CN115099927A - 基于社会网络分析的贷款风险分析方法及装置 - Google Patents
基于社会网络分析的贷款风险分析方法及装置 Download PDFInfo
- Publication number
- CN115099927A CN115099927A CN202210703424.9A CN202210703424A CN115099927A CN 115099927 A CN115099927 A CN 115099927A CN 202210703424 A CN202210703424 A CN 202210703424A CN 115099927 A CN115099927 A CN 115099927A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- small
- risk
- sample
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003012 network analysis Methods 0.000 title claims abstract description 47
- 238000012502 risk assessment Methods 0.000 title claims abstract description 44
- 238000012549 training Methods 0.000 claims description 21
- 238000007405 data analysis Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001093 holography Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于社会网络分析的贷款风险分析方法及装置，可应用于大数据领域，该方法为：利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与待测企业对应的节点，并将与待测企业对应的节点标识为目标节点；对目标节点的属性特征和网络特征进行编码，得到目标特征向量；将目标特征向量输入至风险识别模型中，得到风险识别模型输出的风险识别结果。将社会网络分析用于小微企业的贷款风险分析，有效避免小微企业信贷作为新兴业务的经营信息不透明、经营时间短、有价值样本量不足等因素造成的风险等级判断受限的情况，为以机器学习为基础的风险分析方法提供更多维度的特征，从而有效识别小微企业的贷款风险。
Description
技术领域
本申请涉及大数据领域，尤其涉及一种基于社会网络分析的贷款风险分析方法及装置。
背景技术
近年来国家经济迅速发展，商业银行虽然已经在贷款风险识别中积累了相当丰富的经验，但是作为一个相对比较新兴的领域，小微企业贷款的风险量化却是一个尚待完善的技术问题。
目前，普遍采用监督学习来分析小微企业的贷款风险。然而，对于小微企业而言，其往往缺少规范的财务表报和税务信息，且大多经营时间较短，致使可识别风险的样本数量少。样本少则会导致监督学习的训练结果削弱，从而降低分析结果的准确性。
发明内容
本申请提供了一种基于社会网络分析的贷款风险分析方法及装置，目的在于有效识别小微企业的贷款风险。
为了实现上述目的，本申请提供了以下技术方案：
一种基于社会网络分析的贷款风险分析方法，包括：
利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与所述待测企业对应的节点，并将与所述待测企业对应的节点标识为目标节点；所述社会关系网络基于各个小微企业样本的企业信息和企业干系人信息预先构建；
对所述目标节点的属性特征和网络特征进行编码，得到目标特征向量；
将所述目标特征向量输入至风险识别模型中，得到所述风险识别模型输出的风险识别结果；所述风险识别模型基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到；所述风险识别结果包括所述待测企业的风险类型以及风险发生概率。
可选的，所述基于各个小微企业样本的企业信息和企业干系人信息构建社会关系网络的过程，包括：
从业务系统获取各个小微企业样本的企业信息以及企业干系人信息；
对各个所述小微企业样本的企业信息和企业干系人信息进行预处理，以使各个所述小微企业样本的企业信息和企业干系人信息的数据格式规范化，得到各个所述小微企业样本的有效企业信息和有效企业干系人信息；
对各个所述小微企业样本的有效企业信息和有效企业干系人信息进行特征工程，得到各个所述小微企业样本的特征集合；所述特征集合包括一个或多个特征；
对各个所述小微企业样本的有效企业信息、有效企业干系人信息、特征集合进行大数据分析，得到各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系；
基于各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系，生成所述社会关系网络。
可选的，所述基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到所述风险识别模型的过程，包括：
预先从业务系统获取各个所述小微企业样本的风险标签；
