风险评估辅助结果的生成方法及其系统、计算机设备与流程

1.本技术涉及金融科技技术领域，尤其涉及一种风险评估辅助结果的生成方法及其系统、计算机设备。


背景技术：

2.贷款审批是银行等金融机构的决策环节，是信贷业务实施、执行和风险管控的前提和依据。在企业贷款，尤其是小微企业贷款时，需要对其进行资质评价、风险评定。通常会通过人工审批小组的经验判断、人工信息交叉验证对审批流程做出决策。但审批耗时较长，且各审批人员的专业素质不一致，导致对风险的把控标准不同。而且，系统后台查询的信息无法编辑，需要审批人员手动核算，工作技术含量低、耗时长、且容易出错。


技术实现要素：

3.有鉴于此，实有必要提供一种风险评估辅助结果的生成方法及其系统、计算机设备，能够有效辅助审批人员提高贷款审批效率。
4.第一方面，本技术实施例提供一种风险评估辅助结果的生成方法，所述风险评估辅助结果的生成方法包括：
5.接收待评估信息，其中，所述待评估信息包括企业的若干工商报告、若干涉诉记录和若干裁判文书；
6.根据预设相似度模型对所述若干工商报告、所述若干涉诉记录以及所述若干裁判文书进行关联，以得到至少一个案件的案件信息；以及
7.按照审理时间顺序对每一所述案件的案件信息进行排序，以得到所述案件的若干审理阶段；
8.判断所述审理阶段是否包括判决阶段，其中，所述判决阶段包括判决结果；以及
9.当所述审理阶段包括判决阶段时，将所有所述判决阶段的判决结果进行汇总以得到审判结果，其中，所述审判结果用于辅助贷款审批人员得到所述企业的风险评估结果。
10.第二方面，本技术实施例提供一种计算机设备，所述计算机设备包括：
11.存储器，用于存储程序指令；以及
12.处理器，用于执行所述程序指令以实现如上所述的风险评估辅助结果的生成方法。
13.第三方面，本技术实施例提供一种风险评估辅助结果的生成系统，所述风险评估辅助结果的生成系统包括：
14.接收模块，用于接收待评估信息，其中，所述待评估信息包括企业的若干工商报告、若干涉诉记录和若干裁判文书；
15.关联模块，用于根据预设相似度模型对所述若干工商报告、所述若干涉诉记录以及所述若干裁判文书进行关联，以得到至少一个案件的案件信息；
16.排序模块，用于按照审理时间顺序对每一所述案件的案件信息进行排序，以得到
所述案件的若干审理阶段；
17.判断模块，用于判断所述审理阶段是否包括判决阶段，其中，所述判决阶段包括判决结果；以及
18.汇总模块，用于当所述审理阶段包括判决阶段时，将所有所述判决阶段的判决结果进行汇总以得到审判结果，其中，所述审判结果用于辅助贷款审批人员得到所述企业的风险评估结果。
19.上述风险评估辅助结果的生成方法及其系统、计算机设备，利用简单规则和自然语言处理(nlp，natural language processing)的预设相似度模型，将同一企业且同一案件的多个工商报告、涉诉记录以及裁判文书进行自动化关联，并按照审理时间顺序对案件流程进行梳理，从而得到每一案件的审理阶段。对同一企业所有案件的判决阶段的判决结果进行汇总得到关于企业的审判结果。风险评估辅助结果的生成方法将工商报告、涉诉记录、裁判文书等信息统一在一起，结合简单规则判断，丰富了智能审判rpa的维度，极大减小了人工审批的时效，降低了审批人员的人力成本，缩短整体业务流程，增加了自动化审批的产品流程，全面提高了审批人员的审批效率和风控标准。同时，最终可以结合审批人员的经验来决策出企业的风险评估结果，极大提高了风险评估的准确度。
附图说明
20.为了更清楚地说明本技术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技术的一些实施例，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示出的结构获得其他的附图。
21.图1为本技术实施例提供的风险评估辅助结果的生成方法的流程图。
22.图2为本技术实施例提供的风险评估辅助结果的生成方法的第一子流程图。
23.图3为本技术实施例提供的风险评估辅助结果的生成方法的第二子流程图。
24.图4为本技术实施例提供的风险评估辅助结果的生成方法的第三子流程图。
25.图5为本技术实施例提供的风险评估辅助结果的生成方法的第四子流程图。
26.图6为本技术实施例提供的风险评估辅助结果的生成方法的第五子流程图。
27.图7为本技术实施例提供的风险评估辅助结果的生成方法的第六子流程图。
28.图8为本技术实施例提供的风险评估辅助结果的生成方法的应用场景示意图。
29.图9为本技术实施例提供的计算机设备的内部结构示意图。
30.图10为本技术实施例提供的风险评估辅助结果的生成系统的内部结构示意图。
