[发明专利]模型构建方法、信贷风险评估方法、装置、设备及介质

权利要求书

1.一种用于信贷风险评估的模型构建方法，包括：

从用户信用数据中进行特征属性的提取，得到评估特征；其中，所述用户信用数据具有多个所述特征属性；

从所述评估特征中筛选得到目标特征；

基于所述评估特征的数量以及所述目标特征的数量，确定神经网络的结构；

基于所述神经网络的结构，通过遗传算法确定所述神经网络的参数；以及

基于所述神经网络的结构和所述神经网络的所述参数，得到用于信贷风险评估的模型。

2.根据权利要求1所述的方法，其中，所述基于所述神经网络的结构，通过遗传算法确定所述神经网络的参数包括：

对所述神经网络的结构进行二进制编码和实数编码，得到编码信息；

将所述编码信息输入所述遗传算法中进行演化；

在所述演化的过程中计算个体适应度值，其中，所述个体适应度值根据所述神经网络的预测误差确定；

在所述个体适应度值满足预设阈值的情况下，得到所述神经网络的所述参数。

3.根据权利要求2所述的方法，其中，所述将所述编码信息输入所述遗传算法中进行演化包括：

根据所述神经网络的结构构建神经网络模型；

将所述神经网络模型作为父代执行交叉操作或者变异操作，得到子代；

将所述父代与所述子代合并，得到合并群体；

将所述合并群体根据所述个体适应度值进行排序，以将所述合并群体划分成第一部分和第二部分；

从所述第一部分中筛选，得到新第一父代；

从所述第二部分中筛选，得到新第二父代；

将所述新第一父代和所述新第二父代组合形成新的父代。

4.根据权利要求1所述的方法，其中，所述从所述评估特征中筛选得到目标特征包括：

计算所述评估特征的自身权重；

计算影响所述评估特征的客观权重；

将所述自身权重和所述客观权重加权融合，得到所述评估特征的组合权重；

基于所述组合权重，从所述评估特征中筛选得到所述目标特征。

5.根据权利要求1所述的方法，其中，所述基于所述评估特征的数量以及所述目标特征的数量，确定神经网络的结构包括：

根据所述评估特征的数量，确定所述神经网络的隐藏层节点数；

根据所述目标特征的数量，确定所述神经网络的输入层节点数。

6.根据权利要求1所述的方法，其中，所述用户信用数据至少包括用户基本信息、用户消费情况数据、用户业务办理数据。

7.根据权利要求1所述的方法，在所述从目标数据集中进行特征属性的提取，得到评估特征之前还包括：

获取用户对所述目标数据集的授权；

在得到所述授权后获取所述目标数据集。

8.一种信贷风险评估方法，包括：

获取与待信贷风险评估相关联的用户信用数据；

将所述与待信贷风险评估相关联的所述用户信用数据输入用于信贷风险评估的模型；以及

输出信贷风险评估结果；

其中，所述用于信贷风险评估的模型通过权利要求1～7任一项用于信贷风险评估的模型构建方法得到。

9.一种用于信贷风险评估的模型构建装置，包括：

提取模块，用于从用户信用数据中进行特征属性的提取，得到评估特征；其中，所述用户信用数据具有多个所述特征属性；

筛选模块，用于从所述评估特征中筛选得到目标特征；

第一确定模块，用于基于所述评估特征的数量以及所述目标特征的数量，确定神经网络的结构；

第二确定模块，用于基于所述神经网络的结构，通过遗传算法确定所述神经网络的参数；以及

模型确定模块，用于基于所述神经网络的结构和所述神经网络的所述参数，得到用于信贷风险评估的模型。