CN117408712A - 等级确定方法和装置 - Google Patents
等级确定方法和装置 Download PDFInfo
- Publication number
- CN117408712A CN117408712A CN202311300453.1A CN202311300453A CN117408712A CN 117408712 A CN117408712 A CN 117408712A CN 202311300453 A CN202311300453 A CN 202311300453A CN 117408712 A CN117408712 A CN 117408712A
- Authority
- CN
- China
- Prior art keywords
- information
- enterprise
- category
- information set
- scientific
- 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 66
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 206010019133 Hangover Diseases 0.000 description 1
- 238000000585 Mann–Whitney U test Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及人工智能技术领域,尤其涉及一种等级确定方法、装置。其中,该等级确定方法,包括:根据科技企业集合对应的第一类别信息集合,采用评级模型对科技企业集合进行分类,得到第一分类信息集合;采用评级模型,获取第一分类信息集合中任一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;获取第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;在秩和检验信息为秩和检验未通过信息的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级。采用本公开可以提高信用等级确定的准确性。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及一种等级确定方法和装置。
背景技术
随着科学技术的发展,专精特新科创型企业是当前最受市场关注的新型企业群体,其以增长潜力大、投资回报率高、政策支持力度大、资金技术门槛高而备受金融行业乃至政府部门关注。例如可以评级模型对科创型企业进行信用等级评估,由于科技企业的价值可以随着外部环境的变化而变化,导致信用等级的获取准确性较低。
发明内容
本公开提供一种等级确定方法和装置,以提高信用等级确定的准确性。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种等级确定方法,包括:
根据科技企业集合对应的第一类别信息集合,采用评级模型对所述科技企业集合进行分类,得到第一分类信息集合;
采用所述评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;
获取所述第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;
在所述秩和检验信息为秩和检验未通过信息的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合,并对所述任一科技企业的第一信用等级进行调整,获取所述任一科技企业的第二信用等级,其中,所述第二类别信息集合为合并后的第一类别信息集合。
根据一些实施例,所述在所述秩和检验信息为秩和检验未通过信息的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合,包括:
在所述秩和检验信息为秩和检验未通过信息的情况下,发出针对所述任意两个第一类别信息的合并提示信息;
在接收到针对所述合并提示信息的确认指令的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合。
根据一些实施例,所述方法还包括:
在获取到所述第一信用等级的情况下,获取所述第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第一动态基尼系数;
每隔预设时长,获取一次所述第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第二动态基尼系数;
根据调节时长和调节参数,对所述第二动态基尼系数进行调节,获取到第三动态基尼系数,其中,所述调节时长为所述第一动态基尼系数的第一获取时间点和所述第二动态基尼系数的第二获取时间点之间的时长;
在所述第三基尼系数和所述第二基尼系数之间的比值大于比值阈值的情况下,确定所述任一第二类别信息不满足第一分类要求。
根据一些实施例,在所述确定所述任一第二类别信息不满足第一分类要求之后,还包括:
在所述第二类别信息集合不满足第二分类要求的情况下,获取针对所述第二类别信息集合中任一第二类别信息对应的分类划分信息;
在获取到所述第二类别信息集合中每个类别信息对应的分类划分信息的情况下,将所述每个类别信息对应的分类划分信息作为第三类别信息集合;
将所述第三类别信息集合作为所述第一类别信息集合,执行采用所述评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级的步骤,直至获取到满足分类要求的第二分类信息集合。
根据一些实施例,所述获取到满足分类要求的第二分类信息集合之后,还包括:
根据所述第二分类信息集合中任一第二分类信息对应的至少一个第一信用等级,采用违约率预测模型对所述任一第二分类信息对应的科技企业子集进行违约率预测,获取所述至少一个第二信用等级中任一第二信用等级对应的违约率。
根据一些实施例,所述方法还包括:
在所述至少一个第二信用等级中存在任意两个第二信用等级对应的违约率不满足违约率要求的情况下,对所述任意两个第二信用等级对应的违约率进行修正,得到修正后的违约率。
根据一些实施例,所述方法还包括:
根据所述至少一个第二信用等级中任一第二信用等级对应的违约率和违约率置信区间算法,确定所述任一第二信用等级对应的违约率置信区间。
根据本公开实施例的第二方面,提供一种等级确定装置,包括:
等级获取单元,用于根据科技企业集合对应的第一类别信息集合,采用评级模型对所述科技企业集合进行分类,得到第一分类信息集合;
信息获取单元,用于采用所述评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;
所述信息获取单元,还用于获取所述第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;
等级调整单元,用于在所述秩和检验信息为秩和检验未通过信息的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合,并对所述任一科技企业的第一信用等级进行调整,获取所述任一科技企业的第二信用等级,其中,所述第二类别信息集合为合并后的第一类别信息集合。
