到资源推送需求判别算法中；

24、依据所述资源推送需求判别算法中第二ai判别组件生成所述拟分析企业信用数据评论文本中每个企业信用行为事件对应的资源推送需求判别算法输出的信用风控关键词；

25、依据所述资源推送需求判别算法中第二梯度优化组件生成所述拟分析企业信用数据评论文本中每个企业信用行为事件对应的资源推送需求判别算法输出的推送模式标签；

26、依据所述资源推送需求判别算法中第二特征规模输出组件生成所述拟分析企业信用数据评论文本中每个企业信用行为事件对应的资源推送需求判别算法输出的特征规模变量；

27、依据所述资源推送需求判别算法中行为热力分析组件生成所述拟分析企业信用数据评论文本中每个企业信用行为本文档来自技高网...

【技术保护点】

1.一种基于NLP的信用数据分析处理方法，其特征在于，应用于人工智能分析系统，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述将所述拟分析企业信用数据评论文本加载到评论文本语义挖掘模型进行文本语义挖掘，得到所述拟分析企业信用数据评论文本对应的原始信用报告文本语义，所述评论文本语义挖掘模型包含多个状态阶，包括：

3.如权利要求2所述的方法，其特征在于，所述将所述原始信用报告文本语义加载到结构化文本语义处理模型，对所述原始信用报告文本语义中不同等级的文本语义向量进行文本语义向量拼接，得到文本语义拼接向量，包括：

4.如权利要求3所述的方法，其特征在于，所述依据所述文本语义扩展向量，调整与所述文本语义扩展向量特征规模一致的原始信用报告文本语义，包括：

5.如权利要求1所述的方法，其特征在于，将所述文本语义拼接向量加载到信用风控判别算法中，并依据所述信用风控判别算法生成所述拟分析企业信用数据评论文本中每个所述企业信用行为事件对应的信用风控观点标签，所述信用风控观点标签包括信用风控判别算法输出的信用风控关键词、信用风控判别算法输出

6.如权利要求1所述的方法，其特征在于，所述将所述文本语义拼接向量加载到资源推送需求判别算法中，并依据所述资源推送需求判别算法生成所述拟分析企业信用数据评论文本中每个所述企业信用行为事件对应的资源推送需求观点标签，所述资源推送需求观点标签包括资源推送需求关键词、资源推送需求判别算法输出的推送模式标签、资源推送需求判别算法输出的特征规模变量、以及推送内容目录，包括：

7.如权利要求1所述的方法，其特征在于，所述获取业务资源推送服务器上传的拟分析企业信用数据评论文本之前，还包括：

8.如权利要求1所述的方法，其特征在于，所述获取业务资源推送服务器上传的拟分析企业信用数据评论文本之前，还包括：

9.一种人工智能分析系统，其特征在于，所述人工智能分析系统包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1-8任一项所述的方法。

...

【技术特征摘要】

1.一种基于nlp的信用数据分析处理方法，其特征在于，应用于人工智能分析系统，所述方法包括：

5.如权利要求1所述的方法，其特征在于，将所述文本语义拼接向量加载到信用风控判别算法中，并依据所述信用风控判别算法生成所述拟分析企业信用数据评论文本中每个所述企业信用行为事件对应的信用风控观点标签，所述信用风控观点标签包括信用风控判别算法输出的信用风控关键词、信用风控判别算法输出的信用风控建议标签、以及信...

【专利技术属性】
技术研发人员：陈学锋，高厚良，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：

全部详细技术资料下载我是这个专利的主人