31.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
32.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。基于本技术中的实施例，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，都属于本技术保护的范围。
33.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第
四”等(如果存在)是用于区别类似的规划对象，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，换句话说，描述的实施例根据除了这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，还可以包含其他内容，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于只清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
34.需要说明的是，在本技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
35.请结合参看图1和图8，图1为本技术实施例提供的风险评估辅助结果的生成方法的流程图，图8为本技术实施例提供的风险评估辅助结果的生成方法的应用场景示意图。风险评估辅助结果的生成方法应用于金融科技领域，最终生成的结果用于辅助银行等金融机构的贷款审批人员对企业贷款的风险进行评估，从而得到企业的风险评估结果。
36.以图8所示的应用场景为例，生成平台30与业务平台40通讯连接。在本实施例中，生成平台30用于执行风险评估辅助结果的生成方法。其中，生成平台30和业务平台40的相关功能可以由一个设备实现，也可以由多个设备共同实现，还可以是由一个设备内的一个或多个功能模块实现，在此不作具体限定。可以理解的是，上述功能既可以是硬件设备中的网络元件，也可以是在专用硬件上运行的软件功能，或者是硬件与软件的结合，或者是平台(例如，云平台)上实例化的虚拟化功能。
37.风险评估辅助结果的生成方法具体包括如下步骤。
38.步骤s102，接收待评估信息。
39.生成平台30从业务平台40接收待评估信息。其中，待评估信息包括企业的若干工商报告、若干涉诉记录和若干裁判文书。在本实施例中，待评估信息包括一个企业的待评估信息。即是说，若干工商报告、若干涉诉记录和若干裁判文书均与同一企业相对应。
40.在一些可行的实施例中，待评估信息也可以包括多个企业的待评估信息，在后续过程中，仍然以单个企业为单位对待评估信息进行处理。
41.步骤s104，根据预设相似度模型对若干工商报告、若干涉诉记录以及若干裁判文书进行关联，以得到至少一个案件的案件信息。
42.生成平台30预先设置有预设相似度模型，生成平台30根据预设相似度模型对待评估信息中的工商报告、涉诉记录和裁判文书进行关联，从而得到与同一企业相对应的至少一个案件的案件信息。也就是说，一个企业可以对应一个案件，也可以对应多个案件。在本实施例中，生成平台30按照案件对工商报告、涉诉记录和裁判文书进行关联，从而得到与案件相对应的案件信息。可以理解的是，案件信息包括工商报告、涉诉记录和裁判文书。其中，预设相似度模型包括但不限于elmo、bert、xlnet、gpt模型等。
43.预设相似度模型的训练过程将在下文详细描述。
44.如何根据预设相似度模型对若干工商报告、若干涉诉记录以及若干裁判文书进行
关联，以得到至少一个案件的案件信息的具体过程将在下文详细描述。
45.步骤s106，按照审理时间顺序对每一案件的案件信息进行排序，以得到案件的若干审理阶段。
46.生成平台30按照审理时间顺序对每一案件的案件信息进行排序，即是说，生成平台30将同一案件的案件信息按照审理时间的先后顺序进行排序，从而得到与每一案件相对应的若干审理阶段。在本实施例中，每一审理阶段均包括相对应的工商报告、涉诉记录或者裁判文书。其中，审理阶段包括但不限于答辩请求阶段、开庭审理阶段、调解阶段以及判决阶段等。可以理解的是，每一案件所对应的审理阶段可以不同。
47.步骤s108，判断审理阶段是否包括判决阶段。
48.生成平台30判断每一案件的审理阶段是否包括判决阶段。其中，判决阶段包括判决结果。可以理解的是，审理阶段包括判决阶段的案件为已经审理结束的案件，审理结束的案件包括具有法律效力的判决结果。
49.当审理阶段包括判决阶段时，执行步骤s110。
50.步骤s110，将所有判决阶段的判决结果进行汇总以得到审判结果。
