[发明专利]一种基于受限玻尔兹曼机的信用评估方法、设备及介质

权利要求书

1.一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述方法包括：

获取企业的信用数据，并对所述信用数据进行预处理，所述信用数据由多个数据特征构成；

将预处理后的所述信用数据输入至预先训练的第一模型中，根据所述信用数据中的特征相关性排名，确定出所述信用数据中至少一个相关数据特征，其中所述第一模型为基于受限玻尔兹曼机的特征筛选模型；

将所述相关数据特征输入至预先训练的第二模型中，确定所述企业的信用评分，并根据所述信用评分确定所述企业的信用评估结果，所述第二模型为深度神经网络模型。

2.根据权利要求1所述的一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述将预处理后的所述信用数据输入至预先训练的第一模型中之前，所述方法还包括：

构建第一模型；

获取大量的原始信用数据，构建数据库，其中所述原始信用数据包括信用数据和相关数据特征；

将所述数据库中的数据分为训练集和测试集，并将所述训练集中的信用数据输入至所述第一模型中，并基于受限玻尔兹曼机算法训练所述第一模型，以确定出符合条件的第一模型。

3.根据权利要求2所述的一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述确定出符合条件的第一模型之前，所述方法还包括：

将所述测试集中的原始信用数据输入至所述第一模型中，根据所述第一模型输出的相关数据特征与所述原始信用数据中的相关数据特征，对所述第一模型进行验证。

4.根据权利要求3所述的一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述根据所述第一模型输出的相关数据特征与所述原始信用数据中的相关数据特征，对所述第一模型进行验证，具体包括：

将所述测试集中的原始信用数据输入至所述第一模型中，所述第一模型输出第一相关数据特征，将所述第一相关数据特征与第二数据特征进行对比，确定对比结果，其中，所述第二数据特征为所述测试集中的数据特征；

若所述对比结果在预设误差范围内，则判定所述第一模型为符合要求的第一模型。

5.根据权利要求1所述的一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述第一模型包含一层可见层和一层隐藏层，所述隐藏层的节点数小于所述可见层节点数的一半；

所述第二模型的神经元层数和每层单元数根据所述信用数据的数据特征确定，每层的激活函数为ReLU函数。

6.根据权利要求1所述的一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述企业的信用数据包括政府信用数据和企业信用数据；

所述获取企业的信用数据，具体包括：

基于政府授权获取对应企业的政府信用数据，并基于企业的业务请求获取所述企业公开的企业信用数据。

7.根据权利要求1所述的一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述对所述信用数据进行预处理，具体包括：

通过预设函数对所述信用数据进行预处理，以便于统一所述信用数据的数据格式，其中所述预设函数包括以下至少一项：缩放函数、归一化函数和转换函数。

8.根据权利要求1所述的一种基于受限玻尔兹曼机的信用评估方法，其特征在于，所述第一模型和所述第二模型均采用TensorFlow框架，并调用GPU加速以便提高运行效率。