[发明专利]信用评估方法、装置、设备及计算机存储介质

权利要求书

1.一种信用评估方法，其特征在于，包括：

获取目标对象的特征信息，所述目标对象为待进行信用评估的企业，所述特征信息包括企业基本信息、企业工商信息、企业人员的基本信息和企业人员的账户信息；

剔除所述特征信息中的无效特征，得到第一特征；

确定所述无效特征中符合专家经验的第二特征；

将所述第一特征和所述第二特征进行组合，得到所述目标对象的目标特征；

将所述目标特征输入预先训练好的信用评估模型得到信用评估结果，所述信用评估结果表征所述目标对象的信用是否合格，其中，所述信用评估模型为使用多组训练数据通过机器学习训练得出的，所述多组训练数据包括第一类训练数据和第二类训练数据，所述第一类训练数据中的每组训练数据均包括信用合格对象的目标特征和标识该对象信用合格的标签，所述第二类训练数据中的每组训练数据均包括信用不合格对象的目标特征和标识该对象信用不合格的标签。

2.根据权利要求1所述的方法，其特征在于，所述剔除所述特征信息中的无效特征，得到第一特征，包括：

剔除所述特征信息中稳定性大于第一阈值的无效特征、信息量小于第二阈值的无效特征、单变量分析的分析结果不满足预设条件的无效特征和多变量分析的分析结果不满足预设条件的无效特征，得到第一特征。

3.根据权利要求2所述的方法，其特征在于，所述剔除所述特征信息中单变量分析的分析结果不满足预设条件的无效特征，包括：

剔除所述特征信息中业务含义与经验不符的无效特征。

4.根据权利要求2所述的方法，其特征在于，所述剔除所述特征信息中多变量分析的分析结果不符合预设条件的无效特征，包括：

确定所述特征信息中的相关特征，所述相关特征为与其他特征之间存在相关性的特征；

将所述相关特征中除了需要保留的特征之外的其他特征作为无效特征进行剔除。

5.根据权利要求1所述的方法，其特征在于，所述剔除所述特征信息中的无效特征之前，所述方法还包括：

对所述特征信息进行聚合衍生，得到衍生信息；

将所述特征信息和所述衍生信息组合，得到原始特征信息；

所述剔除所述特征信息中的无效特征，包括：

剔除所述原始特征信息中的无效特征。

6.根据权利要求5所述的方法，其特征在于，所述对所述特征信息进行聚合衍生，得到衍生信息，包括：

对所述企业人员的基本信息中的连续属性信息采用第一衍生算法进行聚合衍生，得到第一衍生信息，其中，所述第一衍生算法包括下述算法中的一种或多种：求和算法、极大值算法、极小值算法、平均值算法、数量算法或中位数算法；

对所述企业人员的基本信息中的离散属性信息采用第二衍生算法进行聚合衍生，得到第二衍生信息，其中，所述第二衍生算法包括下述算法中的一种或多种：众数算法或属性类别数量算法；

将所述第一衍生信息和所述第二衍生信息进行组合，得到衍生信息。

7.根据权利要求1所述的方法，其特征在于，所述剔除所述特征信息中的无效特征之前，所述方法还包括：

对所述特征信息进行数据预处理，其中，所述数据预处理包括缺失值处理、重复值处理、异常值处理和/或错误值处理。