51.当审理阶段包括判决阶段时，生成平台30将所有具有判决阶段的案件的判决结果进行汇总，从而得到与企业相对应的审判结果。其中，审判结果用于辅助贷款审批人员得到企业的风险评估结果。可以理解的是，一个企业对应一个审判结果。
52.在本实施例中，生成平台30将所有判决结果进行结构化处理以得到审判结果。
53.如何将所有判决结果进行结构化处理以得到审判结果的具体过程将在下文详细描述。
54.上述实施例中，利用简单规则和自然语言处理(nlp，natural language processing)的预设相似度模型，将同一企业且同一案件的多个工商报告、涉诉记录以及裁判文书进行自动化关联，并按照审理时间顺序对案件流程进行梳理，从而得到每一案件的审理阶段。对同一企业所有案件的判决阶段的判决结果进行汇总得到关于企业的审判结果。风险评估辅助结果的生成方法将工商报告、涉诉记录、裁判文书等信息统一在一起，结合简单规则判断，丰富了智能审判rpa的维度，极大减小了人工审批的时效，降低了审批人员的人力成本，缩短整体业务流程，增加了自动化审批的产品流程，全面提高了审批人员的审批效率和风控标准。同时，最终可以结合审批人员的经验来决策出企业的风险评估结果，极大提高了风险评估的准确度。
55.请结合参看图2，其为本技术实施例提供的风险评估辅助结果的生成方法的第一子流程图。执行步骤s104之前，风险评估辅助结果的生成方法还包括训练得到预设相似度模型。训练得到预设相似度模型具体包括如下步骤。
56.步骤s202，接收贷款申请信息。
57.生成平台30接收大量贷款申请信息。其中，贷款申请信息包括企业信息和自然人信息，企业信息包括企业的工商信息，自然人信息包括自然人的工商信息。可以理解的是，自然人为与企业相关的自然人。
58.步骤s204，根据企业信息和自然人信息获取关联企业和关联人员。
59.生成平台30根据企业信息和自然人信息获取关联企业和关联人员。其中，关联企业为与企业相关联的企业，关联人员为与企业相关联的自然人。
60.如何根据企业信息和自然人信息获取关联企业和关联人员的具体过程将在下文详细描述。
61.步骤s206，根据关联企业和关联人员获取关联信息。
62.生成平台30根据关联企业和关联人员获取关联信息。其中，关联信息为与关联企业和关联人员相关联的信息。在本实施例中，关联信息包括但不限于涉诉记录、裁判文书、失信公告、开庭公告以及处罚公告等。也就是说，生成平台30获取关联企业的涉诉记录、裁判文书、失信公告、开庭公告以及处罚公告等文书，获取关联人员的涉诉记录、裁判文书、失信公告、开庭公告以及处罚公告等文书。
63.步骤s208，根据关联信息对初始相似度模型进行训练以得到预设相似度模型。
64.生成平台30根据关联信息对初始相似度模型进行迭代训练，从而得到预设相似度模型。相应地，初始相似度模型包括但不限于elmo、bert、xlnet、gpt模型等。可以理解的是，预设相似度模型由初始相似度模型训练得到，初始相似度模型与预设相似度模型为同一种模型。
65.如何根据关联信息对初始相似度模型进行训练以得到预设相似度模型的具体过程将在下文详细描述。
66.上述实施例中，从已有的贷款申请案件中剥离出企业信息和自然人信息，从公司维度和自然人维度的工商信息中获取关联企业和关联人员，再获取关联企业和关联人员涉及到的涉诉记录、裁判文书、失信公告、开庭公告以及处罚公告等信息，根据这些信息对初始相似度模型进行训练，从而得到准确率更高的预设相似度模型。
67.请结合参看图3，其为本技术实施例提供的风险评估辅助结果的生成方法的第二子流程图。步骤s204具体包括如下步骤。
68.步骤s302，根据企业信息和自然人信息获取若干相关企业和若干相关人员。
69.生成平台30根据企业信息获取若干相关企业和若干相关人员，根据自然人信息获取若干相关企业和若干相关人员。
70.步骤s304，获取若干相关企业的持股信息。
71.生成平台30获取若干相关企业的持股信息。在本实施例中，生成平台30获取每一相关企业的持股信息。其中，持股信息包括持股人和相应的持股比例。
72.步骤s306，根据持股信息从若干相关企业和若干相关人员中筛选得到关联企业和关联人员。
73.生成平台30按照持股信息中持股比例的大小顺序对持股人进行排序，根据持股人的排序从若干相关人员中筛选得到关联人员。生成平台30再根据关联人员从若干相关企业中筛选得到关联企业。
74.在本实施例中，生成平台30按照持股比例从大到小的顺序对持股人进行排序，从持股比例最大的持股人开始，选择预设数量的持股人作为备选人。生成平台30从备选人和相关人员中匹配相同的人员作为关联人员。可以理解的是，关联人员为持股比例较高的相关人员。其中，预设数量可以根据实际业务情况进行设置，在此不做限定。
