【技术实现步骤摘要】
本专利技术涉及信息处理领域，具体来说，涉及一种基于大数据的人员信用评估与管控方法及系统。
技术介绍
1、在基于大数据的人员信用评估与管控过程中，如何对人员进行有效的分类和集合是一个关键的技术问题。传统的人员分类方法通常基于单一维度，如信用等级或风险程度，难以全面反映人员的信用特征。而简单地将人员按照某一维度的相似性进行集合，往往会导致分类过于粗放，无法精准识别不同人员的信用风险。此外，在实际的信用管控场景中，不同业务对人员信用风险的容忍度差异较大，对分类与集合的颗粒度要求也不尽相同。因此，亟需一种能够综合考虑多种信用特征的人员分类与集合方法。
技术实现思路
1、本专利技术提供一种基于大数据的人员信用评估与管控方法及系统，从海量的人员信用数据中提取出反映信用风险的目标特征并构建特征权重体系；同时根据人员的多维特征相似性，准确划分不同的信用人群。
2、本专利技术所采取的技术方案是：
3、一种基于大数据的人员信用评估与管控方法，包括具体如下步骤：
4、s1、采集人员信用数据，提取反映信用风险的目标特征得到初始特征向量；
5、s2、基于初始特征向量获取得到人员信用特征向量；
6、s3、基于人员信用特征向量计算得到人员信用特征向量中每一个目标特征的目标权重，并获取得到信用风险的评分指标；
7、s4、基于所述评分指标对人员信用数据进行聚类分析得到人员风险分组；
8、s5、基于人员风险分组对每个分组的人员进行风险
9、s6、基于所述信用风险等级确定得到差异化管控策略，完成人员信用管控。
10、进一步地，所述步骤s1～s2具体包括：
11、1)采集人员信用数据，并对所述人员信用数据进行预处理得到信用数据集；
12、2)基于信用风险评估的要求，确定信用评估的目标特征维度；
13、3)从所述信用数据集中提取多维度目标特征得到初始特征向量；
14、4)对所述初始特征向量进行降维处理得到所述人员信用特征向量。
15、进一步地，所述步骤s3具体包括：
16、1)采用层次分析法计算得到所述目标特征的初始权重；
17、2)获取信用评估领域专家的经验知识，对所述初始权重进行调整得到所述目标权重；
18、3)对所述目标权重进行排序获取得到所述评分指标。
19、进一步地，所述步骤s4具体包括：
20、1)构建聚类模型并获取评分指标数据，将所述评分指标数据输入所述聚类模型中计算得到人员的信用相似度；
21、2)基于所述信用相似度，对人员进行划分得到人员风险分组。
22、进一步地，所述步骤s5具体包括：
23、1)基于人员风险分组对人员进行分组得到分组结果；
24、2)统计分组结果，分析不同分组的风险特征分布得到风险特征分布图谱；
25、3)采用聚类算法对所述风险特征分布图谱进行风险聚类得到聚类结果；
26、4)设置风险阈值，基于聚类结果与风险阈值对人员进行划分得到人员的信用风险等级；其中所述信用风险等级包括：可接受风险等级以及高风险等级。
27、进一步地，所述步骤s6具体包括：
28、1)对于可接受风险等级的人员，通过采用分类回归模型设定信用额度区间，对所述可接受风险等级的人员完成差异化的额度管理；
29、2)对于高风险等级的人员，基于历史风险事件进行规则提取，基于提取结果对所述高风险等级的人员进行管控；
30、进一步地，所述步骤s6还包括：实时监测不同信用风险等人员的所述信用数据，对不同人员的管控方法进行动态调节。
31、本专利技术所采取的另一技术方案是：
32、一种基于大数据的人员信用评估与管控系统，包括：
33、数据处理模块，用于采集人员信用数据，提取反映信用风险的目标特征得到初始特征向量；基于初始特征向量获取得到人员信用特征向量；
34、权重计算模块，用于基于人员信用特征向量计算得到人员信用特征向量中每一个目标特征的目标权重，并获取得到信用风险的评分指标；
35、聚类模块，基于所述评分指标对人员进行聚类分析得到人员风险分组；
36、等级划分模块，用于基于人员风险分组对每个分组的人员进行风险特征分布分析，确定得到人员的信用风险等级；
37、管控模块，用于基于所述信用风险等级确定得到差异化管控策略，完成人员信用管控。
38、本专利技术与现有技术相比具有以下有益效果：
39、1)通过构建多维度的人员信用特征向量，采用层次分析法和专家经验相结合的方式确定特征权重得到综合反映信用风险的评分指标；
40、2)利用密度聚类算法对人员进行自动化分群，并根据不同业务场景的需求动态调整聚类参数，生成差异化的信用人群划分结果；
41、3)针对划分结果，分析各人群的风险特征，设置差异化的信用额度和管控策略，实现精细化管理；
42、4)通过持续收集信用行为数据，对模型进行实时校验和动态更新，提升了模型的适应性和鲁棒性，确保信用人群划分的准确性和时效性，为信用风险管理提供有效的技术支持。
本文档来自技高网...【技术保护点】
1.一种基于大数据的人员信用评估与管控方法，其特征在于，包括具体如下步骤：
2.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤S1～S2具体包括：
3.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤S3具体包括：
4.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤S4具体包括：
5.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤S5具体包括：
6.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤S6具体包括：
7.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤S6还包括：实时监测不同信用风险等人员的所述信用数据，对不同人员的管控方法进行动态调节。
8.一种基于大数据的人员信用评估与管控系统，其特征在于，所述系统用于实施如权利要求1～7任一项所述的方法，包括：
【技术特征摘要】
1.一种基于大数据的人员信用评估与管控方法，其特征在于，包括具体如下步骤：
2.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤s1～s2具体包括：
3.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤s3具体包括：
4.一种基于大数据的人员信用评估与管控方法，其特征在于，所述步骤s4具体包括：
5.一种基于大数据的人员信用评估与管控方法，其...
【专利技术属性】
技术研发人员：刘爱辉，邹俊，周晓冬，姚宏飞，熊缘，方伟，李鑫，刘栋，胡俊，秦亮，吴穹，聂荣镇，赵琦，胡科，魏浙宁，魏蓉，李俊，邓捷，邹语晨，朱化武，
申请(专利权)人：国网湖北送变电工程有限公司，
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。