[发明专利]一种基于互联网数据的P2P企业自动识别方法与系统

说明书

本发明公开了一种基于互联网数据的P2P企业自动识别方法,包括以下步骤：1、采集企业数据；2、清洗整合结构化数据；3、形成结构化宽表；4、形成特征数据；5、进行数学建模；6、人工交叉验证；7、接收用户识别请求；8、采集企业数据；9、利用模型进行企业识别；10、返回模型识别结果。本发明同时公开了一种基于上述方法的系统，包括服务器、分类建模装置、自动识别装置。本发明提出的方法和系统充分考虑了互联网数据的非结构性，将非结构化数据进行整合；同时以获取的数据特征值作为样本进行数学建模，以一种精确有效且通用的数据分析方法对P2P企业进行自动识别，大量节省人工成本，并且能够综合各种数据进行分析，提高识别效率与精确度。

技术领域

本发明涉及互联网金融技术领域，尤其涉及一种P2P企业自动识别方法与系统。

背景技术

P2P企业自动识别是利用大数据技术，将采集到的各种企业数据整合后，进行特征提取与数学建模，利用模型自动为使用者提供P2P企业识别结果以供参考。精确快速的企业判断将极大提高用户的效率，节省人工判断成本，并且结果更为准确。

目前，P2P网络借贷平台初具雏形，网贷平台蓬勃发展，但也有许多企业不具备提供P2P业务服务的资格，问题平台数量巨大，因而需要对P2P企业进行仔细识别。现有技术中，通常使用人工网上信息搜索或实地走访的方法来判断P2P企业，这种方法耗时较长，效率较低，并且误差较大，需要综合各方面信息进行评价判断，其结果受个人影响较大。如果查询到的信息无效或过于复杂，判断结果可能会出现很大偏差。并且P2P企业数量很多，在需要判断大量企业是否是P2P企业时，人工判断极为费时费力。

此外，在查询企业在互联网上的数据时，能够查询到的大多是非结构化数据，很难直接应用于模型。

中国专利CN107067322A提出了一种应用于P2P网络借贷企业数据接入模型的系统及方法，提出P2P网络借贷平台数据接入模型，实现大规模借贷平台数据规范、安全、稳定的接入，同时能够实现数据错误、缺少等问题的自动识别。该模型优点在于可以对大量网络借贷平台中的异构数据形成规范和统一的标准，但其并未考虑到企业非结构化数据的整合，并且其目的为实现大规模平台实时交易数据的监测与分析，解决异构平台的数据统一接入问题，并未涉及P2P企业识别问题。

《会计研究》杂志2016年6月次P38-P45刊登的《P2P网络借贷平台的风险识别研究》一文中，尝试了对问题平台的基本特征进行初步概括，并从平台实力、标的特征、风控能力、治理水平等方面构建变量和模型，以提炼能够甄别问题平台的风险因素，并发现利率奇高是识别问题平台的最重要变量。该模型优点在于提出甄别风险平台的风险因素，并拥有识别平台是否会出问题的能力，这对于识别企业是否是P2P企业有一定参考价值。但其模型变量主要为人工调整，相比机器而言结果不够精确，且该模型主要利用回归模型，其目的是判别各个风险因素的影响程度，并未提及如何识别企业是否具有P2P业务。

因此，本领域的技术人员致力于开发一种本发明解决的技术问题是提供一种基于互联网数据的P2P企业自动识别方法与系统，从而解决现有方法中人工成本高、误差大、难以综合各方面数据进行分析而导致P2P企业识别准确度低的问题。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是:

1、人工识别耗时长、效率低、成本高；结果的主观化较强，准确度不高；无法解决需要识别大量公司数据的情况。

2、利用机器接入企业数据时未考虑大量非结构化数据的整合统一。

3、现阶段的研究中主要利用人工筛选出的各方面风险因素识别风险平台，而对涉P2P业务平台的识别并无深入研究。

为解决上述技术问题，本发明提供了一种基于互联网数据的P2P企业自动识别方法，主要步骤包括：

步骤1、采集结构化和非结构化企业数据