75.生成平台30将与关联人员相关联的企业作为备选企业，再从备选企业和相关企业中匹配相同的企业作为关联企业。也就是说，关联企业为与关联人员相关联的相关企业。
76.上述实施例中，从所有相关企业和相关人员中按持股比例、相关人员关系的维度
筛选出有影响的关联企业和关联人员，使得预设相似度模型更加精确。
77.请结合参看图4和图5，图4为本技术实施例提供的风险评估辅助结果的生成方法的第三子流程图，图5为本技术实施例提供的风险评估辅助结果的生成方法的第四子流程图。步骤s208具体包括如下步骤。
78.步骤s402，按照企业和案件类型对关联信息进行分类以得到若干分类信息。
79.生成平台30将每一企业所涉及的每一案件类型的关联信息进行分类，从而得到若干分类信息。其中，每一企业的每一案件类型均对应有分类信息。
80.步骤s404，对若干分类信息进行分词以得到若干词汇。
81.生成平台30对所有分类信息进行分词从而得到若干词汇。在本实施例中，生成平台30通过结巴分词工具对分类信息进行分词处理，从而得到若干词汇。
82.步骤s406，将若干词汇中与同一企业且同一案件类型对应的词汇作为正样本。
83.生成平台30对若干词汇进行筛选，将所有词汇中与同一企业且同一案件类型对应的词汇作为正样本。可以理解的是，正样本与案件类型、企业相对应，生成平台30筛选得到多个正样本。
84.步骤s408，将若干词汇中与同一企业且不同案件类型对应的词汇作为负样本。
85.生成平台30对若干词汇进行筛选，将所有词汇中与同一企业且不同案件类型对应的词汇作为负样本。可以理解的是，负样本与企业相对应，生成平台30筛选得到多个负样本。
86.步骤s410，根据正样本和负样本对初始相似度模型进行训练以得到预设相似度模型。
87.生成平台30根据正样本和负样本对初始相似度模型进行迭代训练，从而得到预设相似度模型。
88.步骤s410具体包括如下步骤。
89.步骤s502，分别提取正样本和负样本的嵌入向量。
90.生成平台30分别提取正样本的嵌入向量和负样本的嵌入向量。
91.步骤s504，为正样本添加第一类标签。
92.生成平台30为正样本添加第一类标签。也就是说，所有正样本均包括第一类标签。
93.步骤s506，为负样本添加第二类标签。
94.生成平台30为负样本添加第二类标签。也就是说，所有负样本均包括第二类标签。其中，第一类标签和第二类标签不同。
95.步骤s508，根据嵌入向量和第一类标签、第二类标签对初始相似度模型进行迭代训练以得到预设相似度模型。
96.生成平台30根据嵌入向量、第一类标签以及第二类标签对初始相似度模型进行训练。在本实施例中，生成平台30以嵌入向量为输入，以第一类标签和第二类标签为目标，对初始相似度模型进行训练，从而得到预设相似度模型。
97.上述实施例中，通过机器学习、nlp等技术，利用涉诉记录、裁判文书、失信公告、开庭公告以及处罚公告等非结构化数据构建风控模型，即预设相似度模型。同时，还可以将数据整理呈数据集，构建模型数据，并形成模型仓库。
98.请结合参看图6，其为本技术实施例提供的风险评估辅助结果的生成方法的第五
子流程图。步骤s104具体包括如下步骤。
99.步骤s602，将若干工商报告、若干涉诉记录以及若干裁判文书输入预设相似度模型以得到相似度结果。
100.生成平台30对工商报告、涉诉记录以及裁判文书进行分词以得到分词结果，并将分词结果输入预设相似度模型，从而得到相似度结果。在本实施例中，相似度结果为相似度值。
101.步骤s604，根据相似度结果对工商报告、涉诉记录以及裁判文书进行关联以得到案件的案件信息。
102.生成平台30根据相似度结果对工商报告、涉诉记录以及裁判文书进行关联。在本实施例中，生成平台30将相似度值高于阈值的工商报告、涉诉记录或者裁判文书视为与同一案件相对应的文书，将相似度值低于阈值的工商报告、涉诉记录或者裁判文书视为与不同案件相对应的文书。生成平台30将同一案件对应的工商报告、涉诉记录、裁判文书进行关联，从而得到案件的案件信息。
103.上述实施例中，基于相似度结果对工商报告、涉诉记录以及裁判文书进行关联分类，同时还能够提供信息收集整理及文本摘录功能。
104.请结合参看图7，其为本技术实施例提供的风险评估辅助结果的生成方法的第六子流程图。步骤s110中，将所有判决结果进行结构化处理以得到审判结果具体包括如下步骤。
105.步骤s702，对所有判决结果进行信息抽取以得到中间结果。
106.生成平台30利用信息抽取技术(information extraction technology，iet)对所有判决结果进行信息抽取，从而得到中间结果。
107.步骤s704，对中间结果进行关系抽取以得到审判结果。
