绿色项目分类及模型训练方法、装置、设备、介质及产品制造方法及图纸

本申请提供了一种绿色项目分类方法，可以应用于人工智能领域，该方法包括：获取目标数据，目标数据至少包括目标项目的名称、目标项目中的借款项目、目标项目中的借款用途中的至少之一；基于分类模型，预测针对目标数据的分类标识，分类标识与绿色产业相关的多个统计标识字段中的之一对应；其中，分类模型是基于目标样本训练得到的，目标样本至少包括第一样本和第二样本；其中，第一样本至少包括绿色产业相关的金融数据；其中，第二样本至少包括绿色产业相关的分类依据信息，和/或绿色产业相关的描述信息。本申请还提供了一种分类模型训练方法，以及用于执行前述方法的装置、设备、介质及产品。

【技术实现步骤摘要】

本申请涉及人工智能领域，更具体地，涉及一种绿色项目分类及模型训练方法、装置、设备、介质及产品。

技术介绍

1、在绿色金融信贷业务中，银行通常需要依据《绿色产业指导目录》等标准，对企业贷款项目是否属于绿色产业进行识别与分类。当前金融机构对分类标识的识别主要依赖传统文本匹配技术，通过词嵌入模型（word2vec）或词频-逆文档频率（tf-idf）算法将项目描述文本转换为静态词向量，再经余弦相似度计算匹配预定义的绿色标识库，最终输出单一分类标签。该方案存在根本性缺陷：在语义理解层面，word2vec生成的静态词向量无法捕捉上下文动态语义（例如“光伏”在能源或建筑场景的语义歧义），tf-idf则完全忽略词序关联且难以区分同义词/多义词；在数据处理层面，对训练语料外的专业术语（如新型环保技术名称）无法生成有效向量，且仅依赖历史项目表单数据，未融合绿色标识标准文档的权威分类依据，导致长尾类别识别准确率低；在输出机制层面，单一标签输出缺乏容错性，对复杂借款项目（如综合能源改造）的边界案例漏判率过高，同时无法支持多候选结果推荐。上述缺陷致使针对分类标识的识别准确率交底，迫本文档来自技高网...

【技术保护点】

1.一种绿色项目分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在所述预测针对所述目标数据的分类标识之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述分类模型包括嵌入层、编码层以及分类层，所述预测针对所述目标文本的分类标识，包括：

4.一种分类模型训练方法，其特征在于，包括：

5.根据权利要求4所述的方法，其特征在于，所述获取第一样本，包括：

6.根据权利要求5所述的方法，其特征在于，所述获取第二样本，包括：

7.一种绿色项目分类装置，其特征在于，包括：

...

【技术特征摘要】

1.一种绿色项目分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在所述预测针对所述目标数据的分类标识之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述分类模型包括嵌入层、编码层以及分类层，所述预测针对所述目标文本的分类标识，包括：

4.一种分类模型训练方法，其特征在于，包括：

5.根据权利要求4所述的方法，其特征在于，所述获取第一样本，包括：

6.根据权利要求5所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：赵烨凡，冯余剑，顾旦青，任国飞，
申请(专利权)人：中国工商银行股份有限公司，
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