一种模型训练方法、社会信用风险防控方法以及装置与流程

本说明书涉及计算机，尤其涉及一种模型训练方法、社会信用风险防控方法以及装置。

背景技术：

1、近年来，随着交通运输行业的迅速发展，交通运输类的企业层出不穷，部分企业出现违反安全生产规定、违背服务承诺等失信行为，因此，对各企业进行有效的监管已经成为一个严峻的问题。

2、目前，可以采用人为预测的方式来对企业未来的社会信用风险进行预测，其中，社会信用风险是指企业不遵守法律法规、失信于客户等风险行为。但是，采用人为预测的方式较为主观，进而会降低对企业未来的社会信用风险进行预测的精确性，从而降低了对企业的监管效率。

3、因此，如何提升预测企业未来的社会信用风险的精确性，则是一个亟待解决的问题。

技术实现思路

1、本说明书提供了一种模型训练方法、社会信用风险防控方法以及装置，以部分的解决现有技术存在的上述问题。

2、本说明书采用下述技术方案：

3、本说明书提供了一种模型训练方法，包括：

4、获取样本企业的历史企业数据；

5、根据所述历史企业数据，确定预设的信用指标表中所述样本企业在各维度下的信用指标数据；

6、将所述信用指标数据输入到预设的信用风险预测模型中，以使所述信用风险预测模型确定出针对所述样本企业的预测社会信用风险值；

7、以最小化所述预测社会信用风险值与所述信用指标数据对应的所述样本企业的实际社会信用风险值之间的偏差为优化目标，对所述信用风险预测模型进行训练，训练后的信用风险预测模型用于执行社会信用风险预测业务。

8、可选地，所述信用指标表中包含有多个对象，每个对象对应多个状况维度，不同的状况维度用于表征所述对象所面临的不同状况，针对每个状况维度，该状况维度下对应有多个用于反映该状况维度对应状况的多个信用指标数据。

9、可选地，所述对象包括：企业、企业所使用的运输工具以及企业员工；

10、当所述对象为企业时，所述企业所对应的多个状况维度包括：企业经营状况维度、企业财务状况维度、企业管理状况维度、企业服务状况维度以及企业历史信用状况维度，所述企业经营状况维度对应的多个信用指标数据包括：经营运输业务时长、企业性质信息、年均营运运输工具数量、经营异常次数以及证件有效期信息，所述企业财务状况维度对应的多个信用指标数据包括：企业资产负债率、企业资产周转率、企业营业利润率以及企业营业收入增长率，所述企业管理状况维度对应的多个信用指标数据包括：企业安全管理制度信息、信用教育信息以及应急培训信息，所述企业服务状况维度对应的多个信用指标数据包括：企业被投诉次数以及企业处理业务问题的平均时间，所述企业历史信用状况维度对应的多个信用指标数据包括：企业历史承诺未履行次数、企业历史违法违规次数、企业历史公共信用等级以及企业历史交通信用等级；

11、当所述对象为企业所使用的运输工具时，所述企业所使用运输工具所对应的多个状态维度包括：资质状况维度、性能状况维度、违法违规状况维度以及安全装置使用状况维度，所述资质状况维度对应的多个信用指标数据包括：证件有效期内的运输工具数量以及运输工具维修保养信息，所述性能状况维度对应的多个信用指标数据包括：运输工具营运年限均值以及运输工具年检合格率，所述违法违规状况维度对应的多个信用指标数据包括：运输工具违法违规率以及罚款缴纳信息，所述安全装置使用状况维度对应的多个信用指标数据包括：运输工具安全装置装载率以及运输工具安全装置使用率；

12、当所述对象为企业员工时，所述企业员工所对应的多个状态维度包括：企业员工专业技术状况维度、企业员工心理生理状况维度以及企业员工安全责任意识状况维度，所述企业员工专业技术状况维度对应的多个信用指标数据包括：企业员工资质失效率、最高等级企业员工占比率以及企业员工驾龄均值，所述企业员工心理生理状况维度对应的多个信用指标数据包括：企业员工年龄均值、企业员工本科学历及以上的占比率以及企业员工收入均值，所述企业员工安全责任意识状况维度所对应的多个信用指标数据包括：企业员工驾驶途中超速次数、企业员工疲劳驾驶次数以及企业员工违法违规率。

