[发明专利]金融信贷风险识别方法、模型构建方法和装置有效

专利信息
申请号: 202010229807.8 申请日: 2020-03-27
公开(公告)号: CN111383102B 公开(公告)日: 2023-10-24
发明(设计)人: 于皓;张杰;李犇;袁杰;罗华刚 申请(专利权)人: 北京明略软件系统有限公司
主分类号: G06Q40/03 分类号: G06Q40/03;G06Q40/08;G06F16/36
代理公司: 北京安信方达知识产权代理有限公司 11262 代理人: 王康;龙洪
地址: 100084 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 金融 信贷风险 识别 方法 模型 构建 装置
【权利要求书】:

1.一种金融信贷风险识别方法,包括:

根据贷款主体的信息生成金融信贷知识图谱;

根据金融事件数据和金融领域本体生成金融事理图谱;

基于所述贷款主体的信息、所述金融信贷知识图谱和金融事理图谱,通过机器学习生成金融信贷风险识别模型;

根据实时金融事件更新所述金融事理图谱,根据更新后的金融事理图谱以及待预测贷款主体的信息,通过所述金融信贷风险识别模型输出所述实时金融事件对所述待预测贷款主体的金融信贷风险信息。

2.根据权利要求1所述的方法,其特征在于,所述根据贷款主体的信息生成金融信贷知识图谱,包括:

获取所述贷款主体的信息;

根据金融领域本体,构建金融信贷知识图谱的主体和关系;

从所述贷款主体的信息中按照所述金融信贷知识图谱的主体和关系抽取金融信贷知识图谱数据;

根据所述金融信贷知识图谱数据构建所述金融信贷知识图谱。

3.根据权利要求1所述的方法,其特征在于,所述根据金融事件数据和金融领域本体生成金融事理图谱,包括:

获取金融事件数据;

对所述金融事件数据进行事件抽取,得到金融事件;

基于金融领域本体对金融事件建立事件因果关系的金融事理图谱。

4.根据权利要求1所述的方法,其特征在于,所述基于所述贷款主体的信息、所述金融信贷知识图谱和金融事理图谱,通过机器学习生成金融信贷风险识别模型,包括:

对所述贷款主体的信息进行特征工程处理,得到所述贷款主体的特征数据;

对所述金融信贷知识图谱进行向量化计算,得到向量数据;

基于所述金融事理图谱设置传导权重参数;

根据所述特征数据、向量数据和传导权重参数,训练预设的机器学习模型,得到金融信贷风险识别模型,所述金融信贷风险识别模型的输出为金融信贷风险信息。

5.根据权利要求1所述的方法,其特征在于,所述根据更新后的金融事理图谱以及待预测贷款主体的信息,通过所述金融信贷风险识别模型输出所述实时金融事件对所述待预测贷款主体的金融信贷风险信息,包括:

根据待预测贷款主体的信息进行特征工程处理,得到待预测的特征数据;

基于所述待预测的特征数据和所述金融信贷知识图谱,得到待预测的向量数据;

基于所述更新后的金融事理图谱更新传导权重参数;

将所述待预测的特征数据、向量数据和更新后的传导权重参数输入所述金融信贷风险识别模型,得到所述金融信贷风险识别模型输出的所述实时金融事件对所述待预测贷款主体的金融信贷风险信息。

6.一种金融信贷风险识别模型构建方法,包括:

根据贷款主体的信息生成金融信贷知识图谱;

根据金融事件数据和金融领域本体生成金融事理图谱;

基于所述贷款主体的信息、所述金融信贷知识图谱和金融事理图谱,通过机器学习生成金融信贷风险识别模型。

7.一种金融信贷风险识别装置,其特征在于,包括:

金融信贷知识图谱模块,用于根据贷款主体的信息生成金融信贷知识图谱;

金融事理图谱模块,用于根据金融事件数据和金融领域本体生成金融事理图谱;

信贷风险传递识别模块,用于基于所述贷款主体的信息、所述金融信贷知识图谱和金融事理图谱,通过机器学习生成金融信贷风险识别模型;

风险预判模块,用于根据实时金融事件更新所述金融事理图谱,根据更新后的金融事理图谱以及待预测贷款主体的信息,通过所述金融信贷风险识别模型输出所述实时金融事件对所述待预测贷款主体的金融信贷风险信息。

8.一种金融信贷风险识别模型构建装置,其特征在于,包括:

金融信贷知识图谱模块,用于根据贷款主体的信息生成金融信贷知识图谱;

金融事理图谱模块,用于根据金融事件数据和金融领域本体生成金融事理图谱;

信贷风险传递识别模块,用于基于所述贷款主体的信息、所述金融信贷知识图谱和金融事理图谱,通过机器学习生成金融信贷风险识别模型。

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北京明略软件系统有限公司,未经北京明略软件系统有限公司许可,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/202010229807.8/1.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