CN115392934A - 一种商户信用评价的方法、装置、设备及计算机存储介质 - Google Patents
一种商户信用评价的方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN115392934A CN115392934A CN202211108917.4A CN202211108917A CN115392934A CN 115392934 A CN115392934 A CN 115392934A CN 202211108917 A CN202211108917 A CN 202211108917A CN 115392934 A CN115392934 A CN 115392934A
- Authority
- CN
- China
- Prior art keywords
- data
- credit data
- merchant
- credit
- standard credit
- 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
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种商户信用评价的方法、装置、设备及计算机存储介质。能够对商户各个维度的标准信用数据与对应维度的阈值进行比较,在比较结果指示多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,将多个维度的标准信用数据输入至商户信用评价模型中,得到商户的信用评分。根据本申请实施例,可以根据各个维度的标准信用数据与对应维度的阈值验证数据的有效性和提升数据的准确性,有监督的对商户的多个维度的标准信用数据进行审查,从而提高商户信用评分的真实性。
Description
技术领域
本申请属于信用评分技术领域,尤其涉及一种商户信用评价的方法、装置、设备及计算机存储介质。
背景技术
农批市场是我国农产品流通的主要载体,承担我国农产品流通总量的70%以上,发挥链接产销的重要作用。鲜活农产品流通的关键环节和主要渠道,体现出总体数量庞大、关联主体众多和资金交易密集的特点。位居产业链中心的农产品批发市场是连接亿万生产者和消费者的桥梁,更是物流、数据流和资金流的集散地。因此,对商户的支付、结算和信贷等信用有着综合性评价诉求。
现有商户的信用评价分析,在面对商户庞大的数据时,专家评审无法验证数据有效性和准确性,从而导致商户的信用评价结果失真。
发明内容
本申请实施例提供一种商户信用评价的方法、装置、设备及计算机存储介质,能够验证数据的有效性,有监督的对商户的多个维度的标准信用数据进行审查,从而提高商户信用评分的真实性。
第一方面,本申请实施例提供一种商户信用评价的方法,方法包括:
获取商户多个维度的标准信用数据;
获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息;
基于多个历史标准信用数据的时间信息,确定各个历史标准信用数据的权重;
基于所述多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值;
对各个维度的标准信用数据与对应维度的阈值进行比较,得到比较结果;
在所述比较结果指示所述多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,所述预警提示信息用于提示用户审查所述多个维度的标准信用数据;
在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,将所述多个维度的标准信用数据输入至商户信用评价模型中,得到所述商户的信用评分。
在一种可能的实现方式中,在所述获取商户多个维度的标准信用数据之前,还包括:
获取所述商户多个维度的初始信用数据,所述多个维度的初始信用数据包括第一结构化数据和非结构化数据;
将所述多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,
其中,所述多个维度的标准信用数据包括所述第一结构化数据和所述第二结构化数据。
在一种可能的实现方式中,所述非结构化数据包括图片和第一文本;
所述将所述多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,包括:
将所述多个维度的初始信用数据的非结构化数据中的图片转换成第二文本;
将所述第二文本以及所述多个维度的初始信用数据的非结构化数据中的第一文本转换为第二结构化数据。
在一种可能的实现方式中,所述获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息,包括:
根据所述目标维度的标准信用数据的时间信息,获取预设时段内时间信息与所述目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,所述N为大于1的整数;
输出所述N个历史标准信息数据;
在接收到对所述N个历史标准信息数据的选取操作的情况下,响应于所述选取操作,获取所述选取操作所选取的多个历史标准信用数据以及各数据的时间信息。
在一种可能的实现方式中,所述基于所述多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值之前,还包括:
获取各所述历史标准信用数据的数据类型信息;
根据预设的各数据类型信息与重要度的对应关系,确定与所述历史标准信用数据的数据类型信息对应的目标重要度;
根据各所述历史标准信用数据的目标重要度,对各所述历史标准信用数据的权重进行更新。