对所述社会关系网络进行大数据分析，得到与每个所述小微企业样本对应的节点，以及每个所述节点的属性特征和网络特征；
对每个所述节点的属性特征和网络特征进行编码，得到每个所述小微企业样本的特征向量；
将每个所述小微企业样本的特征向量作为预设初始模型的输入，得到所述预设初始模型的输出结果，并利用预设损失函数，不断调整所述预设初始模型的各项参数，直至所述输出结果满足预设要求，确定所述风险识别模型训练成功；所述预设要求为：所述输出结果所示的每个小微企业样本的风险类型，与每个所述小微企业样本的风险标签所示的类型相同。
可选的，还包括：
通过预设界面向用户展示所述待测企业的风险类型以及风险发生概率。
一种基于社会网络分析的贷款风险分析装置，包括：
分析单元，用于利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与所述待测企业对应的节点，并将与所述待测企业对应的节点标识为目标节点；所述社会关系网络基于各个小微企业样本的企业信息和企业干系人信息预先构建；
编码单元，用于对所述目标节点的属性特征和网络特征进行编码，得到目标特征向量；
识别单元，用于将所述目标特征向量输入至风险识别模型中，得到所述风险识别模型输出的风险识别结果；所述风险识别模型基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到；所述风险识别结果包括所述待测企业的风险类型以及风险发生概率。
可选的，所述分析单元具体用于：
从业务系统获取各个小微企业样本的企业信息以及企业干系人信息；
对各个所述小微企业样本的企业信息和企业干系人信息进行预处理，以使各个所述小微企业样本的企业信息和企业干系人信息的数据格式规范化，得到各个所述小微企业样本的有效企业信息和有效企业干系人信息；
对各个所述小微企业样本的有效企业信息和有效企业干系人信息进行特征工程，得到各个所述小微企业样本的特征集合；所述特征集合包括一个或多个特征；
对各个所述小微企业样本的有效企业信息、有效企业干系人信息、特征集合进行大数据分析，得到各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系；
基于各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系，生成所述社会关系网络。
可选的，所述识别单元具体用于：
预先从业务系统获取各个所述小微企业样本的风险标签；
对所述社会关系网络进行大数据分析，得到与每个所述小微企业样本对应的节点，以及每个所述节点的属性特征和网络特征；
对每个所述节点的属性特征和网络特征进行编码，得到每个所述小微企业样本的特征向量；
将每个所述小微企业样本的特征向量作为预设初始模型的输入，得到所述预设初始模型的输出结果，并利用预设损失函数，不断调整所述预设初始模型的各项参数，直至所述输出结果满足预设要求，确定所述风险识别模型训练成功；所述预设要求为：所述输出结果所示的每个小微企业样本的风险类型，与每个所述小微企业样本的风险标签所示的类型相同。
可选的，还包括：
展示单元，用于通过预设界面向用户展示所述待测企业的风险类型以及风险发生概率。
一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行所述的基于社会网络分析的贷款风险分析方法。
一种基于社会网络分析的贷款风险分析设备，包括：处理器、存储器和总线；所述处理器与所述存储器通过所述总线连接；
所述存储器用于存储程序，所述处理器用于运行程序，其中，所述程序运行时执行所述的基于社会网络分析的贷款风险分析方法。
本申请提供的技术方案，利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与待测企业对应的节点，并将与待测企业对应的节点标识为目标节点。对目标节点的属性特征和网络特征进行编码，得到目标特征向量。将目标特征向量输入至风险识别模型中，得到风险识别模型输出的风险识别结果。将社会网络分析用于小微企业的贷款风险分析，有效避免小微企业信贷作为新兴业务的经营信息不透明、经营时间短、有价值样本量不足等因素造成的风险等级判断受限的情况。为现阶段普遍的以机器学习为基础的风险分析方法提供更多维度的特征，也符合小微企业贷款所涉及的较为复杂社会关系的本质。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a为本申请实施例提供的一种基于社会网络分析的贷款风险分析方法的流程示意图；
图1b为本申请实施例提供的一种基于社会网络分析的贷款风险分析方法的流程示意图；
图2为本申请实施例提供的另一种基于社会网络分析的贷款风险分析方法的流程示意图；
图3为本申请实施例提供的一种基于社会网络分析的贷款风险分析装置的架构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1a和图1b所示，为本申请实施例提供的一种基于社会网络分析的贷款风险分析方法的流程示意图，包括如下步骤：
S101：从业务系统获取各个小微企业样本的企业信息、企业干系人信息、风险标签。
其中，企业信息包括但不限于为：企业经营时间、工商数据、存款数据、转账数据以及征信数据等。企业干系人信息包括但不限于为：企业干系人(例如股东、法人等)的年龄、婚姻、存款、征信数据等。