根据本公开实施例的第三方面,提供一种终端设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现前述一方面中任一项所述的等级确定方法。
根据本公开实施例的第四方面,提供了一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述一方面中任一项所述的等级确定方法。
根据本公开实施例的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现前述一方面中任一项所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
在一些或者相关实施例中,通过根据科技企业集合对应的第一类别信息集合,采用评级模型对所述科技企业集合进行分类,得到第一分类信息集合;采用所述评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;获取所述第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;在所述秩和检验信息为秩和检验未通过信息的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合,并对所述任一科技企业的第一信用等级进行调整,获取所述任一科技企业的第二信用等级,其中,所述第二类别信息集合为合并后的第一类别信息集合。因此,可以在确定第一信用等级之后,采用秩和检验方式确定类别信息划分是否准确,可以对类别信息集合进行调整,可以提高评级模型的有效性,可以减少类别信息不准确使得信用等级确定不准确的情况,可以提高信用等级获取的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种等级确定方法的流程图;
图2是根据一示例性实施例示出的一种等级确定方法的流程图;
图3是根据一示例性实施例示出的一种等级确定方法的举例示意图;
图4是根据一示例性实施例示出的一种等级确定装置的框图;
图5是根据一示例性实施例示出的一种终端设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
本公开实施例提出了等级确定方法和装置。在一些实施例中,等级确定方法与信息处理方法、通信方法等术语可以相互替换,等级确定装置与信息处理装置、通信装置等术语可以相互替换,信息处理系统、通信系统等术语可以相互替换。
本公开实施例并非穷举,仅为部分实施例的示意,不作为对本公开保护范围的具体限制。在不矛盾的情况下,某一实施例中的每个步骤均可以作为独立实施例来实施,且各步骤之间可以任意组合,例如,在某一实施例中去除部分步骤后的方案也可以作为独立实施例来实施,且在某一实施例中各步骤的顺序可以任意交换,另外,某一实施例中的可选实现方式可以任意组合;此外,各实施例之间可以任意组合,例如,不同实施例的部分或全部步骤可以任意组合,某一实施例可以与其他实施例的可选实现方式任意组合。
在各本公开实施例中,如果没有特殊说明以及逻辑冲突,各实施例之间的术语和/或描述具有一致性,且可以互相引用,不同实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
本公开实施例中所使用的术语只是为了描述特定实施例的目的,而并非作为对本公开的限制。
在本公开实施例中,除非另有说明,以单数形式表示的元素,如“一个”、“一种”、“该”、“上述”、“所述”、“前述”、“这一”等,可以表示“一个且只有一个”,也可以表示“一个或多个”、“至少一个”等。例如,在翻译中使用如英语中的“a”、“an”、“the”等冠词(article)的情况下,冠词之后的名词可以理解为单数表达形式,也可以理解为复数表达形式。
在本公开实施例中,“多个”是指两个或两个以上。
在一些实施例中,“至少一者(至少一项、至少一个)(at least one of)”、“一个或多个(one or more)”、“多个(a plurality of)”、“多个(multiple)等术语可以相互替换。
在一些实施例中,“A、B中的至少一者”、“A和/或B”、“在一情况下A,在另一情况下B”、“响应于一情况A,响应于另一情况B”等记载方式,根据情况可以包括以下技术方案:在一些实施例中A(与B无关地执行A);在一些实施例中B(与A无关地执行B);在一些实施例中从A和B中选择执行(A和B被选择性执行);在一些实施例中A和B(A和B都被执行)。当有A、B、C等更多分支时也类似上述。
在一些实施例中,“A或B”等记载方式,根据情况可以包括以下技术方案:在一些实施例中A(与B无关地执行A);在一些实施例中B(与A无关地执行B);在一些实施例中从A和B中选择执行(A和B被选择性执行)。当有A、B、C等更多分支时也类似上述。
本公开实施例中的“第一”、“第二”等前缀词,仅仅为了区分不同的描述对象,不对描述对象的位置、顺序、优先级、数量或内容等构成限制,对描述对象的陈述参见权利要求或实施例中上下文的描述,不应因为使用前缀词而构成多余的限制。例如,描述对象为“字段”,则“第一字段”和“第二字段”中“字段”之前的序数词并不限制“字段”之间的位置或顺序,“第一”和“第二”并不限制其修饰的“字段”是否在同一个消息中,也不限制“第一字段”和“第二字段”的先后顺序。再如,描述对象为“等级”,则“第一等级”和“第二等级”中“等级”之前的序数词并不限制“等级”之间的优先级。再如,描述对象的数量并不受序数词的限制,可以是一个或者多个,以“第一装置”为例,其中“装置”的数量可以是一个或者多个。此外,不同前缀词修饰的对象可以相同或不同,例如,描述对象为“装置”,则“第一装置”和“第二装置”可以是相同的装置或者不同的装置,其类型可以相同或不同;再如,描述对象为“信息”,则“第一信息”和“第二信息”可以是相同的信息或者不同的信息,其内容可以相同或不同。
在一些实施例中,“包括A”、“包含A”、“用于指示A”、“携带A”,可以解释为直接携带A,也可以解释为间接指示A。
在一些实施例中,“响应于……”、“响应于确定……”、“在……的情况下”、“在……时”、“当……时”、“若……”、“如果……”等术语可以相互替换。
在一些实施例中,“大于”、“大于或等于”、“不小于”、“多于”、“多于或等于”、“不少于”、“高于”、“高于或等于”、“不低于”、“以上”等术语可以相互替换,“小于”、“小于或等于”、“不大于”、“少于”、“少于或等于”、“不多于”、“低于”、“低于或等于”、“不高于”、“以下”等术语可以相互替换。
在一些实施例中,装置和设备可以解释为实体的、也可以解释为虚拟的,其名称不限定于实施例中所记载的名称,在一些情况下也可以被理解为“设备(equipment)”、“设备(device)”、“电路”、“网元”、“节点”、“功能”、“单元”、“部件(section)”、“系统”、“网络”、“芯片”、“芯片系统”、“实体”、“主体”等。
在一些实施例中,“网络”可以解释为网络中包含的装置,例如,接入网设备、核心网设备等。