在一种可能的实现方式中,所述根据各所述历史标准信用数据的目标重要度,对各所述历史标准信用数据的权重进行更新之前,还包括:
接收用户对至少一个所述历史标准信用数据的目标输入;
响应于所述目标输入,调节所述N个历史标准信用数据的目标重要度。
在一种可能的实现方式中,所述在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,将所述多个维度的标准信用数据输入至商户信用评价模型中,得到所述商户的信用评分,包括:
所述在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,对所述多个维度的标准信用数据进行语义分析,提取关键特征;
将各维所述标准信用数据分类至与其关键特征对应的类别中,得到至少一个类别下的分类信用数据;
将至少一个所述类别下的分类信用数据输入至商户信用评价模型中,由所述商户信用评价模型根据各所述类别下的分类信用数据生成所述类别的信用子评分,并通过至少一个所述类别的信用子评分和各类别的权重计算得到所述商户的信用评分。
第二方面,本申请实施例提供了一种商户信用评价的装置,装置包括:
第一获取模块,用于获取商户多个维度的标准信用数据;
第二获取模块,用于获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息;
第一确定模块,用于基于多个历史标准信用数据的时间信息,确定各个历史标准信用数据的权重;
计算模块,还用于基于多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值;
比较模块,用于对各个维度的标准信用数据与对应维度的阈值进行比较,得到比较结果;
提示模块,用于在所述比较结果指示所述多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,所述预警提示信息用于提示用户审查所述多个维度的标准信用数据;
评价模块,用于在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,将所述多个维度的标准信用数据输入至商户信用评价模型中,得到所述商户的信用评分。
在一种可能的实现方式中,装置还包括:
第三获取模块,用于获取所述商户多个维度的初始信用数据,所述多个维度的初始信用数据包括第一结构化数据和非结构化数据;
转换模块,用于将所述多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,
其中,所述多个维度的标准信用数据包括所述第一结构化数据和所述第二结构化数据。
在一种可能的实现方式中,所述非结构化数据包括图片和第一文本;
所述转换模块,还用于将所述多个维度的初始信用数据的非结构化数据中的图片转换成第二文本;
所述转换模块,还用于将所述第二文本以及所述多个维度的初始信用数据的非结构化数据中的第一文本转换为第二结构化数据。
在一种可能的实现方式中,所述第二获取模块,具体用于根据所述目标维度的标准信用数据的时间信息,获取预设时段内时间信息与所述目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,所述N为大于1的整数;输出所述N个历史标准信息数据;在接收到对所述N个历史标准信息数据的选取操作的情况下,响应于所述选取操作,获取所述选取操作所选取的多个历史标准信用数据以及各数据的时间信息。
在一些可能的实现方式中,装置还包括:
第四获取模块,用于获取各所述历史标准信用数据的数据类型信息;
第二确定模块,用于根据预设的各数据类型信息与重要度的对应关系,确定与所述历史标准信用数据的数据类型信息对应的目标重要度;
更新模块,用于根据各所述历史标准信用数据的目标重要度,对各所述历史标准信用数据的权重进行更新。
在一些可能的实现方式中,装置还包括:
接收模块,用于接收用户对至少一个所述历史标准信用数据的目标输入;
调节模块,用于响应于所述目标输入,调节所述N个历史标准信用数据的目标重要度。
在一种可能的实现方式中,所述评价模块,包括:
提取单元,用于所述在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,对所述多个维度的标准信用数据进行语义分析,提取关键特征;
分类单元,用于将各维所述标准信用数据分类至与其关键特征对应的类别中,得到至少一个类别下的分类信用数据;
评价单元,用于将至少一个所述类别下的分类信用数据输入至商户信用评价模型中,由所述商户信用评价模型根据各所述类别下的分类信用数据生成所述类别的信用子评分,并通过至少一个所述类别的信用子评分和各类别的权重计算得到所述商户的信用评分。
第三方面,本申请实施例提供了一种电子设备,电子设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如上任意一项所述的商户信用评价的方法。
第四方面,本申请实施例提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如上任意一项所述的商户信用评价的方法。
第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如上任意一项所述的商户信用评价的方法。