S102：对各个小微企业样本的企业信息和企业干系人信息进行预处理，以使各个小微企业样本的企业信息和企业干系人信息的数据格式规范化，得到各个小微企业样本的有效企业信息和有效企业干系人信息。
S103：对各个小微企业样本的有效企业信息和有效企业干系人信息进行特征工程，得到各个小微企业样本的特征集合。
其中，特征集合包括一个或多个特征。
需要说明的是，特征工程的具体实现原理，为本领域技术人员所熟悉的公知常识，这里不再赘述。
S104：对各个小微企业样本的有效企业信息、有效企业干系人信息、特征集合进行大数据分析，得到各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系。
S105：基于各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系，生成社会关系网络。
S106：对社会关系网络进行大数据分析，得到与每个小微企业样本对应的节点，以及每个节点的属性特征和网络特征。
其中，节点的属性特征至少包括中心性、集中度以及节点相似度，网络特征至少包括网络相似度以及结构等价性。
S107：对每个节点的属性特征和网络特征进行编码，得到每个小微企业样本的特征向量。
S108：将每个小微企业样本的特征向量作为预设初始模型的输入，得到预设初始模型的输出结果，并利用预设损失函数，不断调整预设初始模型的各项参数，直至输出结果满足预设要求，确定风险识别模型训练成功。
其中，预设初始模型包括但不限于为支持向量机模型、决策树模型、神经网络模型等。预设要求为：输出结果所示的每个小微企业样本的风险类型，与每个小微企业样本的风险标签所示的类型相同。
需要说明的是，小微企业样本的风险类型包括高风险、低风险以及无风险中的任意一种。
S109：利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与待测企业对应的节点，并将与待测企业对应的节点标识为目标节点。
S110：对目标节点的属性特征和网络特征进行编码，得到目标特征向量。
S111：将目标特征向量输入至风险识别模型中，得到风险识别模型输出的风险识别结果。
其中，风险识别结果包括待测企业的风险类型以及风险发生概率。
S112：通过预设界面向用户展示待测企业的风险类型以及风险发生概率。
综上所述，将社会网络分析用于小微企业的贷款风险分析，有效避免小微企业信贷作为新兴业务的经营信息不透明、经营时间短、有价值样本量不足等因素造成的风险等级判断受限的情况。为现阶段普遍的以机器学习为基础的风险分析方法提供更多维度的特征，也符合小微企业贷款所涉及的较为复杂社会关系的本质。
需要说明的是，上述实施例提及的S101，为本申请所述基于社会网络分析的贷款风险分析方法的一种可选的实现方式。此外，上述实施例提及的 S112，也为本申请所述基于社会网络分析的贷款风险分析方法的一种可选的实现方式。为此，上述实施例提及的流程，可以概括为图2所示的方法。
如图2所示，为本申请实施例提供的另一种基于社会网络分析的贷款风险分析方法的流程示意图，包括如下步骤：
S201：利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与待测企业对应的节点，并将与待测企业对应的节点标识为目标节点。
其中，社会关系网络基于各个小微企业样本的企业信息和企业干系人信息预先构建。
S202：对目标节点的属性特征和网络特征进行编码，得到目标特征向量。
S203：将目标特征向量输入至风险识别模型中，得到风险识别模型输出的风险识别结果。
其中，风险识别模型基于每个小微企业样本的特征向量作为输入，并以人工针对每个小微企业样本所设置的风险标签作为训练目标，预先训练得到；风险识别结果包括待测企业的风险类型以及风险发生概率。
综上所述，将社会网络分析用于小微企业的贷款风险分析，有效避免小微企业信贷作为新兴业务的经营信息不透明、经营时间短、有价值样本量不足等因素造成的风险等级判断受限的情况。为现阶段普遍的以机器学习为基础的风险分析方法提供更多维度的特征，也符合小微企业贷款所涉及的较为复杂社会关系的本质。
需要说明的是，本发明提供的基于社会网络分析的贷款风险分析方法可用于人工智能领域、区块链领域、分布式领域、云计算领域、大数据领域、物联网领域、移动互联领域、网络安全领域、芯片领域、虚拟现实领域、增强现实领域、全息技术领域、量子计算领域、量子通信领域、量子测量领域、数字孪生领域或金融领域。上述仅为示例，并不对本发明提供的基于社会网络分析的贷款风险分析方法的应用领域进行限定。
本发明提供的取钞方法可用于金融领域或其他领域，例如，可用于金融领域中的交易应用场景。其他领域为除金融领域之外的任意领域，例如，电力领域。上述仅为示例，并不对本发明提供的基于社会网络分析的贷款风险分析方法的应用领域进行限定。
与上述本申请实施例提供的基于社会网络分析的贷款风险分析方法相对应，本申请实施例还提供了一种基于社会网络分析的贷款风险分析装置。
如图3所示，本申请实施例提供的一种基于社会网络分析的贷款风险分析装置的架构示意图，包括：
分析单元100，用于利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与待测企业对应的节点，并将与待测企业对应的节点标识为目标节点；社会关系网络基于各个小微企业样本的企业信息和企业干系人信息预先构建。
