CN110544024A

CN110544024A - 一种基于区块链的商圈信用指数评价方法

Info

Publication number: CN110544024A
Application number: CN201910771743.1A
Authority: CN
Inventors: 蒋倩倩; 陈力行; 陈华
Original assignee: Nanjing LES Information Technology Co. Ltd
Current assignee: Nanjing LES Information Technology Co. Ltd
Priority date: 2019-08-21
Filing date: 2019-08-21
Publication date: 2019-12-06

Abstract

本发明公开了一种基于区块链的商圈信用指数评价方法，包括步骤如下：数据采集：从数据源单位采用基于区块链的超级账本技术采集信用主体相关的信用数据，并存储至信用数据中；建立模型：根据上述采集到的信用数据，建立信用主体评价模型，综合各个数据源单位提供的数据对所有信用主体进行信用评分，并周期性更新；生成信用评价指数：找出待分析区域内的信用主体集合，再将找出的结果与信用数据库中存在的信用主体进行比对，将比对的信用主体的信用评分进行分析，通过网络层次分析法，得出该区域的信用评分。本发明充分利用平台积累的公共和市场信用数据，建立征信、评信、用信机制，发挥第三方专业评信机构的作用，营造了良好信用环境。

Description

一种基于区块链的商圈信用指数评价方法

技术领域

本发明属于公共信用评价模型技术领域，具体指代一种基于区块链的商圈信用指数评价方法。

背景技术

随着社会的快速发展，经济的飞速发展，当今社会信用管理体系不够健全的弊端逐渐显现，迎来了社会公共信用系统建设的“春天”。在多项国家政策的督导下，各地的信用系统建设各有特色，目前，社会信用评价已经在多个行业中有简单的应用。但是对于商务诚信领域的评价却尚未涉足，特别是对于商圈的信用指数评价还没有提出有说服力的评价体系或者评价方法。

商圈信用指数是反映一定时间段内某一商圈的综合信用情况，对评价商圈的优劣势有重要参考价值。目前，市场上缺乏对商圈信用指数评价的专业模型，传统的商圈信用评价手段科学性、系统性不足，多通过人工方式进行，效率较低。传统的商圈评价信息采集多采用人工现场采集“答卷”的方式，存在采集信息片面，效率低的问题。政务部门的信用评价多局限于个体，缺乏对商圈这些地域性的团体信用评价。而当前流行的app上所做出来的商圈评价，数据来源不够有说服力，消费导向性强，不能作为对商圈信用指数的评价。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于区块链的商圈信用指数评价方法，以解决现有技术中商圈信用评价体系数据不够全面，不够权威，及评价结果缺乏说服力的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于区块链的商圈信用指数评价方法，包括步骤如下：

数据采集：从数据源单位通过基于区块链技术的超级账本收集信用主体相关的信用数据，并存储至信用数据中；

建立模型：根据上述采集到的信用数据，建立信用主体评价模型，综合各个数据源单位提供的数据对所有信用主体进行信用评分，并周期性更新；

生成信用评价指数：找出待分析区域内的信用主体集合，再将找出的结果与信用数据库中存在的信用主体进行比对，将比对的信用主体的信用评分进行分析，通过网络层次分析法，得出该区域的信用评分。

进一步地，所述数据采集通过在线采集、文件上传、接口交换的方式。

进一步地，所述在线采集具体包括：采集各数据源单位通过手工录入方式录入的各类信用信息，根据校验规则和数据模板对所述各类信用信息进行解析和规则检查后，存储至信用数据库中；

所述数据模板为JSP的表单文件，其根据填报的数据类型、长度，自动或人工编写；通过表单文件，用户能够在浏览器上看到表单的填写项，并进行填写；

所述校验规则依据需要收集的数据内容规范，人工编写校验方法；校验语法采用JavaScript(简称JS，一种解释性脚本语言、广泛用于客户端的脚本语言)语言编写；编写好的JavaScript校检规则文件既能够被浏览器运行以校验用户的输入是否正确，也能够在服务器端通过Nashorn调用(基于JVM的轻量级高性能的JavaScript运行环境)，对前台传送到后台的输入数据进行校验，并将校验后的数据存至信用数据库中。

进一步地，所述文件上传具体包括：对业务量大、数据量大的数据录入，各数据源单位依据预先下载的格式模板文件(Excel电子表格格式)中的数据要求，录入或准备数据；然后将数据文件上传后进行解析、校验，以保证数据的质量及信息安全，校验通过的数据存储至信用数据库中。

进一步地，所述接口交换具体包括：以Web Service或RESTful方式实现从已建有信息系统的数据源单位收集信用数据；依据数据的要求，自动生成标准的WebService接口WSDL文件或RESTful形式的API接口及约定数据格式规范；对接收到的信用数据进行规则校验，并将校验后的数据存至信用数据库中。