本申请实施例的一种商户信用评价的方法、装置、设备及计算机存储介质,能够对商户各个维度的标准信用数据与对应维度的阈值进行比较,在比较结果指示多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,将多个维度的标准信用数据输入至商户信用评价模型中,得到商户的信用评分。如此,本申请实施例,可以根据各个维度的标准信用数据与对应维度的阈值验证数据的有效性和提高数据的准确性,有监督的对商户的多个维度的标准信用数据进行审查,从而提高商户信用评分的真实性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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1是本申请实施例提供的一种商户信用评价方法的流程示意图;
图2是本申请实施例提供的一种商户信用评价装置的结构示意图;
图3是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
为了得到商户的综合性评价,需要在支付、结算和信贷等信用方面对商户进行评价。
目前商户拥有大量的非结构化不可量化的各类信息,这些信息往往无法直接作为标准指标输入到信用评价分析模型中,从而使模型无法全面地分析该商户的信用分数。现有技术往往忽略了非结构化数据的转换,丢失了一些评价维度,导致分析结果部分失真。
此外,现有模式需要依靠人工对数据的各维度进行分类,由专家对分完类的数据进行综合评分,需要极大的工作量。
并且,现有商户的信用评价分析,在面对商户庞大的数据时,专家评审无法验证数据有效性,从而导致商户的信用评价结果失真。
为了解决现有技术问题,本申请实施例提供了一种商户信用评价的方法、装置、设备及计算机存储介质。下面首先对本申请实施例所提供的商户信用评价的方法进行介绍。
图1示出了本申请一个实施例提供的商户信用评价的方法的流程示意图。如图1所示,一种商户信用评价的方法,可以包括以下S101至S104:
S101:获取商户多个维度的标准信用数据。
S102:获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息;
S103:基于多个历史标准信用数据的时间信息,确定各个历史标准信用数据的权重;
S104:基于所述多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值;
S105:对各个维度的标准信用数据与对应维度的阈值进行比较,得到比较结果。
S106:在比较结果指示多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,预警提示信息用于提示用户审查多个维度的标准信用数据。
S107:在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,将多个维度的标准信用数据输入至商户信用评价模型中,得到商户的信用评分。
本实施例中,能够对商户各个维度的标准信用数据与对应维度的阈值进行比较,在比较结果指示多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,将多个维度的标准信用数据输入至商户信用评价模型中,得到商户的信用评分。如此,本申请实施例,可以根据各个维度的标准信用数据与对应维度的阈值验证数据的有效性和提高数据的准确性,有监督的对商户的多个维度的标准信用数据进行审查,从而提高商户信用评分的真实性。
下面介绍上述各个步骤的具体实现方式。
在S101中,上述商户多个维度的标准信用数据可以是包括商户基本信息、商户财务信息、商户管理信息、商户担保信息、商户存款信息、商户贷款信息和商户诉讼信息等相关信用数据中的至少一项,并且经过统一量化后的数据。
具体地,上述商户多个维度的标准信用数据可以是包括商户基本信息、商户财务信息、商户管理信息、商户担保信息、商户存款信息、商户贷款信息和商户诉讼信息等。
上述获取商户多个维度的标准信用数据可以是商户输入的商户基本信息,采集到的商户财务信息和商户管理信息,也可以是接入其他外部管理系统采集到的商户担保信息、商户存款信息、商户贷款信息和商户诉讼信息等。示例性地,商户基本信息可以是通过在商户入驻农批市场或者其他商场时填写记录来获取。
在S102中,上述预设时段可以为预先设定的固定时间段,或者也可以是,用户在预先设定的时间段中筛选的目标时间段。
上述S102,可以是在数据库中获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息。
在一个实施例中,上述S102,具体可以包括:
根据目标维度的标准信用数据的时间信息,获取预设时段内时间信息与目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,N为大于1的整数;
输出N个历史标准信息数据;
在接收到对N个历史标准信息数据的选取操作的情况下,响应于选取操作,获取选取操作所选取的多个历史标准信用数据以及各数据的时间信息。
上述目标维度的标准信用数据的时间信息,可以是目标维度上的标准信用数据的具体采集时刻。
上述获取预设时段内时间信息与目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,可以是在预设时间段内(例如一个月内,不仅限于此时段,可以预先设定),找到与目标维度的标准信用数据的时间信息为同一时间的N个历史标准信息数据。
上述对N个历史标准信息数据的选取操作,可以是用户根据需求操作选取N个历史标准信息数据。
本实施例中,根据目标维度的标准信用数据的时间信息,获取预设时段内时间信息与目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,可以排除不同时间段的历史标准信用数据的干扰,并且在用户有监督的选取操作下,获取数据准确度更高的多个历史标准信用数据以及各数据的时间信息,从而提高数据审查的准确性。