可选的，分析单元具体用于：从业务系统获取各个小微企业样本的企业信息以及企业干系人信息；对各个小微企业样本的企业信息和企业干系人信息进行预处理，以使各个小微企业样本的企业信息和企业干系人信息的数据格式规范化，得到各个小微企业样本的有效企业信息和有效企业干系人信息；对各个小微企业样本的有效企业信息和有效企业干系人信息进行特征工程，得到各个小微企业样本的特征集合；特征集合包括一个或多个特征；对各个小微企业样本的有效企业信息、有效企业干系人信息、特征集合进行大数据分析，得到各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系；基于各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系，生成社会关系网络。
编码单元200，用于对目标节点的属性特征和网络特征进行编码，得到目标特征向量。
识别单元300，用于将目标特征向量输入至风险识别模型中，得到风险识别模型输出的风险识别结果；风险识别模型基于每个小微企业样本的特征向量作为输入，并以人工针对每个小微企业样本所设置的风险标签作为训练目标，预先训练得到；风险识别结果包括待测企业的风险类型以及风险发生概率。
可选的，识别单元300具体用于：预先从业务系统获取各个小微企业样本的风险标签；对社会关系网络进行大数据分析，得到与每个小微企业样本对应的节点，以及每个节点的属性特征和网络特征；对每个节点的属性特征和网络特征进行编码，得到每个小微企业样本的特征向量；将每个小微企业样本的特征向量作为预设初始模型的输入，得到预设初始模型的输出结果，并利用预设损失函数，不断调整预设初始模型的各项参数，直至输出结果满足预设要求，确定风险识别模型训练成功；预设要求为：输出结果所示的每个小微企业样本的风险类型，与每个小微企业样本的风险标签所示的类型相同。
展示单元400，用于通过预设界面向用户展示待测企业的风险类型以及风险发生概率。
综上所述，将社会网络分析用于小微企业的贷款风险分析，有效避免小微企业信贷作为新兴业务的经营信息不透明、经营时间短、有价值样本量不足等因素造成的风险等级判断受限的情况。为现阶段普遍的以机器学习为基础的风险分析方法提供更多维度的特征，也符合小微企业贷款所涉及的较为复杂社会关系的本质。
本申请还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，程序执行上述本申请提供的基于社会网络分析的贷款风险分析方法。
本申请还提供了一种基于社会网络分析的贷款风险分析设备，包括：处理器、存储器和总线。处理器与存储器通过总线连接，存储器用于存储程序，处理器用于运行程序，其中，程序运行时执行上述本申请提供的基于社会网络分析的贷款风险分析方法，包括如下步骤：
利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与所述待测企业对应的节点，并将与所述待测企业对应的节点标识为目标节点；所述社会关系网络基于各个小微企业样本的企业信息和企业干系人信息预先构建；
对所述目标节点的属性特征和网络特征进行编码，得到目标特征向量；
将所述目标特征向量输入至风险识别模型中，得到所述风险识别模型输出的风险识别结果；所述风险识别模型基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到；所述风险识别结果包括所述待测企业的风险类型以及风险发生概率。
具体的，在上述实施例的基础上，所述基于各个小微企业样本的企业信息和企业干系人信息构建社会关系网络的过程，包括：
从业务系统获取各个小微企业样本的企业信息以及企业干系人信息；
对各个所述小微企业样本的企业信息和企业干系人信息进行预处理，以使各个所述小微企业样本的企业信息和企业干系人信息的数据格式规范化，得到各个所述小微企业样本的有效企业信息和有效企业干系人信息；
对各个所述小微企业样本的有效企业信息和有效企业干系人信息进行特征工程，得到各个所述小微企业样本的特征集合；所述特征集合包括一个或多个特征；
对各个所述小微企业样本的有效企业信息、有效企业干系人信息、特征集合进行大数据分析，得到各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系；
基于各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系，生成所述社会关系网络。
具体的，在上述实施例的基础上，所述基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到所述风险识别模型的过程，包括：
预先从业务系统获取各个所述小微企业样本的风险标签；
对所述社会关系网络进行大数据分析，得到与每个所述小微企业样本对应的节点，以及每个所述节点的属性特征和网络特征；
对每个所述节点的属性特征和网络特征进行编码，得到每个所述小微企业样本的特征向量；
将每个所述小微企业样本的特征向量作为预设初始模型的输入，得到所述预设初始模型的输出结果，并利用预设损失函数，不断调整所述预设初始模型的各项参数，直至所述输出结果满足预设要求，确定所述风险识别模型训练成功；所述预设要求为：所述输出结果所示的每个小微企业样本的风险类型，与每个所述小微企业样本的风险标签所示的类型相同。
具体的，在上述实施例的基础上，还包括：