在一些实施例中,“终端(terminal)”或“终端设备(terminal device)”可以被称为“用户设备(user equipment,UE)”、“用户终端(user terminal)”、“移动台(mobilestation,MS)”、“移动终端(mobile terminal,MT)”、订户站(subscriber station)、移动单元(mobile unit)、订户单元(subscriber unit)、无线单元(wireless unit)、远程单元(remote unit)、移动设备(mobiledevice)、无线设备(wireless device)、无线通信设备(wireless communication device)、远程设备(remote device)、移动订户站(mobilesubscriber station)、接入终端(access terminal)、移动终端(mobile terminal)、无线终端(wireless terminal)、远程终端(remote terminal)、手持设备(handset)、用户代理(user agent)、移动客户端(mobile client)、客户端(client)等。
在一些实施例中,获取数据、信息等可以遵照所在地国家的法律法规。
在一些实施例中,可以在得到用户同意后获取数据、信息等时。
此外,本公开实施例的表格中的每一元素、每一行、或每一列均可以作为独立实施例来实施,任意元素、任意行、任意列的组合也可以作为独立实施例来实施。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种等级确定方法的流程图,如图1所示,包括以下步骤:
在步骤S11中,根据科技企业集合对应的第一类别信息集合,采用评级模型对科技企业集合进行分类,得到第一分类信息集合;
在一些实施例之中,科技企业集合是指由至少一个科技企业汇聚而成的集体。该科技企业例如可以是专精特新科创型企业。其中,专精特新科创型企业例如可以是指企业具有专业化、精细化、特色化、新颖化的发展特征。随着市场的变化,某一科技企业的价值会随之变化,因此对该科技企业进行及时评估尤为重要。该科技企业集合并不特指某一固定集合。例如,当科技企业集合中任一科技企业发生变化时,该科技企业集合也可以相应变化。例如,当科技企业集合对应的科技企业数量发生变化时,该科技企业集合也可以相应变化。
根据一些实施例,第一类别信息集合是指在由至少一个第一类别信息汇聚而成的集体。该第一类别信息例如可以是首次对科技企业集合进行分类时所获取到的类别信息。第一类别信息集合并不特指某一固定类别信息集合。例如,当第一类别信息集合中包括的第一类别信息数量发生变化时,该第一类别信息集合也可以相应变化。例如,当第一类别信息集中任一第一类别信息发生变化时,该第一类别信息集合也可以相应变化。
根据一些实施例,评级模型是指用于对任一科技企业进行识别,得到的与任一科技企业对应的第一信用等级。该评级模型例如可以基于科技企业的基础信息确定任一科技企业对应的第一信用等级。该评级模型例如还可以基于科技企业的基础信息和任一类别信息确定任一科技企业对应的第一信用等级,具体例如可以是评级模型包括与任一类别信息对应的计算公式,采用该计算公式和任一科技企业的基础信息确定任一科技企业的第一信用等级。该评级模型并不特指某一固定信息,例如,当接收到针对该评级模型的参数修改指令时,该评级模型也可以相应变化。例如,当评级模型对应的训练方式发生变化时,该评级模型也可以相应变化。例如,该训练模型例如可以是预先训练完成用于确定第一信用等级的模型。
在一些实施例之中,第一分类信息集合是指根据第一类别信息集合对科技企业集合进行分类之后,得到的与科技企业对应的分类信息集合。第一分类信息集合并不特指某一固定分类信息集合。例如,第一类别信息集合对应的分类界限发生变化时,该第一分类信息集合也可以相应变化。例如,当科技企业对应的分类指示信息发生变化时,该第一分类信息集合也可以相应变化。分类指示信息例如可以是用于进行分类的信息。
根据一些实施例,例如可以根据科技企业集合对应的第一类别信息集合,采用评级模型对科技企业集合进行分类,得到第一分类信息集合。
在步骤S12中,采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;
根据一些实施例,科技企业子集例如可以包括科技企业集合中与任一类别信息对应的至少一个科技企业。该科技企业子集并不特指某一固定集合,例如,当任一类别信息发生变化时,该科技企业子集也可以相应变化。例如,当科技企业集合发生变化时,该科技企业子集相应变化。
根据一些实施例,第一信用等级是指采用评级模型获取到的任一科技企业的等级。该第一信用等级并不特指某一固定等级。第一信用等级中的第一仅用于第二信用等级进行区分。例如,当任一科技企业对应的基础信息发生变化时,该第一信用等级也可以相应变化。其中,该基础信息包括但不限于“企业年营业额”、“负债金额”、“企业成立年限”、“软件著作权数量”、“专利数量”、“是否获得国家认证的各类科技型企业奖项”、“年利润率”等。例如,当科技企业集合对应的第一类别信息集合发生变化时,该第一信用等级也可以相应变化。
根据一些实施例,可以采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级。
在步骤S13中,获取第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;
根据一些实施例,秩和检验信息是指对任意两个第一类别信息进行秩和检验之后得到的信息。该秩和检验方法例如可以用于确定任意两个第一类别信息是否可以合并。例如,可以对科技企业集合进行遍历,获取第一类别信息集合中所有第一类别信息两两之间的秩和检验信息,并根据该秩和检验信息确定是否对该秩和检验信息对应的两个第一类别信息进行合并。
在一些实施例之中,可以获取科技企业集合对应的第一类别信息集合中任意两个第一类别信息进行秩和统计检验,获取任意两个第一类别信息对应的秩和检验信息。
在步骤S14中,在秩和检验信息为秩和检验未通过信息的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级。
在一些实施例之中,秩和检验通过信息例如可以是获取的任意两个第一类别信息的检验值(检验p值)小于临界阈值。其中,秩和检验通过信息例如用于该秩和检验信息对应的两个第一类别信息差异满足差异要求,不需要对该秩和检验信息对应的两个第一类别信息进行合并。
秩和检验未通过信息例如可以是获取的任意两个第一类别信息的检验值(检验p值)大于等于临界阈值。其中,秩和检验未通过信息例如用于该秩和检验信息对应的两个第一类别信息差异不满足差异要求,需要对该秩和检验信息对应的两个第一类别信息进行合并。
在一些实施例之中,第二分类信息集合是指采用第二类别信息集合对科技企业集合进行分类得到的分类信息集合。其中,第二分类信息集合并不特指某一固定分类信息。例如,当第一分类信息集合发生变化时,该第二分类信息集合也可以相应变化。例如,当秩和检验信息对应的临界阈值发生变化时,该第二分类信息集合也可以相应变化。其中,第二类别信息集合为合并后的第一类别信息集合。
根据一些实施例,第二信用等级是指对第一信用等级进行调整之后获取到的信用等级。该第二信用等级例如可以是评级模型重新对任一科技企业进行识别得到的信用等级。
在一些实施例之中,由于第一信用等级是根据类别信息和/或基础信息获取到的,因此在类别信息发生变化时,该第一信用等级也需要相应调整。
在一些实施例之中,在秩和检验信息为秩和检验未通过信息的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级。
在一些或者相关实施例中,通过根据科技企业集合对应的第一类别信息集合,采用评级模型对科技企业集合进行分类,得到第一分类信息集合;采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;获取第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;在秩和检验信息为秩和检验未通过信息的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级,其中,第二类别信息集合为合并后的第一类别信息集合。因此,可以在确定第一信用等级之后,采用秩和检验方式确定类别信息划分是否准确,可以对类别信息集合进行调整,可以提高评级模型的有效性,可以减少类别信息不准确使得信用等级确定不准确的情况,可以提高信用等级获取的准确性。
图2是根据一示例性实施例示出的一种等级确定方法的流程图,如图2所示,包括以下步骤:
在步骤S21中,根据科技企业集合对应的第一类别信息集合,采用评级模型对科技企业集合进行分类,得到第一分类信息集合;
具体过程如上所述,此处不再赘述。
其中,第一类别信息例如可以包括上市类别信息、员工数量、企业的行业类别中至少一个。其中,第一类别信息例如可以包括上市类别信息、员工数量、企业的行业类别。上市类别信息包括是否上市且上市处于阶段。其中,行业类别分为M个种类,是否上市且上市进入哪个阶段分为N个阶段,员工数量分为L个规模等级,则可进行类别信息划分的最大种类个数为:M*N*L。其中,M、N、L均为正整数。
在一些实施例之中,为了提高分类的灵活性和精准度,在按照最大种类个数分好类后,可以根据不同类别信息之间的科技企业的基础信息,采用秩和统计检验方法来确定任意两个类别信息是否应该合并,通过遍历法,将所有类别信息两两比对进行秩和检验确认是否对该两个类别信息进行合并,在遍历完成之后可以得到第三类别信息集合。基于同一类别的科技企业在信用等级数据分布特性上具有高度相似性,因此,如果两个类别信息的信用等级数据特性在秩和检验下过于接近,可以将两个类别信息合并为一类。
根据一些实施例,第一类别信息集合例如可以包括上市类别信息、员工数量、企业的行业类别中至少一个。例如,假设有10000个科技企业,行业类别分为a和b,是否上市且上市进入哪个阶段分为c,d,f三个阶段,员工数量分为g和h。则科技企业可分的最大类别个数为:2*3*2=12种。例如可以先从第一个类别信息进行划分,即行业类别,将10000家企业根据类别分为2类,假设a类4000家,b类6000家,则第一个类别信息划分完毕;再采用第二个类别信息即上市阶段进行进一步划分,假设a类企业处于c,d,f三个阶段的数量分别记为ac类1000家、ad类1000家、af类1000家,b类企业处于c,d,f三个阶段的数量分别记为bc类2000家、bd类2000家、bf类2000家,则第二个类别信息划分完毕;在采用第三个类别信息即员工数量进行ac、ad、af、bc、bd、bf的再划分,假设10000个科技企业对应的第一分类信息集合记为:
acg类400家、ach类600家、
adg类500家、adh类500家、
afg类1000家、afh类1000家、
bcg类1000家、bch类1000家、
bdg类1000家、bdh类1000家、
bfg类1500家、bfh类500家。
在步骤S22中,采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;
具体过程如上所述,此处不再赘述。
根据一些实施例,评级模型中例如可以包括第一信用等级对应的计算公式。该计算公式例如可以是根据企业的历史经营经验确定的,例如可以是一个基础信息对应一个分数,将各基础信息对应分数和各基础信息对应权重进行累加可以得到任一科技企业的最终得分,并根据该最终得分,确定任一科技企业的第一信用等级。其中,计算公式并不作限定,例如,权重发生变化时,该计算公式也可以相应变化。
在一些实施例之中,例如还可以根据对科技企业集合进行类别划分,根据不同类别对应的信用等级计算公式和任一科技企业对应的基础信息,确定该任一科技企业对应的最终得分。因此,将相似属性的科技企业归整到一起,即由于同一个类别下的科技企业具有相似性,采用同一评分方式可以提高科技企业分类的准确性。
在一些实施例之中,在使用评级模型之前,例如可以获取科技企业集合中各科技企业对应的基础信息。该基础信息包括但不限于“企业年营业额”、“负债金额”、“企业成立年限”、“软件著作权数量”、“专利数量”、“是否获得国家认证的各类科技型企业奖项”、“年利润率”等。在获取到任一科技企业对应的基础信息时,可以检测该基础信息是否满足信息要求。该信息要求例如可以是基础信息对应的种类数量是否大于等于种类数量阈值。例如,在任一科技企业对应的基础信息不满足信息要求时,可以获取该基础信息汇总的缺失信息。获取与该科技企业相似度大于相似度阈值的其余科技企业的基础信息。根据该缺失信息和其余科技企业的基础信息中与该缺失信息对应的信息,确定该任一科技企业的缺失信息。
在一些实施例之中,例如,当A科技企业的a数据缺失时,可以获取B企业的a数据、C企业的a数据和D企业的a数据。例如可以获取B企业的a数据、C企业的a数据和D企业的a数据的均值,并将该均值作为A科技企业的a数据。
例如,当任一科技企业的基础信息中缺失信息的数量大于信息数量阈值时,直接剔除该任一科技企业,减少信息过于不完整无法对该任一科技企业进行准确识别,导致资源浪费的情况。
例如,当任一科技企业的基础信息中缺失信息的数量大于信息数量阈值时,将该任一科技企业的第一信用等级设置为预设等级。其中,预设等级例如可以是多个第一信用等级中的最低信用等级。
根据一些实施例,在获取到以上的第一分类信息集合时,例如获取到以上12种分类结果即为最大类别下的划分情况,则可对12种类别划分下的科技企业,分别采用评级模型进行识别,计算出各类别信息对应的科技企业子集,记为{Racg}、{Rach}、{Radg}、{Radh}、{Rafg}、{Rafh}、{Rbcg}、{Rbch}、{Rbdg}、{Rbdh}、{Rbfg}、{Rbfh}。
在步骤S23中,获取第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;
具体过程如上所述,此处不再赘述。
在步骤S24中,在秩和检验信息为秩和检验未通过信息的情况下,发出针对任意两个第一类别信息的合并提示信息;
具体过程如上所述,此处不再赘述,
根据一些实施例,在确定秩和检验信息为秩和检验未通过信息的情况下,可以发出针对任意两个第一类别信息的合并提示信息。其中,合并提示信息用于提示是否对任意两个第一类别信息进行合并。
根据一些实施例,在获取到科技企业子集,{Racg}、{Rach}、{Radg}、{Radh}、{Rafg}、{Rafh}、{Rbcg}、{Rbch}、{Rbdg}、{Rbdh}、{Rbfg}、{Rbfh}时,可以在第一信用等级获取完毕后,将两两类别信息采用秩和检验。其中,本公开实施例不对秩和检验做限定。例如,该秩和检验可以是Mann-Whitney检验法,例如还可以是Wilcoxon秩和检验。例如科技企业子集{Racg}和{Rach}的秩和检验通过,例如可以是检验p值小于临界阈值,则说明两个第一类别信息对应的科技企业子集之间差异性满足差异要求,则不需要对第一类别信息集合进行任何处理。例如科技企业子集{Racg}和{Rach}的秩和检验未通过,例如可以是检验p值大于等于临界阈值,则说明两个第一类别信息对应的科技企业子集之间差异性不满足差异要求,可以是指科技企业子集{Racg}和{Rach}对应的两个第一类别信息为同一类别,则需要对科技企业子集{Racg}和{Rach}对应的两个第一类别信息进行合并,可以发出针对任意两个第一类别信息的合并提示信息。其中,p值的临界阈值例如可以是0.05,或者是在0.4-0.6之间取值。
在步骤S25中,在接收到针对合并提示信息的确认指令的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级。
具体过程如上所述,此处不在赘述。
根据一些实施例,在接收到针对合并提示信息的确认指令的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级。
在一些实施例之中,例如科技企业子集{Racg}和{Rach}的秩和检验未通过,例如可以是检验p值大于等于临界阈值,则说明两个第一类别信息对应的科技企业子集之间差异性不满足差异要求,可以是指科技企业子集{Racg}和{Rach}对应的两个第一类别信息为同一类别,则需要对科技企业子集{Racg}和{Rach}对应的两个第一类别信息进行合并,可以发出针对任意两个第一类别信息的合并提示信息。可以在接收到针对合并提示信息的确认指令时,对任意两个第一类别信息进行合并,可以得到第二类别信息集合。
根据一些实施例,在获取到第一信用等级的情况下,获取第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第一动态基尼系数;每隔预设时长,获取一次第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第二动态基尼系数;根据调节时长和调节参数,对第二动态基尼系数进行调节,获取到第三动态基尼系数,其中,调节时长为第一动态基尼系数的第一获取时间点和第二动态基尼系数的第二获取时间点之间的时长;在第三基尼系数和第二基尼系数之间的比值大于比值阈值的情况下,确定任一第二类别信息不满足第一分类要求。可以提供评级模型的预警机制,可以减少科技企业的信息在发生变化时,使得信用等级确定不准确性的情况,可以重新评定信用等级,可以提高信用等级确定的准确性。
根据一些实施例,预设时长是指相邻两次模型评估所间隔的时长。该预设时长并不特指某一固定时长,例如,当接收到预设时长的修改指令时,可以对该预设时长进行修改。该预设时长例如可以是3个月。由于随着时间的变化,科技企业的基础信息中任一信息可以发生变化,例如“负债金额”、“企业成立年限”、“软件著作权数量”、“专利数量”、“是否获得国家认证的各类科技型企业奖项”中任一信息发生变化,该科技企业的信用等级也可以相应变化,此时采用之前的类别信息进行分类以及信用等级的评定使得信用等级获取的准确性较差,因此,每隔预设时长进行一次类别的重新划分以及信用等级的确定,可以提高信用等级的准确性。
在一些实施例之中,同一类别信息对应的科技企业子集中的至少一个科技企业在各项属性上是相似的,因此在信用等级上至少一个科技企业对应的第一信用等级之间差别不能大于差别阈值。在差别大于差别阈值时,第一类别信息集合则不满足类别信息要求,需要对第一类别信息集合进行调整。因此,基于动态基尼系数可以确定评级模型是否失效。
根据一些实施例,在对科技企业集合进行分类以及获取到任一科技企业对应的第一信用等级时,可以计算任一类别信息对应的所有信用等级的动态基尼系数。其中,动态基尼系数的计算公式如公式(1)所示。
其中,Gini就是任一类别信息内任一信用等级对应的基尼系数;
δ:调节参数;
T:预设时长,即上一次分类划分完成时间点到方案执行时间点之间的间隔时长。
在一些实施例之中,δ可以是根据参数设置指令设定的,例如,δ的取值可以小于等于0.2。
根据一些实施例,本公开实施例分类划分是指对第一类别信息集合进行调整,并非针对任一科技企业所属类别进行调整。第一类别分类信息集合例如可以包括上市类别信息、员工数量、企业的行业类别,可以是对上市类别信息、员工数量、企业的行业类别进行重新划分。
其中,由于分类信息随着时间的推移会造分类不准确的情况,因此可以将时间累计效应纳入模型评估中,用于对基尼系数进行调整。
其中,当第三基尼系数与第二基尼系数比值指示第一类别信息集合中的出现异常的类别信息大于信息阈值时,可以第一类别信息集合进行重新划分。
根据一些实施例,在确定任一第二类别信息不满足第一分类要求之后,还包括:
在第二类别信息集合不满足第二分类要求的情况下,获取针对第二类别信息集合中任一第二类别信息对应的分类划分信息;
在获取到第二类别信息集合中每个类别信息对应的分类划分信息的情况下,将每个类别信息对应的分类划分信息作为第三类别信息集合;
将第三类别信息集合作为第一类别信息集合,执行采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级的步骤,直至获取到满足分类要求的第二分类信息集合,因此,可以对类别信息集合进行重新划分,可以提高第二分类信息集合获取的准确性。
其中,第二类别信息集合不满足第二分类要求例如可以是第二类别信息集合中所有第二类别信息中存在预设数量的第二类别信息不满足第一分类要求。其中,第二类别信息集合不满足第二分类要求例如可以是第二类别信息集合中不满足第一分类要求的第二类别信息的数量占所有第二类别信息的比值超过预设比值。其中,预设比值例如可以是30%。本公开实施例对此不作限定。
其中,获取第二类别信息集合中每个类别信息对应的分类划分信息,例如可以是采用秩和检验方法,在第二类别信息集合中任意两个第二类别信息对应的秩和检验信息为秩和检验未通过时,对任意两个第二类别信息进行合并的分类划分方法。例如还可以是,接收针对每个类别信息对应的分类划分指令,基于该分类划分指令获取分类划分信息。本公开实施例对此不作限定。
根据一些实施例,第二基尼系数例如可以是G0,第三基尼系数例如可以是G。比例阈值例如可以是1.5,在第三基尼系数G和第二基尼系数G0的比值为1.6大于1.5时,可以对第一类别信息集合进行调整。
根据一些实施例,获取到满足分类要求的第二分类信息集合之后,还包括:
根据第二分类信息集合中任一第二分类信息对应的至少一个第一信用等级,采用违约率预测模型对任一第二分类信息对应的科技企业子集进行违约率预测,获取至少一个第二信用等级中任一第二信用等级对应的违约率,因此可以提供违约率确定机制,可以提高对科技企业管理的智能性。
根据一些实施例,该方法还包括:
在至少一个第二信用等级中存在任意两个第二信用等级对应的违约率不满足违约率要求的情况下,对任意两个第二信用等级对应的违约率进行修正,得到修正后的违约率,因此,在违约率不满足违约率要求时可以对违约率进行调整,可以提高违约率的确定的准确性,提高为科技企业风险管理提供合理的依据。
根据一些实施例,该方法还包括:
根据至少一个第二信用等级中任一第二信用等级对应的违约率和违约率置信区间算法,确定任一第二信用等级对应的违约率置信区间。
在一些实施例之中,例如可以按月度统计收集,基于每个类别信息的各信用等级的科技企业月度平均违约率时间序列数据,采用时间序列方法ARMA-GARCH模型进行数据拟合,ARMA-GARCH模型定义如下:
对时间序列{Xt,t=1,2,…},如果其生成机制满足:
Xt-μt=σtZt
其中:
则认为该时间序列服从ARMA(p1,q1)-GARCH(p2,q2)模型分布。其中,μ、φi、θj、ω、αi、βj为待优化的模型参数;p1、q1、p2、q2为时间序列模型的构造参数例如可以预先设定,且这些构造参数只能取正整数。例如,p1=q1=p2=q2=1。
其中,在一个实施例指之中,各信用等级的平均违约率数据经过模型拟合后,采用拟合好的违约率模型预测各等级企业未来的平均违约率,假设信用等级总共划分为K个级别,则可得到各等级的平均违约率预测数据{Pu,u=1,2,…,K}。
根据一些实施例,等级越高的科技企业信用会更良好,例如在出现低等级的违约率低于高等级的违约率,即出现信用倒挂现象,则可以对预测结果进行修正。其中,修正方法不唯一,例如可以将高、低等级的违约率求加权平均然后同时替换两个等级的原有数据,例如还可以将两个等级的历史违约率数据进行清洗或二次加工再重新进行模型拟合直至信用倒挂现象消除。
其中,评级模型和违约率预测模型可以为同一模型,也可以是不同的模型。
其中,在本公开的一个实施例之中,违约率预测模型的预测结果例如可以展示各信用等级的平均违约率估计值,例如还可以提供各等级的违约概率置信区间的确定机制,因此根据该置信区间可以展示各个等级的违约概率波动范围。例如相邻两个等级的置信区间的边界确定采用几何平均方法。
根据一些实施例,例如同一第二分类信息的三个信用等级的平均违约率预测值:P1、P2、P3,可以取作为信用等级1和2之间的违约率边界,取/>作为信用等级2和3之间的违约率边界。信用等级1和3的下、上边界分别采用/>和P3+/>即/>和/>)作为下、上边界,因此可以让P1、P3到其对应信用等级的上、下边界的距离一致。于是三个信用等级的置信区间分别为:
根据一些实施例,图3是根据一示例性实施例示出的一种等级确定方法的举例示意图。例如可以包括四个步骤,其中:
步骤1:数据收集整理。将建立评级模型所需的科技企业的基础信息收集清理,对缺失数据进行修正补充。
步骤2:定期信息维护。定期对科技企业的类别划分方法和信用等级评定进行信息维护,将企业所属行业、上市阶段、员工规模不断进行数据更新,调整科技企业的类别划归,修正科技企业的信用等级。
步骤3:类别划分方式预警。基于调整后的企业类别划归和信用等级修正结果,计算动态基尼系数,观察其是否超过临界阈值。在动态基尼系数超过临界阈值重新记性类别划分方法,并在建立新的类别划分完成后重新计算出动态基尼系数,以用作后续划分方式是否依然有效的评判依据。
步骤4:科技企业的信用违约率评估。对各类别信息对应的各等级的科技企业平均违约率采用时间序列方法进行预测,并基于几何平均法计算各等级的违约率置信区间,以此形式展示各等级企业违约风险,用于对科技企业进行评估。
其中,各个步骤的具体描述请参上上述步骤,此处不再赘述。
在一些或者相关实施例中,通过在秩和检验信息为秩和检验未通过信息的情况下,发出针对任意两个第一类别信息的合并提示信息;在接收到针对合并提示信息的确认指令的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级。因此,可以在确定秩和检验未通过信息之后,发出合并提示信息,可以减少直接进行类别信息合并使得类别信息集合获取不准确的情况,可以提高类别信息集合获取的准确性,提高评级模型的准确性,提高信用等级确定的准确性。
图4是根据一示例性实施例示出的一种等级确定装置框图。参照图4,该等级确定装置400包括:
等级获取单元401,用于根据科技企业集合对应的第一类别信息集合,采用评级模型对科技企业集合进行分类,得到第一分类信息集合;
信息获取单元402,用于采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;
信息获取单元402,还用于获取第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;
等级调整单元403,用于在秩和检验信息为秩和检验未通过信息的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级,其中,第二类别信息集合为合并后的第一类别信息集合。
根据一些实施例,等级调整单元403,用于在秩和检验信息为秩和检验未通过信息的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合时,具体用于:
在秩和检验信息为秩和检验未通过信息的情况下,发出针对任意两个第一类别信息的合并提示信息;
在接收到针对合并提示信息的确认指令的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合。
根据一些实施例,等级调整单元403,还用于:
在获取到第一信用等级的情况下,获取第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第一动态基尼系数;
每隔预设时长,获取一次第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第二动态基尼系数;
根据调节时长和调节参数,对第二动态基尼系数进行调节,获取到第三动态基尼系数,其中,调节时长为第一动态基尼系数的第一获取时间点和第二动态基尼系数的第二获取时间点之间的时长;
在第三基尼系数和第二基尼系数之间的比值大于比值阈值的情况下,确定任一第二类别信息不满足第一分类要求。
根据一些实施例,等级调整单元403,用于在确定任一第二类别信息不满足第一分类要求之后,还具体用于:
在第二类别信息集合不满足第二分类要求的情况下,获取针对第二类别信息集合中任一第二类别信息对应的分类划分信息;
在获取到第二类别信息集合中每个类别信息对应的分类划分信息的情况下,将每个类别信息对应的分类划分信息作为第三类别信息集合;
将第三类别信息集合作为第一类别信息集合,执行采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级的步骤,直至获取到满足分类要求的第二分类信息集合。
根据一些实施例,等级调整单元403,用于获取到满足分类要求的第二分类信息集合之后,还具体用于:
根据第二分类信息集合中任一第二分类信息对应的至少一个第一信用等级,采用违约率预测模型对任一第二分类信息对应的科技企业子集进行违约率预测,获取至少一个第二信用等级中任一第二信用等级对应的违约率。
根据一些实施例,等级调整单元403,还用于:
在至少一个第二信用等级中存在任意两个第二信用等级对应的违约率不满足违约率要求的情况下,对任意两个第二信用等级对应的违约率进行修正,得到修正后的违约率。
根据一些实施例,等级调整单元403,还用于:
根据至少一个第二信用等级中任一第二信用等级对应的违约率和违约率置信区间算法,确定任一第二信用等级对应的违约率置信区间。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
在一些或者相关实施例中,等级获取单元用于根据科技企业集合对应的第一类别信息集合,采用评级模型对科技企业集合进行分类,得到第一分类信息集合;信息获取单元用于采用评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;信息获取单元还用于获取第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;等级调整单元用于在秩和检验信息为秩和检验未通过信息的情况下,对任意两个第一类别信息进行合并,基于第二类别信息集合获取科技企业集合对应的第二分类信息集合,并对任一科技企业的第一信用等级进行调整,获取任一科技企业的第二信用等级,其中,第二类别信息集合为合并后的第一类别信息集合。因此,可以在确定第一信用等级之后,采用秩和检验方式确定类别信息划分是否准确,可以对类别信息集合进行调整,可以提高评级模型的有效性,可以减少类别信息不准确使得信用等级确定不准确的情况,可以提高信用等级获取的准确性。
图5是本公开一个实施例所提供的一种终端设备UE500的框图。例如,UE500可以是移动电话,计算机,数字广播终端设备,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,UE500可以包括以下至少一个组件:处理组件502,存储器504,电源组件506,多媒体组件508,音频组件510,输入/输出(I/O)的接口512,传感器组件514,以及通信组件516。
处理组件502通常控制UE500的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件502可以包括至少一个处理器520来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件502可以包括至少一个模块,便于处理组件502和其他组件之间的交互。例如,处理组件502可以包括多媒体模块,以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在UE500的操作。这些数据的示例包括用于在UE500上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件506为UE500的各种组件提供电力。电源组件506可以包括电源管理系统,至少一个电源,及其他与为UE500生成、管理和分配电力相关联的组件。
多媒体组件508包括在所述UE500和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括至少一个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的唤醒时间和压力。在一些实施例中,多媒体组件508包括一个前置摄像头和/或后置摄像头。当UE500处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件510被配置为输出和/或输入音频信号。例如,音频组件510包括一个麦克风(MIC),当UE500处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中,音频组件510还包括一个扬声器,用于输出音频信号。
I/O接口512为处理组件502和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件514包括至少一个传感器,用于为UE500提供各个方面的状态评估。例如,传感器组件514可以检测到UE500的打开/关闭状态,组件的相对定位,例如所述组件为UE500的显示器和小键盘,传感器组件514还可以检测UE500或UE500的一个组件的位置改变,用户与UE500接触的存在或不存在,UE500方位或加速/减速和UE500的温度变化。传感器组件514可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件514还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件516被配置为便于UE500和其他设备之间有线或无线方式的通信。UE500可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件516还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,UE500可以被至少一个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种等级确定方法,其特征在于,包括:
根据科技企业集合对应的第一类别信息集合,采用评级模型对所述科技企业集合进行分类,得到第一分类信息集合;
采用所述评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;
获取所述第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;
在所述秩和检验信息为秩和检验未通过信息的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合,并对所述任一科技企业的第一信用等级进行调整,获取所述任一科技企业的第二信用等级,其中,所述第二类别信息集合为合并后的第一类别信息集合。
2.根据权利要求1所述的方法,其特征在于,所述在所述秩和检验信息为秩和检验未通过信息的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合,包括:
在所述秩和检验信息为秩和检验未通过信息的情况下,发出针对所述任意两个第一类别信息的合并提示信息;
在接收到针对所述合并提示信息的确认指令的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在获取到所述第一信用等级的情况下,获取所述第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第一动态基尼系数;
每隔预设时长,获取一次所述第二类别信息集合中任一第二类别信息对应的至少一个第一信用等级对应的第二动态基尼系数;
根据调节时长和调节参数,对所述第二动态基尼系数进行调节,获取到第三动态基尼系数,其中,所述调节时长为所述第一动态基尼系数的第一获取时间点和所述第二动态基尼系数的第二获取时间点之间的时长;
在所述第三基尼系数和所述第二基尼系数之间的比值大于比值阈值的情况下,确定所述任一第二类别信息不满足第一分类要求。
4.根据权利要求3所述的方法,其特征在于,在所述确定所述任一第二类别信息不满足第一分类要求之后,还包括:
在所述第二类别信息集合不满足第二分类要求的情况下,获取针对所述第二类别信息集合中任一第二类别信息对应的分类划分信息;
在获取到所述第二类别信息集合中每个类别信息对应的分类划分信息的情况下,将所述每个类别信息对应的分类划分信息作为第三类别信息集合;
将所述第三类别信息集合作为所述第一类别信息集合,执行采用所述评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级的步骤,直至获取到满足分类要求的第二分类信息集合。
5.根据权利要求4所述的方法,其特征在于,所述获取到满足分类要求的第二分类信息集合之后,还包括:
根据所述第二分类信息集合中任一第二分类信息对应的至少一个第一信用等级,采用违约率预测模型对所述任一第二分类信息对应的科技企业子集进行违约率预测,获取所述至少一个第二信用等级中任一第二信用等级对应的违约率。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
在所述至少一个第二信用等级中存在任意两个第二信用等级对应的违约率不满足违约率要求的情况下,对所述任意两个第二信用等级对应的违约率进行修正,得到修正后的违约率。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述至少一个第二信用等级中任一第二信用等级对应的违约率和违约率置信区间算法,确定所述任一第二信用等级对应的违约率置信区间。
8.一种等级确定装置,其特征在于,包括:
等级获取单元,用于根据科技企业集合对应的第一类别信息集合,采用评级模型对所述科技企业集合进行分类,得到第一分类信息集合;
信息获取单元,用于采用所述评级模型,获取第一分类信息集合中任一第一分类信息对应的科技企业子集中任一科技企业对应的的第一信用等级;
所述信息获取单元,还用于获取所述第一类别信息集合中任意两个第一类别信息对应的秩和检验信息;
等级调整单元,用于在所述秩和检验信息为秩和检验未通过信息的情况下,对所述任意两个第一类别信息进行合并,基于第二类别信息集合获取所述科技企业集合对应的第二分类信息集合,并对所述任一科技企业的第一信用等级进行调整,获取所述任一科技企业的第二信用等级,其中,所述第二类别信息集合为合并后的第一类别信息集合。
9.一种终端设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的等级确定方法。
10.一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至7中任一项所述的等级确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300453.1A CN117408712A (zh) | 2023-10-09 | 2023-10-09 | 等级确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300453.1A CN117408712A (zh) | 2023-10-09 | 2023-10-09 | 等级确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117408712A true CN117408712A (zh) | 2024-01-16 |
Family
ID=89495428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311300453.1A Pending CN117408712A (zh) | 2023-10-09 | 2023-10-09 | 等级确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408712A (zh) |
-
2023
- 2023-10-09 CN CN202311300453.1A patent/CN117408712A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10061762B2 (en) | Method and device for identifying information, and computer-readable storage medium | |
CN109255486B (zh) | 一种策略配置的优化方法及装置 | |
CN110443618B (zh) | 风控策略的生成方法及装置 | |
US11449766B2 (en) | Invitation behavior prediction method and apparatus, and storage medium | |
CN111859020B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
EP4198775A1 (en) | Abnormal user auditing method and apparatus, electronic device, and storage medium | |
US9645914B1 (en) | Apps store with integrated test support | |
CN111639687B (zh) | 一种模型训练以及异常账号识别方法及装置 | |
CN111428032B (zh) | 内容质量评价方法及装置、电子设备、存储介质 | |
CN111126623B (zh) | 一种模型更新方法、装置及设备 | |
RU2644134C2 (ru) | Способ и устройство для обработки короткого сообщения | |
CN111061948B (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
CN110738562B (zh) | 一种风险提醒信息的生成方法、装置及设备 | |
CN110348471B (zh) | 异常对象识别方法、装置、介质及电子设备 | |
CN116541238A (zh) | 日志文件采集方法、装置、电子设备及可读存储介质 | |
CN110210884B (zh) | 确定用户特征数据的方法、装置、计算机设备及存储介质 | |
CN117408712A (zh) | 等级确定方法和装置 | |
CN116127353A (zh) | 分类方法、分类模型训练方法、设备及介质 | |
CN116029673A (zh) | 业务审批数据抽样评价方法、装置、设备及存储介质 | |
CN116167454A (zh) | 智能化的二分类模型训练方法及装置 | |
CN115687303A (zh) | 数据信息迁移方法、装置、设备及存储介质 | |
CN111143640B (zh) | 一种交易数据记录方法及装置 | |
CN110264333B (zh) | 一种风险规则确定方法和装置 | |
CN112989172B (zh) | 内容推荐方法、装置、计算机设备及存储介质 | |
CN113343090B (zh) | 用于推送信息的方法、装置、设备、介质和产品 |
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 |