进一步地，所述的数据采集使用了基于区块链的超级账本技术包括：通过CA(证书管理)给数据源单位供放签发证书；采集数据前，要验证数据源单位的证书，然后构造信用数据提案(Proposal)提交给Endorser(背书节点)进行背书；数据源单位收集到足够(背书策略决定)的背书支持后利用背书构造一个合法的信用数据记录请求，发给Orderer进行排序处理；数据源单位还可以通过事件机制来监听网络中消息，来获知信用数据记录是否被成功接收；Committer(确认节点)会定期地从Orderer(排序节点)获取排序后的批量信用数据记录区块结构，对这些信用数据记录进行落盘前的最终检查(包括信用数据记录消息结构、签名完整性、是否重复、读写集合版本是否匹配等)；检查通过后执行合法的信用数据记录，将结果写入账本，同时构造新的区块，更新区块中BlockMetadata(TRANSACTIONS_FILTER)记录交易是否合法等信息；采用所述的数据采集方案能公开地追踪到数据生成与修改的全过程，而且，这种记录都是不可被篡改的，充分的保证了数据的真实性和权威性。

进一步地，所述建立信用主体评价模型具体包括：通过Logistc回归分析，预测信用好坏；Logistic回归的结果直接转换为一个汇总表，即所谓的标准评分卡格式；

逻辑回归是将线性回归预测的值转换为0-1的概率值，考虑具有N个独立变量的向量x＝(x_{1},x_{2}.....x_{n})，设条件概率P(y＝1|x)＝p为根据某件事x发生概率，某件事x不发生概率为：P(y＝0|x)＝\frac{1}{1+e^{g(x)}}；事件发生比：Odds＝\frac{P}{1-P},主体失信概率P＝\frac{Odds}{1+Odds}经过对数转化，g(x)＝ln(\frac{P}{1-P})＝\beta_{0}+\beta_{1}x_{1}+.......\beta_{n}x_{n}

信用评分将Logistic模型转换为标准评分的形式；

评分标准：变量的值决定了该变量所分配的分值，总分就是各变量分值的和评分卡设定的分值刻度。由逻辑回归的基本原理，我们将主体失信的概率表示为p，则正常的概率为1-p，事件发生比：Odds＝\frac{P}{1-P}；可以通过将分值(Score)表示为失信和正常概率比对数的线性表达式为：

Score＝A-Bln(Odds)，

ln(odds)＝\beta_{0}+\beta_{1}x_{1}+.......\beta_{n}x_{n}\beta_{0}....\beta_{n}，

式中的常数A、B的值通过将两个已知或假设的分值带入计算得到；通常情况下，需要设定两个假设：

(1)给某个特定的比率设定特定的预期分值；

(2)确定比率翻番的分数(PDO)；

根据以上的分析，假设比率为x的特定点的分值为P，则比率为2x的点的分值应该为P+PDO；代入式中，得到如下两个等式：

P＝A-Bln(x)

P-PDO＝A-Bln(2x)

假设设定评分卡刻度使得比率为{1:20}(失信正常比)时的分值为50分，PDO为10分，代入式中求得：B＝14.43，A＝6.78(阀值的设定需根据行业经验不断跟踪调整)；

则分值的计算公式表示为：评分卡刻度参数A和B确定以后，就可以计算比率和违约概率，以及对应的分值了；通常将常数A称为补偿，常数B称为刻度；Score表示分值：Score＝A-B(\beta_{0}+\beta_{1}x_{1}+.......\beta_{n}x_{n})

式中：变量x1…xn是出现在最终模型中的自变量，即为入模指标，在这里指评价主体信用情况的各项指标；由于此时所有变量都用WOE转换进行了转换，将自变量进行转化(\beta_{i}\omega_{ij})\delta_{ij},式中\omega_{ij}为第i行第j个变量的WOE，为已知变量；\beta_{i}为逻辑回归方程中的系数，为已知变量；\delta_{ij}为二元变量，表示变量i是否取第j个值；Score表达式可重新表示为：

Score＝(A-B\beta_{0})-(B\beta_{1}\omega_{11}\delta_{11}-...-(B\beta_{x}\omega_{x1}\delta_{x1}

基础分值等于(A-B\beta_{0})，信用主体评分＝基础分+各部分得分。

对商圈信用指数进行评价，需要先通过反复调用WebGIS系统中开放API中的逆地理编码、搜索POI等接口找出待分析区域内的信用主体集合。再将找出的结果与信用数据库中已经存在的信用主体进行比对，将比对的信用主体的信用评分进行分析，通过网络层次分析法，得出该区域的信用评分。

进一步地，所述网络层次分析法指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法。

进一步地，所述网络层次分析法具体为：

(1)建立递阶层次结构：通过按层次调用WebGIS的API函数，得出每个层次的具体信用主体；

(2)构造两两比较判断矩阵：对信用主体在存在的信用数据库中的各指标之间进行两两对比之后，按9分位比率排定各评价指标的相对优劣顺序，依次构造出评价指标的判断矩阵A；