通过预设界面向用户展示所述待测企业的风险类型以及风险发生概率。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于社会网络分析的贷款风险分析方法，其特征在于，包括：
利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与所述待测企业对应的节点，并将与所述待测企业对应的节点标识为目标节点；所述社会关系网络基于各个小微企业样本的企业信息和企业干系人信息预先构建；
对所述目标节点的属性特征和网络特征进行编码，得到目标特征向量；
将所述目标特征向量输入至风险识别模型中，得到所述风险识别模型输出的风险识别结果；所述风险识别模型基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到；所述风险识别结果包括所述待测企业的风险类型以及风险发生概率。
2.根据权利要求1所述的方法，其特征在于，所述基于各个小微企业样本的企业信息和企业干系人信息构建社会关系网络的过程，包括：
从业务系统获取各个小微企业样本的企业信息以及企业干系人信息；
对各个所述小微企业样本的企业信息和企业干系人信息进行预处理，以使各个所述小微企业样本的企业信息和企业干系人信息的数据格式规范化，得到各个所述小微企业样本的有效企业信息和有效企业干系人信息；
对各个所述小微企业样本的有效企业信息和有效企业干系人信息进行特征工程，得到各个所述小微企业样本的特征集合；所述特征集合包括一个或多个特征；
对各个所述小微企业样本的有效企业信息、有效企业干系人信息、特征集合进行大数据分析，得到各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系；
基于各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系，生成所述社会关系网络。
3.根据权利要求1所述的方法，其特征在于，所述基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到所述风险识别模型的过程，包括：
预先从业务系统获取各个所述小微企业样本的风险标签；
对所述社会关系网络进行大数据分析，得到与每个所述小微企业样本对应的节点，以及每个所述节点的属性特征和网络特征；
对每个所述节点的属性特征和网络特征进行编码，得到每个所述小微企业样本的特征向量；
将每个所述小微企业样本的特征向量作为预设初始模型的输入，得到所述预设初始模型的输出结果，并利用预设损失函数，不断调整所述预设初始模型的各项参数，直至所述输出结果满足预设要求，确定所述风险识别模型训练成功；所述预设要求为：所述输出结果所示的每个小微企业样本的风险类型，与每个所述小微企业样本的风险标签所示的类型相同。
4.根据权利要求1所述的方法，其特征在于，还包括：
通过预设界面向用户展示所述待测企业的风险类型以及风险发生概率。
5.一种基于社会网络分析的贷款风险分析装置，其特征在于，包括：
分析单元，用于利用社会关系网络，对待测企业的企业信息和企业干系人信息进行社会网络分析，得到与所述待测企业对应的节点，并将与所述待测企业对应的节点标识为目标节点；所述社会关系网络基于各个小微企业样本的企业信息和企业干系人信息预先构建；
编码单元，用于对所述目标节点的属性特征和网络特征进行编码，得到目标特征向量；
识别单元，用于将所述目标特征向量输入至风险识别模型中，得到所述风险识别模型输出的风险识别结果；所述风险识别模型基于每个所述小微企业样本的特征向量作为输入，并以人工针对每个所述小微企业样本所设置的风险标签作为训练目标，预先训练得到；所述风险识别结果包括所述待测企业的风险类型以及风险发生概率。
6.根据权利要求5所述的装置，其特征在于，所述分析单元具体用于：
从业务系统获取各个小微企业样本的企业信息以及企业干系人信息；
对各个所述小微企业样本的企业信息和企业干系人信息进行预处理，以使各个所述小微企业样本的企业信息和企业干系人信息的数据格式规范化，得到各个所述小微企业样本的有效企业信息和有效企业干系人信息；
对各个所述小微企业样本的有效企业信息和有效企业干系人信息进行特征工程，得到各个所述小微企业样本的特征集合；所述特征集合包括一个或多个特征；
对各个所述小微企业样本的有效企业信息、有效企业干系人信息、特征集合进行大数据分析，得到各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系；
基于各个小微企业样本之间的关系、小微企业样本与企业干系人之间的关系、各个企业干系人之间的关系、小微企业样本与特征之间的关系、企业干系人与特征之间的关系，生成所述社会关系网络。
7.根据权利要求5所述的装置，其特征在于，所述识别单元具体用于：
预先从业务系统获取各个所述小微企业样本的风险标签；
对所述社会关系网络进行大数据分析，得到与每个所述小微企业样本对应的节点，以及每个所述节点的属性特征和网络特征；
对每个所述节点的属性特征和网络特征进行编码，得到每个所述小微企业样本的特征向量；
将每个所述小微企业样本的特征向量作为预设初始模型的输入，得到所述预设初始模型的输出结果，并利用预设损失函数，不断调整所述预设初始模型的各项参数，直至所述输出结果满足预设要求，确定所述风险识别模型训练成功；所述预设要求为：所述输出结果所示的每个小微企业样本的风险类型，与每个所述小微企业样本的风险标签所示的类型相同。
