[发明专利]信用评分方法、系统、设备和计算机可读存储介质

权利要求书

1.一种信用评分方法，包括：

采集非结构化数据，所述非结构化数据中携带与个人信用相关的信息；

对采集的所述非结构化数据按照预先设置的语义纬度进行匹配，以得到用于个人信用评分的非结构化数据；

将得到的所述非结构化数据转换成结构化数据，并将转换得到的所述结构化数据作为训练数据的输入；

将所述训练数据作为神经网络模型的输入进行训练，以得到训练结果，所述训练结果包括信用评分。

2.根据权利要求1所述的方法，所述预先设置的语义纬度来自分析纬度语义库中定义的语义纬度，在得到训练结果之后，所述方法还包括：

将所述训练结果反馈到所述分析纬度语义库；

根据所述训练结果，调整所述分析纬度语义库中的语义纬度。

3.根据权利要求1所述的方法，在所述将所述训练数据作为神经网络模型的输入进行训练之前，所述方法还包括：

采集结构化数据，所述结构化数据中携带与个人信用相关的信息；

将采集的所述结构化数据作为训练数据的输入。

4.根据权利要求1所述的方法，在所述将所述训练数据作为神经网络模型的输入进行训练之前，所述方法还包括：

生成神经网络配置，所述神经网络配置包括输入层配置和输出层配置；以及

基于所述神经网络配置生成神经网络模型；

所述将所述训练数据作为神经网络模型的输入进行训练包括：

将所述训练数据作为神经网络模型的输入，基于所述神经网络配置利用所述神经网络模型进行训练。

5.根据权利要求4所述的方法，所述利用所述神经网络模型进行训练包括：

基于所述训练数据，生成初始数据视图；

基于从配置文件中获取的配置项，对所述初始数据视图进行转换，以得到分析数据视图。

6.根据权利要求1-4任一所述的方法，所述语义纬度包括以下至少一种：

身份特征、信用历史、履约能力、人脉关系、行为偏好。

7.根据权利要求1所述的方法，在得到训练结果之后，所述方法还包括：：

将所述训练结果存入用户信用平台。

8.一种信用评分系统，包括：

采集模块，采集非结构化数据，所述非结构化数据中携带与个人信用相关的信息；

匹配模块，对所述采集模块采集的所述非结构化数据按照预先设置的语义纬度进行匹配，以得到用于个人信用评分的非结构化数据；

转换模块，将所述匹配模块得到的所述非结构化数据转换成结构化数据，并将转换得到的所述结构化数据作为训练数据的输入；

训练模块，将所述转换模块转换得到的所述训练数据作为神经网络模型的输入进行训练，以得到训练结果，所述训练结果包括信用评分。

9.一种信用评分设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使用所述处理器执行以下操作：

采集非结构化数据，所述非结构化数据中携带与个人信用相关的信息；

对采集的所述非结构化数据按照预先设置的语义纬度进行匹配，以得到用于个人信用评分的非结构化数据；

将得到的所述非结构化数据转换成结构化数据，并将转换得到的所述结构化数据作为训练数据的输入；

将所述训练数据作为神经网络模型的输入进行训练，以得到训练结果，所述训练结果包括信用评分。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储一个或多个程序，所述一个或多个程序当被执行时，执行以下操作：

采集非结构化数据，所述非结构化数据中携带与个人信用相关的信息；

对采集的所述非结构化数据按照预先设置的语义纬度进行匹配，以得到用于个人信用评分的非结构化数据；

将得到的所述非结构化数据转换成结构化数据，并将转换得到的所述结构化数据作为训练数据的输入；

将所述训练数据作为神经网络模型的输入进行训练，以得到训练结果，所述训练结果包括信用评分。