[发明专利]借贷方分类的方法、装置以及存储介质在审

专利信息
申请号: 201710808021.X 申请日: 2017-09-08
公开(公告)号: CN109472277A 公开(公告)日: 2019-03-15
发明(设计)人: 齐佳音;李蕾;冯彦杰;傅湘玲;罗晓芃;吕月 申请(专利权)人: 上海对外经贸大学;北京邮电大学
主分类号: G06K9/62 分类号: G06K9/62;G06Q20/40
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 魏嘉熹;南毅宁
地址: 201620 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标分类 分类结果 数据样本 特征向量 向量 预设 存储介质 分类模型 目标数据 维度 分类 集合 向量训练
【权利要求书】:

1.一种借贷方分类的方法,其特征在于,所述方法包括:

获取多个借贷方的数据样本;

获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量,所述不同维度是根据所述每个数据样本中提取的文本特征得到的;

从多个数据样本对应的第一待确定向量中确定相同类型和相同维度的第二待确定向量,根据所述第二待确定向量训练预设分类模型得到第一分类结果,并根据所述第一分类结果确定特征向量和所述特征向量对应的第一目标分类模型,且从所述第一分类结果中获取所述特征向量对应的第二分类结果;

根据所述第二分类结果得到每个数据样本的目标分类集合,并通过每个目标分类集合训练所述预设分类模型得到第二目标分类模型;所述目标分类集合包括多个预设类型的特征向量对应的第二分类结果;

获取待分类借贷方的目标数据,将所述目标数据作为第一目标分类模型的输入得到待确定分类结果,并将所述待确定分类结果作为第二目标分类模型的输入得到目标分类结果。

2.根据权利要求1所述的方法,其特征在于,在所述获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量之前,还包括:

对所述每个数据样本进行分词处理得到多个词语;

所述获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量包括:

根据所述多个词语获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量。

3.根据权利要求1所述的方法,其特征在于,所述根据所述第二待确定向量训练预设分类模型得到第一分类结果包括:

通过十折交叉验证方法将所述第二待确定向量输入至所述预设分类模型进行训练得到所述第一分类结果。

4.根据权利要求1所述的方法,其特征在于,所述根据所述第一分类结果确定特征向量包括:

根据所述第一分类结果确定所述第二待确定向量的分类准确度;

根据所述分类准确度从所述第二待确定向量中确定特征向量。

5.根据权利要求2所述的方法,其特征在于,所述第一待确定向量包括关键词向量,所述根据所述多个词语获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量包括:

计算所述多个词语对应的第一信息增益;

根据所述第一信息增益对所述多个词语进行排序;

从排序后的多个词语中获取关键词;

根据所述关键词确定所述每个数据样本在不同维度下的关键词向量。

6.根据权利要求2所述的方法,其特征在于,所述第一待确定向量包括主题向量,所述根据所述多个词语获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量包括:

确定所述多个词语中包含的主题类型;

计算所述不同主题类型对应的第二信息增益;

根据所述第二信息增益对所述不同主题类型进行排序;

从排序后的不同主题类型中获取目标主题类型;

根据所述目标主题类型确定所述每个数据样本在不同维度下的主题向量。

7.根据权利要求2所述的方法,其特征在于,所述第一待确定向量包括段向量,所述根据所述多个词语获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量包括:

将所述每个数据样本中的多个词语进行段落标记;

将段落标记后的多个词语输入至预设神经网络模型得到所述每个数据样本在不同维度下的段向量。

8.根据权利要求2所述的方法,其特征在于,所述第一待确定向量包括依存关系向量,所述根据所述多个词语获取所述每个数据样本对应多个预设类型在不同维度下的第一待确定向量包括:

获取所述多个词语之间的依存关系;

计算所述不同依存关系对应的第三信息增益;

根据所述第三信息增益对所述不同依存关系进行排序;

从排序后的不同依存关系中获取目标依存关系;

根据所述目标依存关系确定所述每个数据样本在不同维度下的依存关系向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海对外经贸大学;北京邮电大学,未经上海对外经贸大学;北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710808021.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top