[发明专利]一种基于信用主体关联强度的信用风险传递方法

说明书

本发明公开了一种基于信用主体关联强度的信用风险传递方法，包括，利用信用知识图谱技术构建信用主体间信用关系网；根据蚁狮算法寻找一个或多个最有影响力的结点作为关键点，构造信用主体基于关联强度的信用传递路径；当所述信用主体发生变化时，则通过深度优先算法查找所述信用传递路径，并计算相关结点受当前主体的影响程度；利用不相关度策略计算得到叠加后的影响度，获得多条重要的关键路径，构建有向无循环图；基于所述有向无循环图，启发式方法优化信用传递时间，将信用风险逐级传递下去，降低信用风险对相关机构的影响度，本发明将信用风险逐级传递下去，降低信用风险对相关机构的影响度。

技术领域

本发明涉及信用风险传递计算技术领域，尤其涉及一种基于信用主体关联强度的信用风险传递方法。

背景技术

信用风险并非孤立存在，而是存在传递效应，信用风险的传递是宏观经济与微观经济相结合的作用，宏观的角度，是指宏观经济增长放缓，市场投资风险偏好下降，融资环境收紧等总量因素；信用风险的传递从微观的角度来看，主要是指企业之间由于生产、投资、融资等活动一系列微观经济联系所引发的信用风险传递效应。

正是由于社会生产生活中的信用主体之间存在错综复杂的联系，信用风险在所形成的社会网络中多路径传递，目前没有一个有效的办法来解决信用风险的传递问题，降低信用风险对相关机构的影响度。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于信用主体关联强度的信用风险传递方法，能够降低信用风险对相关机构的影响度。

为解决上述技术问题，本发明提供如下技术方案：包括，利用信用知识图谱技术构建信用主体间信用关系网；根据蚁狮算法寻找一个或多个最有影响力的结点作为关键点，构造信用主体基于关联强度的信用传递路径；当所述信用主体发生变化时，则通过深度优先算法查找所述信用传递路径，并计算相关结点受当前主体的影响程度；利用不相关度策略计算得到叠加后的影响度，获得多条重要的关键路径，构建有向无循环图；基于所述有向无循环图计算出最小化时间的信用传递关键路径，将信用风险逐级传递下去，降低信用风险对相关机构的影响度；其中，构建所述信用关系网包括：对采集的信用主体数据进行预处理、实体识别及关系抽取、实体对齐及生成知识图谱；利用识别技术将所述数据转化为文本，再转换为知识；对于关系型数据库存储的结构化数据，直接通过D2R转换提取实体及关系；对非结构化数据库生成的文本，根据信用主体专业语料库生成自定义分词，对所述文本进行分词；利用CRF+双向LSTM进行实体识别，根据SDP+LSTM进行关系抽取，形成初步知识；对所述实体进行消岐、同义词装换处理、实体间关系进行共指消解；进行质量评估后形成正确的知识并存入所述知识图谱中，生成所述信用关系网。

作为本发明所述的基于信用主体关联强度的信用风险传递方法的一种优选方案，其中：得到所述信用传递路径包括，

其中，N为测量点数，L为传感器个数，即AP_i，i=1、2、…、L，当信用风险传递发生在RP_j点时，传感器AP_i测得的关联信号强度为

，τ为测量次数。

作为本发明所述的基于信用主体关联强度的信用风险传递方法的一种优选方案，其中：计算所述影响程度需构建深度学习模型，包括，CNN层和编码层；所述CNN层包括，卷积层、池化层和全连接层；所述编码层包括，卷积编码层和卷积解码层。