在S103中,上述基于多个历史标准信用数据的时间信息,确定各个历史标准信用数据的权重,可以是多个历史标准信用数据的时间信息越接近标准信用数据的时间信息,则其各个历史标准信用数据的权重越高。例如,在预设时段内筛选得到的10个历史标准信用数据,按照时间信息由近及远,其权重可以为20%、18%、16%、14%、12%、10%、8%、6%、4%和2%,当然,权重不仅限于此,可以根据需求进行设定,本实施例中,不做具体限定。
本实施例中,基于多个历史标准信用数据中各历史标准信用数据以及其对应的权重计算得到各维度的阈值,并通过对各个维度的标准信用数据与对应维度的阈值进行比较,提高标准信用数据验证的准确性,从而保证评分结果的真实性。
在S104中,上述阈值可以是预先设定标准信用数据在各个维度的固定数值,或者,也可以是根据各个维度的历史标准信用数据计算得到的平均值。本申请实施例中,上述各维度的阈值具体可以是基于多个历史标准信用数据中各历史标准信用数据以及其对应的权重计算得到的,相较于其他阈值的确定方法,基于历史标准信用数据及对应权重计算得到的阈值,可以提高数据验证的准确性。
在S105中,上述对各个维度的标准信用数据与对应维度的阈值进行比较,得到比较结果,可以是计算各个维度的标准信用数据与对应维度的阈值之差,得到各个维度的偏差值,即为比较结果。
在S106中,上述预设条件可以是各个维度的偏差值在预设各个维度的偏差范围内。
上述比较结果指示多个维度的标准信用数据不满足预设条件,可以为至少一个维度的偏差值不在预设偏差范围内。
上述在比较结果指示多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,可以是在至少一个维度的偏差值不在预设偏差范围内的情况下,输出预警提示信息,从而提示用户审查多个维度的标准信用数据。
上述预警提示信息可以通过显示屏显示提醒,或者还可以通过声光报警方式提醒,不仅限于上述表述方式,还可以是其他预警提示方式,在本实施例中,不作具体限定。
在S107中,上述目标审查操作可以是用户审查多个维度的标准信用数据,并操作多个维度的标准信用数据的去或留。其中,多个维度的标准信用数据的去或留是整体去除或整体保留。
示例性地,上述目标审查操作可以是,在预警提示后生出可操作弹出窗,通过弹出窗对不满足预设条件的多个维度的标准信用数据进行审查,操作多个维度的标准信用数据的去或留。
上述在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,将多个维度的标准信用数据输入至商户信用评价模型中,得到商户的信用评分,可以是将经过审查后的多个维度的标准信用数据,按照预设商户信用评价的文档分类规则进行相应分类,得到分类信用数据,并输入至商户信用评价模型中,得到商户信用评分。
上述商户信用评价模型可以是根据历史分类信用数据及对应的历史商户信用评分训练得到。具体训练可以是:获取训练样本集,该训练样本集中包括大量训练样本,各训练样本包括历史分类信用数据以及与该历史分类信用数据对应的历史评分,该历史评分可以是人为标注得到;将训练样本集的训练样本输入至待训练评价模型(如神经网络模型等)中,初始评价模型根据各训练样本的历史分类信用数据由输出预测评分,并根据预测评分与该训练样本中的历史评分判定待训练评价模型是否满足迭代停止条件(如精度是否达到预设精度等),若否,调节该带训练评价模型的网络参数,并重新执行将训练样本集的训练样本输入至待训练评价模型,以及根据预测评分与该训练样本中的历史评分判定待训练评价模型是否满足迭代停止条件;若是,则停止训练,得到上述商户信用评价模型。
随着商户的经营,其多个维度的标准信用数据会随之发生变化,对应的商户信用评分也可以得到更新。
在一些实施例中,上述S107具体可以包括:
在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,对多个维度的标准信用数据进行语义分析,提取关键特征。
将各维标准信用数据分类至与其关键特征对应的类别中,得到至少一个类别下的分类信用数据。
将至少一个类别下的分类信用数据输入至商户信用评价模型中,由商户信用评价模型根据各类别下的分类信用数据生成类别的信用子评分,并通过至少一个类别的信用子评分和各类别的权重计算得到商户的信用评分。
上述对多个维度的标准信用数据进行语义分析,提取关键特征,可以是按照商户信用评价的文档分类规则,利用自然语言处理的语义分析阅读商户多个维度的标准信用数据的内容,提取关键字(即关键特征)。
上述商户信用评价的文档分类规则可以是按照商户的履约能力和履约表现等至少一个指标进行分类。
上述将各维标准信用数据分类至与其关键特征对应的类别中,得到至少一个类别下的分类信用数据,可以是通过朴素贝叶斯分类算法将各维标准信用数据归属到其关键字相应类目的类别下,得到至少一个类别下的分类信用数据。朴素贝叶斯算法具有算法简单、分类速度快、开发难度小和适应性强等特点,通过选定的朴素贝叶斯算法构建分类模型,最终实现标准信用数据的自动分类。
上述将至少一个类别下的分类信用数据输入至商户信用评价模型中,由商户信用评价模型根据各类别下的分类信用数据生成类别的信用子评分,并通过至少一个类别的信用子评分和各类别的权重计算得到商户的信用评分,例如可以是将标准信用数据分为Ⅰ、Ⅱ和Ⅲ类的分类信用数据,并生成对应类别的信用子评分A、B和C,通过商户信用评价模型预设的Ⅰ、Ⅱ和Ⅲ类的权重w1、w2和w3,计算得到商户的信用评分为A*w1+B*w2+C*w3。