108.生成平台30利用关系抽取模型(relation extraction model，rem)对中间结果进行关系抽取，从而得到审判结果。
109.上述实施例中，利用信息抽取技术和关系抽取模型对判决结果进行结构化处理，从而得到结构化后的审判结果，更有利于审批人员提高审批效率。
110.请结合参看图9，其为本技术实施例提供的计算机设备的内部结构示意图。计算机设备10包括存储器11和处理器12。存储器11用于存储程序指令，处理器12用于执行程序指令以实现上述风险评估辅助结果的生成方法。
111.其中，处理器12在一些实施例中可以是一中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器或其它数据处理芯片，用于运行存储器11中存储的程序指令。
112.存储器11至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘。存储器11在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，存储器11还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如实现风险
评估辅助结果的生成方法的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
113.请结合参看图10，其为本技术实施例提供的风险评估辅助结果的生成系统的内部结构示意图。风险评估辅助结果的生成系统20包括接收模块21、关联模块22、排序模块23、判断模块24以及汇总模块25。
114.接收模块21，用于接收待评估信息。
115.接收模块21从业务系统接收待评估信息。其中，待评估信息包括企业的若干工商报告、若干涉诉记录和若干裁判文书。在本实施例中，待评估信息包括一个企业的待评估信息。即是说，若干工商报告、若干涉诉记录和若干裁判文书均与同一企业相对应。
116.在一些可行的实施例中，待评估信息也可以包括多个企业的待评估信息，在后续过程中，仍然以单个企业为单位对待评估信息进行处理。
117.关联模块22，用于根据预设相似度模型对若干工商报告、若干涉诉记录以及若干裁判文书进行关联，以得到至少一个案件的案件信息。
118.风险评估辅助结果的生成系统20预先设置有预设相似度模型，关联模块22根据预设相似度模型对待评估信息中的工商报告、涉诉记录和裁判文书进行关联，从而得到与同一企业相对应的至少一个案件的案件信息。也就是说，一个企业可以对应一个案件，也可以对应多个案件。在本实施例中，关联模块22按照案件对工商报告、涉诉记录和裁判文书进行关联，从而得到与案件相对应的案件信息。可以理解的是，案件信息包括工商报告、涉诉记录和裁判文书。其中，预设相似度模型包括但不限于elmo、bert、xlnet、gpt模型等。
119.排序模块23，用于按照审理时间顺序对每一案件的案件信息进行排序，以得到案件的若干审理阶段。
120.排序模块23按照审理时间顺序对每一案件的案件信息进行排序，即是说，排序模块23将同一案件的案件信息按照审理时间的先后顺序进行排序，从而得到与每一案件相对应的若干审理阶段。在本实施例中，每一审理阶段均包括相对应的工商报告、涉诉记录或者裁判文书。其中，审理阶段包括但不限于答辩请求阶段、开庭审理阶段、调解阶段以及判决阶段等。可以理解的是，每一案件所对应的审理阶段可以不同。
121.判断模块24，用于判断审理阶段是否包括判决阶段。
122.判断模块24判断每一案件的审理阶段是否包括判决阶段。其中，判决阶段包括判决结果。可以理解的是，审理阶段包括判决阶段的案件为已经审理结束的案件，审理结束的案件包括具有法律效力的判决结果。
123.汇总模块25，用于当审理阶段包括判决阶段时，将所有判决阶段的判决结果进行汇总以得到审判结果。
124.当审理阶段包括判决阶段时，汇总模块25将所有具有判决阶段的案件的判决结果进行汇总，从而得到与企业相对应的审判结果。其中，审判结果用于辅助贷款审批人员得到企业的风险评估结果。可以理解的是，一个企业对应一个审判结果。
125.在本实施例中，汇总模块25将所有判决结果进行结构化处理以得到审判结果。
126.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘且本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。
127.以上所列举的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属于本技术所涵盖的范围。