申请/专利权人：浙江孚临科技有限公司

申请日：2023-03-06

公开（公告）日：2024-04-23

公开（公告）号：CN116342246B

主分类号：G06Q40/03

分类号：G06Q40/03;G06N3/006;G06N3/084;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2023.07.14#实质审查的生效;2023.06.27#公开

摘要：本发明提供一种违约风险评估方法、设备与存储介质，属于数据处理技术领域，具体包括：获取用户的非结构化数据中的时序数据，并对其进行重构得到重构时序数据，并基于其通过时序数据风险评估模型确定用户的时序违约评分，并当其不大于第一风险阈值或者用户的违约概率不大于第二概率阈值时，获取用户的非结构数据中的文本数据，并基于文本数据以及其权值进行重构得到重构文本数据，并采用基于文本数据风险评估模型确定用户的文本违约评分，并基于用户的文本违约评分、时序违约评分、违约概率，采用基于机器学习算法的评估模型，得到用户的违约风险得分，并基于违约风险得分确认用户的违约风险，从而进一步提升了判断的准确性。

主权项：1.一种违约风险评估方法，其特征在于，具体包括：S11获取用户的历史违约次数，并判断所述用户的历史违约次数是否大于第一阈值，若是，则确定所述用户的历史违约风险为高风险，若否，则进入步骤S12;S12获取用户的历史违约数据，并基于所述历史违约数据判断所述用户的违约概率是否大于第一概率阈值，若是，则确定所述用户的历史违约风险为高风险，若否，则进入步骤S13；所述违约概率的评估的具体步骤为：获取所述用户的违约状态，并判断所述用户的违约状态是否为处于违约状态，若是，则确定所述用户的违约概率为1，若否，则进入下一步骤；基于所述用户的历史违约次数、历史违约金额、最长违约时间构建输入集，并基于机器学习算法的预测模型，得到所述用户的基础违约概率，并判断所述基础违约概率是否大于第二概率阈值，若是，则确定所述用户的违约概率为1，若否，则进入下一步骤；基于所述用户的最近一年的违约次数，对所述基础违约概率进行修正，得到所述用户的违约概率；S13获取所述用户的非结构化数据中的时序数据，并将所述时序数据以及所述时序数据的权值，对所述时序数据进行重构得到重构后的数据并将其作为重构时序数据，并基于所述重构时序数据，采用时序数据风险评估模型确定所述用户的时序违约评分，并判断是否所述用户的时序违约评分大于第一风险阈值且所述用户的违约概率大于第二概率阈值，若是，则确定所述用户的历史违约风险为高风险，若否，则进入步骤S14；所述用户的时序违约评分的评估的具体步骤为：基于历史违约客户的时序数据的概率分布情况，确定所述时序数据与历史违约用户的相关度，并基于所述相关度进行所述时序数据的基础权值的确定，并基于所述时序数据的形成时间对所述基础权值进行修正得到所述时序数据的权值；基于所述时序数据的权值，对所述时序数据进行重构得到重构后的数据并将其作为重构时序数据；基于所述重构时序数据，采用时序数据风险评估模型确定所述用户的时序违约评分；S14获取所述用户的非结构数据中的文本数据，并基于所述文本数据以及所述文本数据的权值进行重构得到重构文本数据，并采用基于文本数据风险评估模型确定所述用户的文本违约评分，并基于所述用户的文本违约评分、时序违约评分、违约概率，采用基于机器学习算法的评估模型，得到所述用户的违约风险得分，并基于所述用户的违约风险得分确认所述用户的违约风险；所述用户的违约风险得分构建的具体步骤为：S41基于所述用户的文本违约评分和时序违约评分，采用基于层次分析法的数学模型，确定所述用户的违约风险评估得分，并判断所述用户的违约风险评估得分是否大于第一评估阈值，若是，则将所述用户的违约风险得分设置为1，若否，则进入步骤S42;S42判断所述用户的违约风险评估得分是否大于第二评估阈值，若是，则进入步骤S43，若否，则进入步骤S44；S43判断所述用户的违约概率是否大于第三概率阈值，若是，则将所述用户的违约风险得分设置为1，若否，则进入步骤S44；S44基于所述用户的文本违约评分、时序违约评分、违约概率，采用基于机器学习算法的评估模型，得到所述用户的违约风险得分。

全文数据：

权利要求：

百度查询： 浙江孚临科技有限公司 违约风险评估方法、设备与存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD