[发明专利]决策自动审批方法、装置及计算机可读存储介质

权利要求书

1.一种决策自动审批方法，其特征在于，所述方法包括：

接收客户录入的客户基本信息，保存所述录入的客户基本信息，并利用面部识别技术验证当前客户与该客户所输入的身份证照片的一致性；

自动链接第三方数据库，通过大数据分析，验证客户的身份以及基本信息的真实性，并通过黑名单校验，验证客户的信用度；

在上述验证均通过时，自动调用所述第三方数据库中所述客户相关的数据作为样本数据集，训练决策风险模型，并利用训练后的决策风险模型输出客户信用风险等级，并根据所述风险等级进行决策自动化审批，其中，所述第三方数据库的数据包括体现客户的基本情况、客户的偿贷能力、客户的历史信用记录以及互联网信息的指标数据。

2.如权利要求1所述的决策自动审批方法，其特征在于，该方法还包括：

当贷款审批通过并发放贷款后，从偿付能力风险异动和偿付意愿风险异动两个维度，对客户进行风险因子的定期监测与反馈，并进行风险预警。

3.如权利要求1所述的决策自动审批方法，其特征在于，所述决策风险模型为前向反馈神经网络模型，该前向反馈神经网络的层数有3层，包括输入层、隐藏层和输出层，其中，所述输入层的节点数目根据上述获取的指标数据的数量确定，输出层节点数量根据客户信用风险等级的个数确定，并利用下述公式确定隐藏层节点数：

l＜n-1，

其中，l代表隐藏层的节点数，n代表输入层的节点数，k代表输出层的节点数，i代表0～9之间的任意常数，并根据随机设置的隐藏层的初始节点数，通过试错法确定最合适的隐藏层节点数。

4.如权利要求1至3中任意一项所述的决策自动审批方法，其特征在于，该方法还包括利用下述方法构建所述决策风险模型：

利用混合蛙跳算法对所述决策风险模型进行局部搜索改进，得到决策风险模型的最优的初始权值和阈值，并利用BP神经网络算法对决策风险模型进行优化。

5.如权利要求4所述的决策自动审批方法，其特征在于，所述利用混合蛙跳算法对决策风险模型进行局部搜索改进，包括：

采用佳点集生成方法对青蛙种群进行初始化；

按照适应度函数值的大小将青蛙降序排列，按照第km+i(k＝0,1,…，n；i＝1,2,3)只青蛙放入第i组的原则，将种群分为3个青蛙子群；

根据步长更新公式进行青蛙子群内部的更新优化；

当3个青蛙子群经过局部搜索操作的更新优化后，将子群进行混合，重新合并为一个新的青蛙种群，再重新计算新的青蛙种群个体的适应度值，并降序排列，重新分组，直到满足迭代次数T达到1500或相邻两次迭代的适应度函数之差小于收敛精度，即可终止，输入最优的初始前向反馈神经网络的权值和阈值。

6.一种决策自动审批装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的决策自动审批程序，所述决策自动审批程序被所述处理器执行时实现如下步骤：

接收客户录入的客户基本信息，保存所述录入的客户基本信息，并利用面部识别技术验证当前客户与该客户所输入的身份证照片的一致性；

自动链接第三方数据库，通过大数据分析，验证客户的身份以及基本信息的真实性，并通过黑名单校验，验证客户的信用度；

在上述验证均通过时，自动调用所述第三方数据库中所述客户相关的数据作为样本数据集，训练决策风险模型，并利用训练后的决策风险模型输出客户信用风险等级，并根据所述风险等级进行决策自动化审批，其中，所述第三方数据库的数据包括体现客户的基本情况、客户的偿贷能力、客户的历史信用记录以及互联网信息的指标数据。