[发明专利]信用评估方法及装置、存储介质和电子设备

说明书

本申请公开了一种信用评估方法及装置、存储介质和电子设备，涉及人工智能领域。该方法包括：在待信用评估数据中获取至少一个第一目标对象对应的目标数据信息一，其中，目标数据信息一用于表示第一目标对象的历史信用信息一；将目标数据信息一输入到信用评估模型中，得到第一目标对象的信用评估结果，其中，信用评估模型中的惩罚因子和核函数的参数是由麻雀搜索算法确定；输出第一目标对象的信用评估结果。通过本申请，解决了相关技术中采用现有模型评估客户信用，导致信用评估的准确率较低的问题。

技术领域

本申请涉及人工智能领域，具体而言，涉及一种信用评估方法及装置、存储介质和电子设备。

背景技术

随着我国从计划经济逐步向社会主义市场经济体制转型，金融市场中的信贷业务发展迅速，但是，这些信贷业务在给金融机构带来收益的同时也必然存在风险。因此，金融机构在批准客户提出的贷款申请前，必须基于客户的历史信用信息和现有资产情况进行合理评估。金融机构对客户信用的评估实质上是对客户怎么进行分类的问题。例如，可以根据违约风险的大小，将客户分为信用好的客户和信用差的客户。

例如，在目前相关技术中，通常会采用人工神经网络、随机森林、支持向量机(Support Vector Machine,SVM)等评估模型对客户的信用进行评估。但是，人工神经网络评估模型结构简单，容易陷入局部最优；随机森林评估模型在连续特征属性数目过大时，算法运行效率较低，且容易存在过拟合现象。而支持向量机SVM评估模型虽然在解决小样本分类问题上优势明显，通过核方法也可以实现非线性可分，相比其他信用评估模型具有更强的泛化能力，但SVM的分类性能取决于惩罚因子和核函数参数的设置，如何选取合适的参数一直是SVM评估模型的热点与难点。而目前相关技术中，SVM参数的选取一般是通过主观经验。但是通过主观经验选取SVM参数会缺乏效率和普适性，且也会影响信用评估的准确率。因此，如何高效准确地确定SVM评估模型的待定参数是至关重要的问题。

针对相关技术中采用现有模型评估客户信用，导致信用评估的准确率较低的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种信用评估方法及装置、存储介质和电子设备，以解决相关技术中采用现有模型评估客户信用，导致信用评估的准确率较低的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种信用评估方法。该方法包括：在待信用评估数据中获取至少一个第一目标对象对应的目标数据信息一，其中，所述目标数据信息一用于表示所述第一目标对象的历史信用信息一；将所述目标数据信息一输入到信用评估模型中，得到所述第一目标对象的信用评估结果，其中，所述信用评估模型中的惩罚因子和核函数的参数是由麻雀搜索算法确定；输出所述第一目标对象的信用评估结果。

进一步地，在将所述目标数据信息一输入到信用评估模型中，得到所述第一目标对象的信用评估结果之前，所述方法还包括：在训练样本中获取至少一个第二目标对象对应的目标数据信息二，在测试样本中获取至少一个第三目标对象对应的目标数据信息三，其中，所述目标数据信息二用于表示所述第二目标对象的历史信用信息二，所述目标数据信息三用于表示所述第三目标对象的历史信用信息三；依据所述麻雀搜索算法，确定用于信用评估的支持向量机SVM模型中的惩罚因子和核函数的参数；将所述惩罚因子和所述核函数的参数应用在所述SVM模型中；采用所述目标数据信息二对所述SVM模型进行学习训练，以构建信用评估模型；采用所述目标数据信息三对所述信用评估模型进行测试，以确定所述信用评估模型的分类性能。

进一步地，在依据所述麻雀搜索算法，确定用于信用评估的支持向量机SVM模型中的惩罚因子和核函数的参数之前，所述方法还包括：利用Sobol序列和Levy飞行机制对所述麻雀搜索算法进行改进，得到改进后的麻雀搜索算法；依据所述改进后的麻雀搜索算法，确定用于信用评估的SVM模型中的惩罚因子和核函数的参数。