在一个示例中,具体可以通过层次分析法(Analytic Hierarchy Process,AHP)或综合评价方法预测商户信用评分。
上述AHP层次分析法是一种实用的多方案或多目标的评价方法,是一种定性与定量相结合的评价分析方法。常被运用于多目标、多准则、多要素和多层次的非结构化的复杂问题,具有十分广泛的实用性。
上述综合评价方法,可以给与分类信用数据中各类数据不同的权重,计算最终的评分。例如,TOPSIS(Technique for Order Preference by Similarity to an IdealSolution)综合评价方法,通过检测评价对象与最优解、最劣解的距离来进行排序,若评价对象最靠近最优解同时又最远离最劣解,则为最好;否则不为最优。其中最优解的各指标值都达到各评价指标的最优值。最劣解的各指标值都达到各评价指标的最差值。
本实施例中,基于商户信用评价的文档分类规则,通过语义分析对商户多个维度的标准信用数据进行自动分类,并输入至商户信用评价模型中,得到商户的信用评分,不但可以减少工作量,节约人工分类的成本,还可以提高工作效率。
作为本申请的一种实现方式,为了保证商户信用评价真实性,因此还需要考虑商户的非结构化数据,在步骤S101之前,还可以包括:
获取商户多个维度的初始信用数据,多个维度的初始信用数据包括第一结构化数据和非结构化数据。
将多个维度的初始信用数据中的非结构化数据转换为第二结构化数据。
其中,多个维度的标准信用数据包括第一结构化数据和第二结构化数据。
上述结构化数据也称作行数据,是由二维表结构来逻辑表达和实现的数据,严格地遵循数据格式与长度规范,主要通过关系型数据库进行存储和管理。与结构化数据相对的是不适于由数据库二维表来表现的非结构化数据,包括所有格式的办公文档、可扩展标记语言(Extensible Markup Language,XML)、超文本标记语言(Hyper Text MarkupLanguage,HTML)、各类报表、图片和音频和视频信息等数据。
上述商户多个维度的初始信用数据,包括商户基本信息、商户财务信息、商户管理信息、商户担保信息、商户存款信息、商户贷款信息和商户诉讼信息等相关信用数据。
上述将多个维度的初始信用数据中的非结构化数据转换为第二结构化数据可以为通过自然语言处理(Natural Language Processing,NLP)将原来非结构化的商户信息转换为可作为标准输入的信用评价特征值。
上述多个维度的标准信用数据可以为第一结构化数据和非结构化数据转化为第二结构化数据。
本实施例中,考虑非结构化数据的转换,可以在多个维度全面的评价商户信用,提高商户信用评价的真实性。
在一些实施例中,上述非结构化数据包括图片和第一文本。
上述将多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,可以包括:
将多个维度的初始信用数据的非结构化数据中的图片转换成第二文本。
将第二文本以及多个维度的初始信用数据的非结构化数据中的第一文本转换为第二结构化数据。
上述将多个维度的初始信用数据的非结构化数据中的图片转换成第二文本,可以通过图像识别将多个维度的初始信用数据的非结构化数据中的图片转换成第二文本。
上述将第二文本以及多个维度的初始信用数据的非结构化数据中的第一文本转换为第二结构化数据,可以先对第一文本和第二文本进行预处理,清洗掉脏数据,如乱码等,然后定义结构化数据的主题,总结要抽取的文本与主题之间的关系,基于此关系,将第一文本和第二文本转换为第二结构化数据。
本实施例中,通过图像识别和自然语言处理将非结构化的文本转换为可作为标准输入的信用评价特征值,为商户信用评价提供可靠的数据源。
作为本申请的另一种实现方式,为了提高比较结果的准确性,对各历史标准信用数据的权重进行更新,在步骤S104之前,还可以包括:
获取各历史标准信用数据的数据类型信息;
根据预设的各数据类型信息与重要度的对应关系,确定与历史标准信用数据的数据类型信息对应的目标重要度;
根据各历史标准信用数据的目标重要度,对各历史标准信用数据的权重进行更新。
上述数据类型信息,可以是商户的基本数据类型信息,或者是涉及资产(如商户存款信息、商户贷款信息)的资产数据类型信息等。
上述数据类型信息与重要度的对应关系,可以根据用户需求进行设定。例如,基本数据类型信息的重要度可以设置为低于资产数据类型信息的重要度,当然还可以是其他的设定情形,不仅限于此。
本实施例中,根据各历史标准信用数据的目标重要度,对各历史标准信用数据的权重进行更新,计算得到更为准确的各维度的阈值,从而提高比较结果的准确性。
在一些实施例中,在上述根据各历史标准信用数据的目标重要度,对各历史标准信用数据的权重进行更新之前,还包括:
接收用户对至少一个历史标准信用数据的目标输入;
响应于目标输入,调节N个历史标准信用数据的目标重要度。
本实施例中,用户还可以对N个历史标准信用数据的目标重要度进行灵活调节,以使得对各历史标准信用数据的权重进行更新后,可以计算得到更为准确的各维度的阈值,从而提高比较结果的准确性。
基于上述实施例提供的商户信用评价的方法,相应地,本申请还提供了商户信用评价的装置的具体实现方式。请参见以下实施例。
首先参见图2,本申请实施例提供的商户信用评价的装置200,可以包括以下模块:
第一获取模块201,用于获取商户多个维度的标准信用数据;
第二获取模块202,用于获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息;
第一确定模块203,用于基于多个历史标准信用数据的时间信息,确定各个历史标准信用数据的权重;
