[发明专利]一种基于深度神经网络的互金企业评级模型

权利要求书

1.一种基于深度神经网络的互金企业评级模型，其特征在于，包括如下步骤：

S1：挖掘互金企业信息数据；

S2：挖掘互金企业经营数据；

S3：挖掘互金企业舆情信息；

S4：挖掘互金企业存管真实数据；

S5：挖掘互金企业其他渠道数据；

S6：找出正负样本数据；根据网上公开的已有的企业评分选出TOPN互金企业作为正向样本；根据目前已倒闭、查封、负面舆情企业、经营情况倒数数据，综合抽取倒数N家互金企业负向样本。

S7：根据样本数据，结合S1-S5中挖掘的数据，通过CNN卷积神经网络抽取出S6中的TOPN互金企业和倒数N家互金企业的各企业特征群；

计算详情如下：

通过计算即可从样本数据中抽取出对应有效特征；x随样本量的变化会进行动态调整；

S8：通过FNN前驱神经网络，对有效特征进行分类并科学计算出所占权重；

上式中，S_j和θ_j代表有效特征向量，x＝[x₁，x₂，...，x_n]^T是输入特征向量，w_ji是x_i到y_j的连接权，输出量y_j(j＝1，2，...，m)是按照不同特征的分类结果，可计算出对应评分，权重数据即为评分数据；

S9：结合不同应用场景、政策影响、黑名单、人为鲜艳知识等作为强规则；

S10：根据强规则和模型训练，根据不同需求找出不同的互金企业评级模型；

S11：根据历史数据，对评级效果进行验证，历史数据为在外部挖掘的互经企业评级数据；

S12：根据不同的应用场景，产出对应的互金企业应用模型；

如企业经营表现资产评级、企业信用表现评级、互金企业投资价值评级等等；

S13：模型需要时刻补充数据调优，人为标注badcase法进行学习调优；

这里会用到机器学习的方法来自动学习调优。

2.根据权利要求1所述的一种基于深度神经网络的互金企业评级模型，其特征在于，S8中，计算出有效特征并计算出所占权重的方法也可采用基于余弦相似度的分类预测方法，步骤如下：

S81：提取样本数据，包括基于互金企业经营数据、舆情情况、工商数据、标的数据，提取对应的评分偏好，计算公式如下：

S82：将互金企业每一个特征偏好组合表示为特征偏好向量：

v₁＝(p₁，p₂，p₃，...，p_n)

S83:将企业评级特征表示为向量：

v₂＝(1，0，1，...，0)

特征向量维度值取值为0或者1；

S84：计算余弦相似度：

其中simi值越大表示越相似。

S85：根据simi值进行排序，取与正负样本最相似的企业数据进行排序。