13、可选地，所述方法还包括：

14、对所述训练后的信用风险预测模型的参数进行调整，以得到目标信用风险预测模型，以将所述目标信用风险预测模型进行部署。

15、可选地，对所述训练后的信用风险预测模型的参数进行调整，以得到目标信用风险预测模型，具体包括：

16、获取测试企业的历史企业数据；

17、将所述测试企业的历史企业数据对应的所述信用指标表中在各维度下的信用指标数据作为测试数据；

18、将所述测试数据输入到所述训练后的信用风险预测模型中，以得到针对所述测试数据的预测社会信用风险值，并根据针对所述测试数据的预测社会信用风险值，对所述训练后的信用风险预测模型的参数进行微调，以得到目标信用风险预测模型。

19、本说明书提供了一种社会信用风险防控方法，包括：

20、获取目标企业的待预测企业数据；

21、将所述待预测企业数据输入到信用风险预测模型中，以使所述信用风险预测模型确定出针对所述待预测企业数据的预测社会信用风险值，所述信用风险预测模型是通过如上述模型训练方法训练得到的；

22、根据所述预测社会信用风险值以及确定出的社会信用风险区间，确定所述目标企业的社会信用风险程度；

23、根据所述社会信用风险程度，对所述目标企业进行社会信用风险防控。

24、可选地，确定社会信用风险区间，具体包括：

25、确定各参考企业的预测社会信用风险值；

26、根据所述各参考企业的预测社会信用风险值，确定社会信用风险参数；

27、根据所述社会信用风险参数，划分出社会信用风险区间。

28、本说明书提供了一种模型训练装置，包括：

29、获取模块：用于获取样本企业的历史企业数据；

30、确定模块：用于根据所述历史企业数据，确定预设的信用指标表中所述样本企业在各维度下的信用指标数据；

31、预测模块：用于将所述信用指标数据输入到预设的信用风险预测模型中，以使所述信用风险预测模型确定出针对所述样本企业的预测社会信用风险值；

32、训练模块：用于以最小化所述预测社会信用风险值与所述信用指标数据对应的所述样本企业的实际社会信用风险值之间的偏差为优化目标，对所述信用风险预测模型进行训练，训练后的信用风险预测模型用于执行社会信用风险预测业务。

33、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述模型训练方法或社会信用风险防控方法。

34、本说明书提供了一种电子设备，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程序时实现上述模型训练方法或社会信用风险防控方法。

35、本说明书采用的上述至少一个技术方案能够达到以下有益效果：

36、本说明书提供的模型训练方法，首先获取样本企业的历史企业数据，根据该历史企业数据，确定预设的信用指标表中样本企业在各维度下的信用指标数据，而后，可以将信用指标数据输入到预设的信用风险预测模型中，以使信用风险预测模型确定出针对样本企业的预测社会信用风险值，并以最小化预测社会信用风险值与信用指标数据对应的样本企业的实际社会信用风险值之间的偏差为优化目标，对信用风险预测模型进行训练，训练后的信用风险预测模型用于执行社会信用风险预测业务。

37、从上述方法中可以看出，可以通过训练后的信用风险预测模型来执行社会信用风险预测业务，避免了采用人工预测的方式来对企业的社会信用风险进行预测，大大提升了预测企业的社会信用风险的准确性，并且在对信用风险预测模型进行训练的过程中，可以将历史企业数据对应的在各维度下的信用指标数据作为训练的样本数据输入到预设的信用风险预测模型中，进而参考各维度下的信用指标数据所表征的信息来对信用风险预测模型进行训练，可以得到预测准确性较高的信用风险预测模型，进一步提升了预测企业的社会信用风险的准确性。