计算模块204,还用于基于多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值;
比较模块205,用于对各个维度的标准信用数据与对应维度的阈值进行比较,得到比较结果;
提示模块206,用于在比较结果指示多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,预警提示信息用于提示用户审查多个维度的标准信用数据;
评价模块207,用于在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,将多个维度的标准信用数据输入至商户信用评价模型中,得到商户的信用评分。
本实施例中,能够对商户各个维度的标准信用数据与对应维度的阈值进行比较,在比较结果指示多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,将多个维度的标准信用数据输入至商户信用评价模型中,得到商户的信用评分。如此,本申请实施例,可以根据各个维度的标准信用数据与对应维度的阈值验证数据的有效性和准确性,有监督的对商户的多个维度的标准信用数据进行审查,从而提高商户信用评分的真实性。
作为本申请的一种实现方式,为了保证商户信用评价真实性,因此还需要考虑商户的非结构化数据,装置还可以包括:
第三获取模块,用于获取商户多个维度的初始信用数据,多个维度的初始信用数据包括第一结构化数据和非结构化数据;
转换模块,用于将多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,
其中,多个维度的标准信用数据包括第一结构化数据和第二结构化数据。
本实施例中,考虑非结构化数据的转换,可以在多个维度全面的评价商户信用,提高商户信用评价的真实性。
在一些实施例中,非结构化数据可以包括图片和第一文本;
转换模块,还用于将多个维度的初始信用数据的非结构化数据中的图片转换成第二文本;
转换模块,还用于将第二文本以及多个维度的初始信用数据的非结构化数据中的第一文本转换为第二结构化数据。
本实施例中,通过图像识别和自然语言处理将非结构化的文本转换为可作为标准输入的信用评价特征值,为商户信用评价提供可靠的数据源。
在一些实施例中,上述第二获取模块202,具体用于根据所述目标维度的标准信用数据的时间信息,获取预设时段内时间信息与所述目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,所述N为大于1的整数;输出所述N个历史标准信息数据;在接收到对所述N个历史标准信息数据的选取操作的情况下,响应于所述选取操作,获取所述选取操作所选取的多个历史标准信用数据以及各数据的时间信息。
本实施例中,根据目标维度的标准信用数据的时间信息,获取预设时段内时间信息与目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,可以排除不同时间段的历史标准信用数据的干扰,并且在用户有监督的选取操作下,获取数据准确度更高的多个历史标准信用数据以及各数据的时间信息,从而提高数据审查的准确性。
作为本申请的另一种实现方式,为了提高比较结果的准确性,对各历史标准信用数据的权重进行更新,装置200还可以包括:
第四获取模块,用于获取各历史标准信用数据的数据类型信息;
第二确定模块,用于根据预设的各数据类型信息与重要度的对应关系,确定与历史标准信用数据的数据类型信息对应的目标重要度;
更新模块,用于根据各历史标准信用数据的目标重要度,对各历史标准信用数据的权重进行更新。
本实施例中,根据各历史标准信用数据的目标重要度,对各历史标准信用数据的权重进行更新,计算得到更为准确的各维度的阈值,从而提高比较结果的准确性。
在一些实施例中,装置200还可以包括:
接收模块,用于接收用户对至少一个历史标准信用数据的目标输入;
调节模块,用于响应于目标输入,调节N个历史标准信用数据的目标重要度。
本实施例中,用户还可以对N个历史标准信用数据的目标重要度进行灵活调节,以使得对各历史标准信用数据的权重进行更新后,可以计算得到更为准确的各维度的阈值,从而提高比较结果的准确性。
作为本申请的另一种实现方式,为了实现商户的信用评价,上述评价模块207可以具体包括:
提取单元,用于在接收到基于预警提示信息输入的目标审查操作的情况下,响应于目标审查操作,对多个维度的标准信用数据进行语义分析,提取关键特征;
分类单元,用于将各维标准信用数据分类至与其关键特征对应的类别中,得到至少一个类别下的分类信用数据;
评价单元,用于将至少一个类别下的分类信用数据输入至商户信用评价模型中,由商户信用评价模型根据各类别下的分类信用数据生成类别的信用子评分,并通过至少一个类别的信用子评分和各类别的权重计算得到商户的信用评分。
本实施例中,基于商户信用评价的文档分类规则,通过语义分析对商户多个维度的标准信用数据进行自动分类,并输入至商户信用评价模型中,得到商户的信用评分,不但可以减少工作量,节约人工分类的成本,还可以提高工作效率。
图3示出了本申请实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器302可在综合网关容灾设备的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。
在特定实施例中,存储器302可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的第一方面的方法所描述的操作。
处理器301通过读取并执行存储器302中存储的计算机程序指令,以实现上述实施例中的任意一种商户信用评价的方法。
