[发明专利]一种风险识别方法和系统

权利要求书

1.一种风险识别方法，其特征在于，应用于终端，用于对企业破产风险进行识别，所述方法包括：

获取待预测企业的信息数据；

根据构建的风险识别模型对所述待预测企业的信息数据进行分析处理以得到预测结果，其中，所述构建的风险识别模型为依据lightGBM机器学习算法训练建立；

将所述预测结果以预设的可视化方式显示于所述终端的显示界面，以供用户可以清楚地获知预测结果。

2.如权利要求1所述的风险识别方法，其特征在于，所述方法还包括：

获取所述风险识别模型的原始训练数据；

利用所述lightGBM机器学习算法对所述原始训练数据进行学习，以得到所述风险识别模型。

3.如权利要求2所述的风险识别方法，其特征在于，所述利用所述lightGBM机器学习算法对所述原始训练数据进行学习，以得到所述风险识别模型的步骤，包括：

将所述原始训练数据进行数值处理以得到连续的特征值数据；

对所述连续的特征值数据进行离散处理以得到直方图；

根据所述直方图生成所述风险识别模型。

4.如权利要求2所述的风险识别方法，其特征在于，所述原始训练数据包括已知破产企业数据信息和非破产企业数据信息，其中，所述已知破产企业与所述非破产企业的数量比为1:1.4。

5.如权利要求4所述的风险识别方法，其特征在于，所述已知破产企业数据信息和非破产企业数据信息包括但不限于：工商信息、行政处罚、开庭公告、裁判文书、招投标、司法拍卖、商标注册、失信被执行、专利和判决执行。

6.如权利要求3所述的风险识别方法，其特征在于，所述直方图中包括的类别包括：注册资本(量级万)、成立年限、行业企业数量、行业企业吊销率、关联公司裁判文书被告次数、裁判文书次数、法人变更次数、商标注册数量、是否吊销、失信次数、裁判文书被告案件判决总金额、网络图法人对外投资或者任职的公司执行次数、裁判文书被告与破产有关纠纷次数、行业企业吊销数量、股东变更次数、网络图股东或者对外投资企业的执行次数、裁判文书被告合同纠纷次数、法院公告与否、网络图股东或者对外投资企业作为被告的裁判文书次数、地址变更次数。

7.如权利要求3所述的风险识别方法，其特征在于，所述根据所述直方图生成所述风险识别模型的步骤，包括：

遍历所述直方图确定类别以及对应的统计量；

根据所述统计量确定满足预设条件的类别为最优分割点；

以梯度提升树和所述最优分割点建立决策树以形成所述风险识别模型。

8.如权利要求7所述的风险识别方法，其特征在于，所述决策树的建树过程中采用带深度限制的Leaf-wise的叶子生长策略。

9.如权利要求7所述的风险识别方法，其特征在于，所述决策树的叶子所对应的直方图通过所述叶子的父节点的直方图与所述叶子的兄弟节点的直方图做差得到。

10.一种风险识别系统，其特征在于，所述风险识别系统用于对企业破产风险进行识别，所述系统包括：

数据获取模块，用于获取待预测企业的信息数据；

数据分析模块，用于根据构建的风险识别模型对所述待预测企业的信息数据进行分析处理以得到预测结果，其中，所述构建的风险识别模型为依据lightGBM机器学习算法训练建立；

显示模块，用于将所述预测结果以预设的可视化方式显示于所述终端的显示界面，以供用户可以清楚地获知预测结果。