【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种信用风险评估方法及相关装置。
技术介绍
1、信用风险评估是评估贷款人的信用情况，以确定其偿还贷款的能力和意愿。因此对贷款人的信用情况进行评估是亟需解决的技术难题。
技术实现思路
1、鉴于上述问题，本申请提供了一种信用风险评估方法及相关装置，以实现更加准确可靠的风险评估的目的。具体方案如下：
2、本申请第一方面提供一种信用风险评估方法，包括：
3、获取待测用户的第一用户属性信息；
4、计算所述第一用户属性信息分别与多个第一聚类中心的第一隶属度值；
5、其中，所述多个第一聚类中心是将多个样本用户分别对应的信息集合进行模糊c均值聚类得到的，所述样本用户对应的所述信息集合包括所述样本用户对应的第二用户属性信息；
6、从所述多个第一聚类中心中确定多个目标第一聚类中心，所述目标第一聚类中心对应的预设隶属度阈值小于或等于所述第一用户属性信息与所述目标第一聚类中心的第一隶属度值；
7、将所述第一用户属性信息分别输入至多个所述目标第一聚类中心对应的模糊分类器，获得多个所述目标第一聚类中心分别对应的所述模糊分类器输出的预测信用风险；
8、其中，所述目标第一聚类中心对应的模糊分类器是将所述目标第一聚类中心对应的数据集中的所述样本用户的第二用户属性信息作为输入，将目标第一聚类中心对应的数据集中的所述样本用户的信用风险作为训练目标训练得到的，所述数据集包括多个所述样本用户；
9、基
10、在一种可能的实现中，所述样本用户对应的所述信息集合还包括所述样本用户对应的信用风险，获取所述多个第一聚类中心的方法包括：
11、获取所述多个样本用户分别对应的所述信息集合，所述第二用户属性信息包括第一数目个参数，所述信用风险包括第二数目个参数；
12、构建第三数目个维度的目标空间，所述第三数目为所述第一数目和所述第二数目之和；
13、在所述目标空间获得多个初始聚类中心，所述初始聚类中心对应的维度数目为所述第三数目；
14、针对每一所述初始聚类中心，计算所述多个样本用户对应的所述信息集合分别与所述初始聚类中心的第三隶属度值；
15、针对每一所述初始聚类中心，基于所述多个样本用户分别与所述初始聚类中心的所述第三隶属度值，获得所述初始聚类中心对应的更新后的聚类中心；
16、针对每一更新后的所述聚类中心，计算所述多个样本用户对应的所述信息集合分别与所述聚类中心的第四隶属度值；
17、针对每一更新后的所述聚类中心，基于所述多个样本用户分别与所述聚类中心的第四隶属度值，获得更新后的聚类中心；
18、返回步骤针对每一更新后的所述聚类中心，计算所述多个样本用户对应的所述信息集合分别与所述聚类中心的第四隶属度值，直至更新后的所述聚类中心满足设定条件；
19、确定满足所述设定条件的更新后的所述聚类中心为第二聚类中心；
20、针对每一所述第二聚类中心，确定所述第二聚类中心中所述第二用户属性信息对应的所述第一数目个维度的数据构成所述第一聚类中心，以得到所述多个第一聚类中心。
21、在一种可能的实现中，获取所述第一聚类中心对应的所述模糊分类器的方法包括：
22、针对每一所述第一聚类中心，计算所述多个样本用户的所述第二用户属性信息分别与所述第一聚类中心的第二隶属度值；
23、基于所述多个样本用户分别对应的所述第二隶属度值以及多个所述第一聚类中心分别的预设隶属度阈值，获得多个数据集，每一所述数据集包括多个所述样本用户；
24、针对每一所述第一聚类中心，将所述第一聚类中心对应的所述数据集包含的多个所述样本用户分别对应的所述第二用户属性信息作为输入，将所述第一聚类中心对应的所述数据集包含的多个所述样本用户分别对应的所述信用风险作为训练目标，训练得到所述第一聚类中心对应的所述模糊分类器。
25、在一种可能的实现中，获取所述第一聚类中心对应的预设隶属度阈值的方法包括：
26、获取所述第一聚类中心对应的多个候选隶属度阈值；
27、针对每一所述候选隶属度阈值，将与所述第一聚类中心的所述第二隶属度值大于或等于所述候选隶属度阈值的所述样本用户划分至第一候选数据集，以得到所述多个候选隶属度阈值分别对应的所述第一候选数据集；
28、针对每一所述第一候选数据集，基于所述第一候选数据集包含的所述样本用户对应的所述信用风险，计算所述第一候选数据集对应的聚类准确度；
29、从多个所述第一候选数据集中，确定对应的所述聚类准确度最高的所述候选隶属度阈值为所述第一聚类中心对应的所述预设隶属度阈值。
30、在一种可能的实现中，所述基于所述多个样本用户分别对应的所述第二隶属度值以及多个所述第一聚类中心分别的预设隶属度阈值，获得多个数据集步骤，包括：
