[发明专利]一种基于多视角不完整数据的信贷违约预测方法及系统

权利要求书

1.一种基于多视角不完整数据的信贷违约预测方法，其特征在于，包括：

S1、收集信贷信息样本，并对收集的信贷信息样本中缺失的属性数据进行填充，获得完整的输入矩阵；其中，所述信贷信息样本包括信贷用户填写的个人信息以及贷款审核方从第三方渠道取得的用户信用信息和用户行为轨迹信息；所述输入矩阵为X，其中N_S是样本数量，D_S是属性数；

S2、基于所述完整的输入矩阵构建多视角融合的第一目标函数，并最小化所述第一目标函数，获得最优的属性视角隶属度矩阵；其中，具体包括：构建对角矩阵D，设置属性视角隶属度矩阵A和样本视角隶属度矩阵U；其中，K为视角数；基于所述完整的输入矩阵X、所述对角矩阵D、控制参数α、所述属性视角隶属度矩阵A和样本视角隶属度矩阵U构建多视角融合的第一目标函数L；优化所述属性视角隶属度矩阵A和样本视角隶属度矩阵U，以最小化所述第一目标函数，获得最优的属性视角隶属度矩阵A*；其中，所述第一目标函数的最小化公式为：

S3、基于所述完整的输入矩阵和所述最优的属性视角隶属度矩阵构建预测过程中的第二目标函数，并最小化所述第二目标函数，获得最优的视角权重向量；其中，具体包括：对所述信贷信息样本的还贷情况进行标记，将出现逾期未还贷这一情况的信贷信息样本标记为1，否则标记为0，以构建标签数据Y，设置视角权重向量V，基于所述完整的输入矩阵X、所述对角矩阵D、所述最优的属性视角隶属度矩阵A*、所述标签数据Y、学习率ρ和所述视角权重向量V构建预测过程中的第二目标函数M；优化所述视角权重向量V，以最小化所述第二目标函数M，获得最优的视角权重向量；其中，所述第二目标函数M的最小化公式为：

S4、输入待预测的用户信贷信息，并基于所述最优的属性视角隶属度矩阵和所述最优的视角权重向量，对用户信贷违约概率进行预测。

2.如权利要求1所述的基于多视角不完整数据的信贷违约预测方法，其特征在于，所述S1具体包括：

收集信贷信息样本，并根据所述信贷信息样本构建输入矩阵X；

构建与所述输入矩阵X形状相同的空值指示符矩阵I；

根据空值指示符矩阵I对输入矩阵X中缺失的属性数据进行填充，获得完整的输入矩阵X。

3.如权利要求2所述的基于多视角不完整数据的信贷违约预测方法，其特征在于，所述空值指示符矩阵

所述完整的输入矩阵

4.如权利要求1所述的基于多视角不完整数据的信贷违约预测方法，其特征在于，所述样本视角隶属度矩阵U的优化公式为：

H(U)＝2(AD^TDA^T)；

其中，U值是基于上一次的U值迭代计算得出的，H(U)是L对U求偏导后关于U的海森矩阵，λ为学习率。

5.如权利要求1所述的基于多视角不完整数据的信贷违约预测方法，其特征在于，所述属性视角隶属度矩阵A的优化公式为：

H(A_i，j)＝2D_i，j²(U^TU)_i，j；

其中，A_i,j表示A在第i行第j列位置的项，H(A_ij)是L对A求偏导后关于A_ij的海森矩阵，θ为学习率。

6.如权利要求1所述的基于多视角不完整数据的信贷违约预测方法，其特征在于，所述视角权重向量V的优化公式为：

H(V)＝2P^TP；

其中，V值是基于上一次的V值迭代计算得到的，H(V)是M对V求偏导后关于V的海森矩阵，One_k是长度为K的全1向量。

7.一种基于多视角不完整数据的信贷违约预测系统，能够实现如权利要求1至6任一项所述的基于多视角不完整数据的信贷违约预测方法，其特征在于，所述系统包括：

填充模块，用于收集信贷信息样本，并对收集的信贷信息样本中缺失的属性数据进行填充，获得完整的输入矩阵；其中，所述信贷信息样本包括信贷用户填写的个人信息以及贷款审核方从第三方渠道取得的用户信用信息和用户行为轨迹信息；所述输入矩阵为X，其中N_S是样本数量，D_S是属性数；

第一优化模块，用于基于所述完整的输入矩阵构建多视角融合的第一目标函数，并最小化所述第一目标函数，获得最优的属性视角隶属度矩阵；其中，第一优化模块具体用于：构建对角矩阵D，设置属性视角隶属度矩阵A和样本视角隶属度矩阵U；其中，K为视角数；基于所述完整的输入矩阵X、所述对角矩阵D、控制参数α、所述属性视角隶属度矩阵A和样本视角隶属度矩阵U构建多视角融合的第一目标函数L；优化所述属性视角隶属度矩阵A和样本视角隶属度矩阵U，以最小化所述第一目标函数，获得最优的属性视角隶属度矩阵A*；其中，所述第一目标函数的最小化公式为：

第二优化模块，用于基于所述完整的输入矩阵和所述最优的属性视角隶属度矩阵构建预测过程中的第二目标函数，并最小化所述第二目标函数，获得最优的视角权重向量；其中，第二优化模块具体用于：对所述信贷信息样本的还贷情况进行标记，将出现逾期未还贷这一情况的信贷信息样本标记为1，否则标记为0，以构建标签数据Y，设置视角权重向量V，基于所述完整的输入矩阵X、所述对角矩阵D、所述最优的属性视角隶属度矩阵A*、所述标签数据Y、学习率ρ和所述视角权重向量V构建预测过程中的第二目标函数M；优化所述视角权重向量V，以最小化所述第二目标函数M，获得最优的视角权重向量；其中，所述第二目标函数M的最小化公式为：以及，

预测模块，用于输入待预测的用户信贷信息，并基于所述最优的属性视角隶属度矩阵和所述最优的视角权重向量，对用户信贷违约概率进行预测。