8.根据权利要求5所述的装置，其特征在于，还包括：
展示单元，用于通过预设界面向用户展示所述待测企业的风险类型以及风险发生概率。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1-4任一所述的基于社会网络分析的贷款风险分析方法。
10.一种基于社会网络分析的贷款风险分析设备，其特征在于，包括：处理器、存储器和总线；所述处理器与所述存储器通过所述总线连接；
所述存储器用于存储程序，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1-4任一所述的基于社会网络分析的贷款风险分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210703424.9A CN115099927A (zh) | 2022-06-21 | 2022-06-21 | 基于社会网络分析的贷款风险分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210703424.9A CN115099927A (zh) | 2022-06-21 | 2022-06-21 | 基于社会网络分析的贷款风险分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115099927A true CN115099927A (zh) | 2022-09-23 |
Family
ID=83292311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210703424.9A Pending CN115099927A (zh) | 2022-06-21 | 2022-06-21 | 基于社会网络分析的贷款风险分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115099927A (zh) |
-
2022
- 2022-06-21 CN CN202210703424.9A patent/CN115099927A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200202449A1 (en) | Risk identification model building and risk identification | |
| EP3989131A1 (en) | Method and system for realizing machine learning modeling process | |
| CN111371767B (zh) | 恶意账号识别方法、恶意账号识别装置、介质及电子设备 | |
| CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
| CN112765230B (zh) | 基于互联网金融的支付大数据分析方法及大数据分析系统 | |
| CN111932020A (zh) | 客户流失预测方法和装置 | |
| CN110913354A (zh) | 短信分类方法、装置及电子设备 | |
| CN112328869A (zh) | 一种用户贷款意愿的预测方法、装置及计算机系统 | |
| CN115098440A (zh) | 电子档案查询方法、装置、存储介质和设备 | |
| CN114463138A (zh) | 风险监测方法、装置、设备及存储介质 | |
| CN112330328A (zh) | 一种基于特征提取的信用卡欺诈检测方法 | |
| CN113706207B (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
| CN115099927A (zh) | 基于社会网络分析的贷款风险分析方法及装置 | |
| CN114722941A (zh) | 信贷违约识别方法、装置、设备和介质 | |
| CN114565470A (zh) | 基于人工智能的金融产品推荐方法、及其相关设备 | |
| CN110210518B (zh) | 提取降维特征的方法和装置 | |
| CN116861226A (zh) | 一种数据处理的方法以及相关装置 | |
| CN113705201A (zh) | 基于文本的事件概率预测评估算法、电子设备及存储介质 | |
| CN111429257A (zh) | 一种交易监控方法和装置 | |
| CN112561538A (zh) | 风险模型创制方法、装置、计算机设备及可读存储介质 | |
| CN111815442A (zh) | 一种链接预测的方法、装置和电子设备 | |
| CN111898708A (zh) | 一种迁移学习方法和电子设备 | |
| CN116029808B (zh) | 一种风险识别模型训练方法、装置及电子设备 | |
| CN115378842B (zh) | 一种资源监控的方法、装置、存储介质及设备 | |
| CN116611923A (zh) | 基于知识图谱的风险数据获取方法、系统、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |