基于人工智能的信用评级方法及装置与流程

本发明涉及信用评级技术领域，特别涉及一种基于人工智能的信用评级方法及装置。

背景技术

当某个贷款对象想要申请银行贷款时，银行需要对贷款对象进行信用评级(对评级对象履行相关合同和经济承诺的能力和意愿的总体评价)，但是现有的信用评级方式大量依赖于人工操作和核对，需要人工将评级对象的相关材料进行审核，根据真伪进行评级，人工的方式在大多数情况下准确率很高，但是却十分的耗时耗力；有人提出了基于人工智能的评级模式，在海量存储和大数据的基础下，人工智能技术能够存储到很多的历史信息和海量的相关信息，对评级对象的全面评估提供了更多可靠的信息；人工智能技术的发展解放了手工操作，能够便捷、快速、准确的得出结果，能够为解决问题提供更好的技术支持。但是该基于人工智能的评级模式也只是处理评级对象提供的材料，并没有去拓展新的信息，而评级对象申请评级时所提供的材料可能不够全面、不够细致，对于评级结果的准确性和全面性有一定影响。

技术实现要素：

本发明实施例提供了一种基于人工智能的信用评级方法及装置、计算机设备、计算机可读存储介质，根据评级对象输入的评级材料信息的关键词自动获取新的相关信息，整合手工输入的材料和自动获取的相关信息构建评级模型，使用该评级模型可以使信用评级更加的准确、全面，对于下一步的评估能有更好的依据。

本发明实施例提供的基于人工智能的信用评级方法包括：

接收评级对象的评级材料信息；

根据所述评级材料信息自动获取评级对象的相关信息；

根据所述评级材料信息和所述相关信息构建训练样本和验证样本；

根据所述训练样本构建第一评级模型；

根据所述验证样本对所述第一评级模型进行验证，当所述第一评级模型的准确度达到预设准确度阈值时，使用所述第一评级模型进行信用评级操作。

本发明实施例提供的基于人工智能的信用评级装置，包括：

信息接收模块，用于接收评级对象的评级材料信息；

信息获取模块，用于根据所述评级材料信息自动获取评级对象的相关信息；

样本构建模块，用于根据所述评级材料信息和所述相关信息构建训练样本和验证样本；

评级模型构建模块，用于根据所述训练样本构建第一评级模型；

验证模块，用于根据所述验证样本对所述第一评级模型进行验证；

评级操作模块，用于当所述第一评级模型的准确度达到预设准确度阈值时，使用所述第一评级模型进行信用评级操作。

本发明实施例提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述基于人工智能的信用评级方法。

本发明实施例提供的计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述基于人工智能的信用评级方法的计算机程序。

在本发明实施例中，根据评级对象输入的评级材料信息的关键词自动获取新的相关信息，整合手工输入的级材料信息和自动获取的相关信息构建评级模型，使用该评级模型可以使信用评级更加的准确、全面，对于下一步的评估能有更好的依据。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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的附图。

图1是本发明实施例提供的一种基于人工智能的信用评级方法流程图一；

图2是本发明实施例提供的评级材料信息输入处理流程图；

图3是本发明实施例提供的评级对象的相关信息获取流程图；

图4是本发明实施例提供的样本构建流程图；

图5是本发明实施例提供的评级模型构建流程图；

图6是本发明实施例提供的对评级模型验证及使用流程图；

图7是本发明实施例提供的一种基于人工智能的信用评级方法流程图二；

图8是本发明实施例提供的一种基于人工智能的信用评级装置结构框图一；

图9是本发明实施例提供的一种基于人工智能的信用评级装置结构框图二。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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实施例，都属于本发明保护的范围。

在本发明实施例中，提供了一种基于人工智能的信用评级方法，如图1所示，该方法包括：

步骤101：接收评级对象的评级材料信息；

步骤102：根据所述评级材料信息自动获取评级对象的相关信息；

步骤103：根据所述评级材料信息和所述相关信息构建训练样本和验证样本；

步骤104：根据所述训练样本构建第一评级模型；

步骤105：根据所述验证样本对所述第一评级模型进行验证，当所述第一评级模型的准确度达到预设准确度阈值时，使用所述第一评级模型进行信用评级操作。

在本发明实施例中，如图2所示，步骤101可以按照如下方式执行：

步骤1011：评级对象提供评级材料，评级材料可以包括评级对象的社会信息、家庭信息、社会关系信息、历史信息等；

步骤1012：简单人工过滤，查看所提供的材料是否具有最基本的完整性，即基础材料是否完全，若完全，则进行审核，若不完全，则退回重新提交；

步骤1013：将基础过滤后的评级材料提供给人工智能系统进行进一步的处理，评级材料包括但不仅限于评级对象的工作、社保缴纳、工资情况(属于评级对象的社会信息)等，将这些信息提交给人工智能系统。

完成上述基础数据处理后执行步骤102，如图3所示，步骤102可以按照如下方式执行：

步骤1021：人工智能系统会提取评级材料中的关键词，关键词包括但不仅限于评级对象的姓名、工作单位、家庭成员信息等信息；

步骤1022：人工智能系统利用关键词在网上和其他服务器(比如社保机构服务器、医疗机构服务器、教育机构服务器等)中获取评级对象的更多相关信息，如社会信息、家庭信息、社会关系信息、历史信息等。

这样做的目的是评级对象提供的评级材料可能不全面或者不一定是真实的，通过从网上和其他服务器获取的相关信息来对评级材料进行补充或验证真实性。

完成上述相关信息获取后执行步骤103，如图4所示，步骤103可以按照如下方式执行：

步骤1031：将手工输入的评级材料信息和机器自动获取的相关信息进行对比整合，过滤掉重复信息和无价值信息(根据提供材料的不同，无价值信息设定不同)；

步骤1032：将以上信息进行整合，形成训练样本和验证样本。其中所述训练样本和验证样本是以评级对象为主键的宽样本。

完成上述步骤后执行步骤104，如图5所示，步骤104可以按照如下方式执行：

步骤1041：将形成的宽样本输入到人工智能系统中进行评级模型的构建；

步骤1042：在评级模型构建的过程中设置调整超参数(即评级模型构建参数)，以使评级模型的准确度更高。

其中，超参数根据构建评级模型所使用的人工智能方法的不同而不同，比如，如果采用人工神经网络(artificialneuralnetworks，简写为anns)模型来构建评级模型，那么超参数就应该是人工神经网络模型中设定的参数，而如果采用其他的人工智能建模方法，那么超参数就应该是相应的人工智能建模方法中设定的参数。

完成上述步骤后执行步骤105，如图6所示，步骤105可以按照如下方式执行：

步骤1051：根据所述验证样本对所述第一评级模型进行验证；

步骤1052：当所述第一评级模型的准确度达到预设准确度阈值时，则使用所述第一评级模型进行信用评级操作，输入新的评级材料进行自动获取和评级，输出高可信评级对象的评级结果；

步骤1053：当所述第一评级模型的准确度未达到预设准确度阈值时，则要对所述第一评级模型进行重新训练，包括两种重新训练方式：检查评级模型构建过程中的参数调整是否不合理，若不合理则修改所述评级模型构建参数，利用修改后的评级模型构建参数和所述训练样本重新训练所述第一评级模型。或，检查评级模型构建过程中的样本组织是否不合理，若不合理则将所述评级材料信息和所述相关信息进行重新对比整合，获得新的训练样本；根据新的训练样本对所述第一评级模型进行重新训练。

在本发明实施例中，评级模型不需要每次都重新构建和验证，定时构建信的评级模型就可以。也就是说，该方法还包括重新构建新的评级模型步骤。如图7所示，步骤106为：当经过预设时间或评级对象的样本数量达到预设数量后，使用当前评级对象的评级材料信息构建第二评级模型，将所述第一评级模型和所述第二评级模型进行对比，获得最优评级模型，使用所述最优评级模型进行信用评级操作。

基于同一发明构思，本发明实施例中还提供了一种基于人工智能的信用评级装置，如下面的实施例所述。由于基于人工智能的信用评级装置解决问题的原理与基于人工智能的信用评级方法相似，因此基于人工智能的信用评级装置的实施可以参见基于人工智能的信用评级方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图8是本发明实施例的基于人工智能的信用评级装置的结构框图一，如图8所示，包括：

信息接收模块801，用于接收评级对象输入的评级材料信息；

信息获取模块802，用于根据所述评级材料信息自动获取评级对象的相关信息；

样本构建模块803，用于根据所述评级材料信息和所述相关信息构建训练样本和验证样本；

评级模型构建模块804，用于根据所述训练样本构建第一评级模型；

验证模块805，用于根据所述验证样本对所述第一评级模型进行验证；

评级操作模块806，用于当所述第一评级模型的准确度达到预设准确度阈值时，使用所述第一评级模型进行信用评级操作。

下面对该结构进行说明。

在本发明实施例中，所述信息获取模块802具体用于：

提取所述评级材料信息中的关键词；

根据所述关键词自动获取评级对象的相关信息。

在本发明实施例中，所述样本构建模块803具体用于：

将所述评级材料信息和所述相关信息进行对比整合，过滤掉重复信息和无价值信息，根据整合后的评级材料信息和相关信息构建训练样本和验证样本。

在本发明实施例中，所述评级模型构建模块804具体用于：

设置评级模型构建参数，根据所述训练样本和所述评级模型构建参数构建所述第一评级模型。

在本发明实施例中，所述评级模型构建模块804还用于：

当所述第一评级模型的准确度未达到预设准确度阈值时，对所述第一评级模型进行重新训练。

在本发明实施例中，所述评级模型构建模块804具体用于：

修改所述评级模型构建参数，利用修改后的评级模型构建参数和所述训练样本重新训练所述第一评级模型。

在本发明实施例中，所述评级模型构建模块804具体用于：

将所述评级材料信息和所述相关信息进行重新对比整合，获得新的训练样本；

根据新的训练样本对所述第一评级模型进行重新训练。

在本发明实施例中，如图9所示，所述评级模型构建模块804还用于：

当经过预设时间或评级对象的样本数量达到预设数量后，使用当前评级对象的评级材料信息构建第二评级模型；

还包括：对比模块807，用于将所述第一评级模型和所述第二评级模型进行对比，获得最优评级模型；

所述评级操作模块806用于：使用所述最优评级模型进行信用评级操作。

在本发明实施例中提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述基于人工智能的信用评级方法。

在本发明实施例中提供的计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述基于人工智能的信用评级方法的计算机程序。

综上所述，本发明提出的方法和装置具有如下优点：

1.评级过程更加高效：采用人工智能的方式，能够快速获取更多的相关材料，并且快速验证材料的真伪，给出评级结果和准确率

2.评级结果更加精准、合理、全面：该方法不仅采用评级对象所提供的材料进行评级，还自主获取了更多的相关材料，有利于更加系统、全面、精准的了解评级对象，能够做出更精准的判断；此外，评级模型定期更新，能够更好的适应信用评级的发展需要，从而也保证了信用评级更好的全面性和准确性。

3.评级模型的可更新性：评级模型定期更新验证、并与现有评级模型进行对比，择优使用，具有更好的鲁棒性和高可靠性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或可编程数据处理设备的处理器以产生一个机器，使得通过计算机或可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或可编程数据处理设备上，使得在计算机或可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。