(3)利用几何平均法(根法)和规范列平均法(和法)，计算各备选元素的权重。

本发明的有益效果：

本发明数据来源全面，能够充分说明商圈内各个零售商的社会信用情况；所采用的数据归集、处理、传输、计算技术更加高效，更加安全，实用性强。

本发明充分利用平台积累的公共和市场信用数据，建立征信、评信、用信机制，发挥第三方专业评信机构的作用，营造了良好信用环境。

附图说明

图1为本发明方法的原理图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种基于区块链的商圈信用指数评价方法，包括步骤如下：数据采集、建立模型、生成信用评价指数，其中，

数据采集主要基于hadoop大数据平台技术和区块链技术，在集群上部署基于区块链技术的超级账本组件，分配各个节点的角色和功能。

以hadoop的hdfs系统为文件管理区域，作为文件上传的落地区，各数据源单位按照约定好的文件格式和报送时间上传数据文件到文件落地区；数据处理城区以文件触发的方式触发数据处理程序。按照事先配置好的信息类、元数据、去重字段进行数据处理。处理完成的数据与工商提供的信用主题数据进行关联，关联好的数据会作为本示例的有效评分数据，存入在线集群中待用。

能够提供数据报送借口的数据源单位，按照约定好的方式以wdsl的方式调用数据接口，读取数据并把数据存入数据报送表，数据进入数据报送表后，对数据进行去重、根数据关联，处理后的出入存入在线集群。

对于第三方提供的信用数据通过超级账本的方式进入在线集群待用。

示例中还提供在线填报功能作为数据报送的补充方式，填报的数据进入L表，后续处理方式同样是数据处理、关联、放入在线集群待用。作为数据归集的中心节点是整个数据才基层的CA，为各个第三方机构颁发证书，该证书会设置有效期，存入redis库中，有效期过后，证书会自动失效，再次生成时需要比对oracle库中信息对第三方机构进行身份验证。通过证书，可以有效的验证该批次的信用数据的可靠性、完整性、来源等信息以验证数据是否可靠，是否被篡改；该信息会存入qk开头的表中，会把数据来源，证书等信息一同入库。数据入库后会返回给数据源单位一个特定的秘钥，表明数据接收方是否正确，可以验证数据是否被窃取。数据入库后会进行数据处理、关联，存入在线集群。

上述数据处理基于spark技术框架开发，按照元数中的约定的字段类型，字段要求，长度等信息对数据进行清洗；清洗完成后会根据关键字段对数据进行增量检查，是否是关键字段会在元数据中标明；关联成功的数据会根据关键字段生成一段MD5码存入hive库中，通过对这些MD5的比对可以判断数据是否重复，重复的数据会返回给数据源单位，标明数据不能成功入库的原因。

基于Hadoop的MapReduce的方式按照设计好的公式实现评价模型。按照目前信用主题库的规模设定dfs.blocksize值为256M；mapred.reduce.tasks值为200；公式相关的参数会存入MySQL数据库中。

提供页面输入，用户可以在页面上输入所要评价的商圈及查询半径后，调用WebGIS系统中开放API中的逆地理编码、搜索POI等接口找出待分析区域内的信用主体集合。

根据参数获取到指定商圈内的信用主题后，在线集群中抽取这些企业相关的信用数据；根据这些数据对这些信用主题按照注册资金和品牌计算出权重和各个企业的信用评分。把这些信息存入MySQL数据库中，调用评价模型，调用存在mysql数据库中的参数和信用信息数据生成该商圈信用评价指数，并且通过图表展示出计算过程中的数据，例如商圈内的信用主体数，这些信用主体的权重、主体信用得分等信息。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims

1.一种基于区块链的商圈信用指数评价方法，其特征在于，包括步骤如下：

2.根据权利要求1所述的基于区块链的商圈信用指数评价方法，其特征在于，所述数据采集通过在线采集、文件上传、接口交换的方式。

3.根据权利要求2所述的基于区块链的商圈信用指数评价方法，其特征在于，所述在线采集具体包括：采集各数据源单位通过手工录入方式录入的各类信用信息，根据校验规则和数据模板对所述各类信用信息进行解析和规则检查后，存储至信用数据库中。

4.根据权利要求2所述的基于区块链的商圈信用指数评价方法，其特征在于，所述文件上传具体包括：对业务量大、数据量大的数据录入，各数据源单位依据预先下载的格式模板文件中的数据要求，录入或准备数据；然后将数据文件上传后进行解析、校验，以保证数据的质量及信息安全，校验通过的数据存储至信用数据库中。

5.根据权利要求2所述的基于区块链的商圈信用指数评价方法，其特征在于，所述接口交换具体包括：以Web Service或RESTful方式实现从已建有信息系统的数据源单位收集信用数据；依据数据的要求，自动生成标准的WebService接口WSDL文件或RESTful形式的API接口及约定数据格式规范；对接收到的信用数据进行规则校验，并将校验后的数据存至信用数据库中。

6.根据权利要求1所述的基于区块链的商圈信用指数评价方法，其特征在于，所述网络层次分析法指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标的若干层次，通过定性指标模糊量化方法算出层次单排序和总排序，以作为目标、多方案优化决策的系统方法。