在一个示例中,电子设备还可包括通信接口303和总线310。其中,如图3所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的商户信用评价的方法,从而实现结合图1和图2描述的商户信用评价的方法和装置。
另外,结合上述实施例中的商户信用评价的方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种商户信用评价的方法。
结合上述实施例中的商户信用评价的方法,本申请实施例还可提供一种计算机程序产品来实现。该计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行时实现上述实施例中的任意一种商户信用评价的方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (12)
1.一种商户信用评价的方法,其特征在于,包括:
获取商户多个维度的标准信用数据;
获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息;
基于多个历史标准信用数据的时间信息,确定各个历史标准信用数据的权重;
基于所述多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值;
对各个维度的标准信用数据与对应维度的阈值进行比较,得到比较结果;
在所述比较结果指示所述多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,所述预警提示信息用于提示用户审查所述多个维度的标准信用数据;
在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,将所述多个维度的标准信用数据输入至商户信用评价模型中,得到所述商户的信用评分。
2.根据权利要求1所述的方法,其特征在于,在所述获取商户多个维度的标准信用数据之前,还包括:
获取所述商户多个维度的初始信用数据,所述多个维度的初始信用数据包括第一结构化数据和非结构化数据;
将所述多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,
其中,所述多个维度的标准信用数据包括所述第一结构化数据和所述第二结构化数据。
3.根据权利要求2所述的方法,其特征在于,所述非结构化数据包括图片和第一文本;
所述将所述多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,包括:
将所述多个维度的初始信用数据的非结构化数据中的图片转换成第二文本;
将所述第二文本以及所述多个维度的初始信用数据的非结构化数据中的第一文本转换为第二结构化数据。
4.根据权利要求1所述的方法,其特征在于,所述获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息,包括:
根据所述目标维度的标准信用数据的时间信息,获取预设时段内时间信息与所述目标维度的标准信用数据的时间信息匹配的N个历史标准信息数据,所述N为大于1的整数;
输出所述N个历史标准信息数据;
在接收到对所述N个历史标准信息数据的选取操作的情况下,响应于所述选取操作,获取所述选取操作所选取的多个历史标准信用数据以及各数据的时间信息。
5.根据权利要求1所述的方法,其特征在于,所述基于所述多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值之前,还包括:
获取各所述历史标准信用数据的数据类型信息;
根据预设的各数据类型信息与重要度的对应关系,确定与所述历史标准信用数据的数据类型信息对应的目标重要度;
根据各所述历史标准信用数据的目标重要度,对各所述历史标准信用数据的权重进行更新。
6.根据权利要求5所述的方法,其特征在于,所述根据各所述历史标准信用数据的目标重要度,对各所述历史标准信用数据的权重进行更新之前,还包括:
接收用户对至少一个所述历史标准信用数据的目标输入;
响应于所述目标输入,调节所述N个历史标准信用数据的目标重要度。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,将所述多个维度的标准信用数据输入至商户信用评价模型中,得到所述商户的信用评分,包括:
所述在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,对所述多个维度的标准信用数据进行语义分析,提取关键特征;
将各维所述标准信用数据分类至与其关键特征对应的类别中,得到至少一个类别下的分类信用数据;
将至少一个所述类别下的分类信用数据输入至商户信用评价模型中,由所述商户信用评价模型根据各所述类别下的分类信用数据生成所述类别的信用子评分,并通过至少一个所述类别的信用子评分和各类别的权重计算得到所述商户的信用评分。
8.一种商户信用评价的装置,其特征在于,包括:
第一获取模块,用于获取商户多个维度的标准信用数据;
第二获取模块,用于获取预设时段内各维度的多个历史标准信用数据以及各数据的时间信息;
第一确定模块,用于基于多个历史标准信用数据的时间信息,确定各个历史标准信用数据的权重;
计算模块,还用于基于多个历史标准信用数据中各历史标准信用数据以及其对应的权重,计算得到各维度的阈值;
比较模块,用于对各个维度的标准信用数据与对应维度的阈值进行比较,得到比较结果;
提示模块,用于在所述比较结果指示所述多个维度的标准信用数据不满足预设条件的情况,输出预警提示信息,所述预警提示信息用于提示用户审查所述多个维度的标准信用数据;
