[发明专利]基于人工智能的信用风险评估方法、装置及相关设备

权利要求书

1.一种基于人工智能的信用风险评估方法，其特征在于，所述方法包括：

解析获取的训练样本集，获取企业及每个所述企业的指标；

基于每个所述企业的指标确定每个所述企业的第一信用风险等级；

初始化所述训练样本集，并根据每个所述企业的第一信用风险等级对初始化后的训练样本集进行第一次类别标注，得到第一目标训练样本集；

对所述第一目标训练样本集进行第一预处理，得到第二目标训练样本集；

基于所述第二目标训练样本集训练预设的神经网络模型，得到信用风险评估模型；

当接收到的待评估企业的信用风险评估请求时，对待评估企业的信用风险评估请求进行第二预处理，得到目标数据集，并将所述目标数据集输入至所述信用风险评估模型中，得到所述待评估企业的信用风险评估结果。

2.如权利要求1所述的基于人工智能的信用风险评估方法，其特征在于，所述基于每个所述企业的指标确定每个所述企业的第一信用风险等级包括：

识别每个所述企业的指标的标签，根据所述标签将每个所述企业的指标划分为一级指标数据集、二级指标数据集和三级指标数据集；

基于所述一级指标数据集、二级指标数据集和三级指标数据集，计算每个所述企业的企业信用风险值；

根据计算得到的每个所述企业的企业信用风险值确定每个所述企业的第一信用风险等级。

3.如权利要求2所述的基于人工智能的信用风险评估方法，其特征在于，所述基于所述一级指标数据集、二级指标数据集和三级指标数据集，计算每个所述企业的企业信用风险值包括：

从预设的数据库中获取每个所述企业的每个一级指标的信用分值、每个一级指标对应的每个二级指标的信用分值、每个二级指标对应的每个三级指标的信用分值及权重值；

计算每个一级指标的信用分值、每个一级指标对应的每个二级指标的信用分值、及每个二级指标对应的每个三级指标的信用分值与权重值的乘积之和，得到每个所述企业的信用风险值。

4.如权利要求1所述的基于人工智能的信用风险评估方法，其特征在于，所述初始化所述训练样本集包括：

获取所述训练样本集中的多个三级指标；

识别每个所述三级指标的指标值是否满足归一化需求；

按照预设的归一化处理规则，对满足归一化处理的每个所述三级指标的指标值进行归一化处理，得到每个所述三级指标的新指标值；

基于每个所述三级指标的新指标值对所述训练样本集进行更新，得到初始化后的训练样本集。

5.如权利要求1所述的基于人工智能的信用风险评估方法，其特征在于，所述对所述第一目标训练样本集进行第一预处理，得到第二目标训练样本集包括：

将所述第一目标训练样本集输入至预先训练好的LGBT模型中，得到权重因子集；

按照预设的权重阈值将所述权重因子集划分为强因子集和弱因子集；

采用重采样法，按照预设的采集比例从所述强因子集和弱因子集中随机获取多个组合样本集；

所述多个组合样本集进行聚类，得到最优权重因子集；

基于所述最优权重因子集对所述初始化后的训练样本集进行第二次类别标注，得到第二目标训练样本集。

6.如权利要求5所述的基于人工智能的信用风险评估方法，其特征在于，所述基于所述最优权重因子集对所述初始化后的训练样本集进行第二次类别标注，得到第二目标训练样本集包括：

根据所述最优权重因子集获取每个所述企业的目标训练样本集；

将每个所述企业的目标训练样本集划分为多个簇类；

计算每个所述簇类的所有训练样本的信用风险值的平均值，得到每个所述簇类的信用风险值；

计算所述多个族的多个信用风险值的平均值，得到每个所述企业的簇类信用风险值；

根据计算得到的每个所述企业的簇类信用风险值确定每个所述企业的第二信用风险等级；

根据每个所述企业的第二信用风险等级对所述初始化后的训练样本集进行第二次类别标注，得到第二目标训练样本集。