31、针对每一所述第一聚类中心，将与所述第一聚类中心的所述第二隶属度值高于或等于所述第一聚类中心的所述预设隶属度阈值的所述样本用户划分至第二候选数据集，以得到多个所述第一聚类中心分别对应的所述第二候选数据集；
32、针对每一所述第一聚类中心对应的所述第二候选数据集，将所述第二候选数据集中属于同一信用风险等级的所述样本用户划分至同一样本集合，以得到所述第二候选数据集对应的多个信用风险等级；
33、针对每一所述第一聚类中心对应的所述第二候选数据集，确定第一信用风险等级集合中存在且所述第二候选数据集对应的多个信用风险等级不存在的目标信用风险等级；所述第一信用风险等级集合包括所述多个样本用户分别对应的信用风险所属的信用风险等级；
34、针对每一所述第一聚类中心对应的所述第二候选数据集，从第三候选数据集中获取所述目标信用风险等级对应的目标样本集合；其中，所述第三候选数据集对应的所述第一聚类中心与所述第二候选数据集对应的所述第一聚类中心的距离最近，且所述第三候选数据集包括所述目标信用风险等级对应的样本集合；
35、针对每一所述第一聚类中心，确定所述第一聚类中心对应的所述第二候选数据集以及所述第二候选数据集对应的所述目标样本集合为所述第一聚类中心对应的所述数据集。
36、在一种可能的实现中，所述基于多个所述目标第一聚类中心分别与所述第一用户属性信息的所述第一隶属度值，以及，所述多个所述目标第一聚类中心分别对应的所述模糊分类器输出的所述预测信用风险，计算得到所述待测用户对应的最终信用风险步骤，包括：
37、基于公式获得多个所述目标第一聚类中心分别对应的后验概率；其中，pf是指所述待测用户相对于第f个所述目标第一聚类中心的后验概率；rf是指将第本文档来自技高网...
【技术保护点】
1.一种信用风险评估方法，其特征在于，包括：
2.根据权利要求1所述信用风险评估方法，其特征在于，所述样本用户对应的所述信息集合还包括所述样本用户对应的信用风险，获取所述多个第一聚类中心的方法包括：
3.根据权利要求1或2所述信用风险评估方法，其特征在于，获取所述第一聚类中心对应的所述模糊分类器的方法包括：
4.根据权利要求3所述信用风险评估方法，其特征在于，获取所述第一聚类中心对应的预设隶属度阈值的方法包括：
5.根据权利要求3所述信用风险评估方法，其特征在于，所述基于所述多个样本用户分别对应的所述第二隶属度值以及多个所述第一聚类中心分别的预设隶属度阈值，获得多个数据集步骤，包括：
6.根据权利要求1、2、4或5任一所述信用风险评估方法，其特征在于，所述基于多个所述目标第一聚类中心分别与所述第一用户属性信息的所述第一隶属度值，以及，所述多个所述目标第一聚类中心分别对应的所述模糊分类器输出的所述预测信用风险，计算得到所述待测用户对应的最终信用风险步骤，包括：
7.一种信用风险评估装置，其特征在于，包括：>
8.一种计算机程序产品，其特征在于，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现如权利要求1至6中任意一项所述的信用风险评估方法。
9.一种电子设备，其特征在于，包括至少一个处理器和与所述处理器连接的存储器，其中：
10.一种计算机存储介质，其特征在于，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备实现如权利要求1至6中任意一项所述的信用风险评估方法。
...【技术特征摘要】
1.一种信用风险评估方法，其特征在于，包括：
2.根据权利要求1所述信用风险评估方法，其特征在于，所述样本用户对应的所述信息集合还包括所述样本用户对应的信用风险，获取所述多个第一聚类中心的方法包括：
3.根据权利要求1或2所述信用风险评估方法，其特征在于，获取所述第一聚类中心对应的所述模糊分类器的方法包括：
4.根据权利要求3所述信用风险评估方法，其特征在于，获取所述第一聚类中心对应的预设隶属度阈值的方法包括：
5.根据权利要求3所述信用风险评估方法，其特征在于，所述基于所述多个样本用户分别对应的所述第二隶属度值以及多个所述第一聚类中心分别的预设隶属度阈值，获得多个数据集步骤，包括：
6.根据权利要求1、2、4或5任一所述信用风险评估方法，其特征在于，所述基于多个所述...
【专利技术属性】
技术研发人员：王海辉，
申请(专利权)人：中国银行股份有限公司，
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。