评价模块,用于在接收到基于所述预警提示信息输入的目标审查操作的情况下,响应于所述目标审查操作,将所述多个维度的标准信用数据输入至商户信用评价模型中,得到所述商户的信用评分。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第三获取模块,用于获取所述商户多个维度的初始信用数据,所述多个维度的初始信用数据包括第一结构化数据和非结构化数据;
转换模块,用于将所述多个维度的初始信用数据中的非结构化数据转换为第二结构化数据,
其中,所述多个维度的标准信用数据包括所述第一结构化数据和所述第二结构化数据。
10.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的商户信用评价的方法。
11.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的商户信用评价的方法。
12.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-7任意一项所述的商户信用评价的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211108917.4A CN115392934A (zh) | 2022-09-13 | 2022-09-13 | 一种商户信用评价的方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211108917.4A CN115392934A (zh) | 2022-09-13 | 2022-09-13 | 一种商户信用评价的方法、装置、设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115392934A true CN115392934A (zh) | 2022-11-25 |
Family
ID=84125638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211108917.4A Pending CN115392934A (zh) | 2022-09-13 | 2022-09-13 | 一种商户信用评价的方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115392934A (zh) |
-
2022
- 2022-09-13 CN CN202211108917.4A patent/CN115392934A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109872162B (zh) | 一种处理用户投诉信息的风控分类识别方法及系统 | |
CN109360089B (zh) | 贷款风险预测方法及装置 | |
CN104702492A (zh) | 垃圾消息模型训练方法、垃圾消息识别方法及其装置 | |
CN110619535A (zh) | 一种数据处理方法及其装置 | |
CN111861486A (zh) | 异常账户识别方法、装置、设备及介质 | |
CN114118816A (zh) | 一种风险评估方法、装置、设备及计算机存储介质 | |
CN114969498A (zh) | 一种行业龙头信息的推荐方法及装置 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
CN114492389A (zh) | 语料类型的确定方法、装置、设备及存储介质 | |
CN110543910A (zh) | 信用状态监测系统和监测方法 | |
CN115392934A (zh) | 一种商户信用评价的方法、装置、设备及计算机存储介质 | |
CN114417830A (zh) | 风险评价方法、装置、设备及计算机可读存储介质 | |
CN114581209A (zh) | 财务分析模型的训练方法、装置、设备及存储介质 | |
CN115545481A (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
CN115187387B (zh) | 一种风险商家的识别方法及设备 | |
CN112699944B (zh) | 退单处理模型训练方法、处理方法、装置、设备及介质 | |
CN113850085B (zh) | 企业的等级评估方法、装置、电子设备及可读存储介质 | |
CN113076352A (zh) | 审计方法、电子设备及存储介质 | |
CN113157948A (zh) | 非结构化数据的审计方法、电子设备及存储介质 | |
CN113052413A (zh) | 一种风险旅客评估方法、装置、终端及计算机可读介质 | |
Singh | Implementation of User Rating Classification for Amazon FoodReview Dataset Using SVM and LSTM | |
CN114996590A (zh) | 一种分类方法、装置、设备及存储介质 | |
CN115879959A (zh) | 渠道投诉风险确定方法、装置、设备、介质及产品 | |
CN116911857A (zh) | 信息处理方法、装置、设备、介质及产品 | |
CN114186064A (zh) | 标签分类方法、装置、设备及计算机存储介质 |
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 |