[发明专利]一种基于深度学习与逻辑回归相融合的企业信用评估方法

权利要求书

1.一种基于深度学习与逻辑回归相融合的企业信用评估方法，其特征在于,包括如下步骤：

S1、获取多家企业的政府数据、互联网数据、第三方数据，将同一家企业的政府数据、互联网数据、第三方数据存储于同一个关系型数据子表格中；

S2、多家企业的关系型数据子表格经过汇聚、对齐、融合成至少一个关系型数据总表格，存储于标准数据仓库；

S3、分别筛选标准数据仓库中所有关系型数据总表格包含的数据，构建三层指标的企业信用指标体系；

S4、基于企业的关系型数据子表格包含的数据，人工将企业标注为违约用户或守约用户，随后，在标准数据仓库存储的关系型数据总表格中，分别标记违约用户和守约用户的相关数据；

S5、将违约用户和守约用户随机划分到训练样本和预测样本，训练样本包含的用户个数多于预测样本包含的用户个数，随后，按照随机划分的结果将关系型数据总表格拆分为两个关系型数据表格，并将拆分得到的两个关系型数据表格对应存储到训练样本和预测样本；

S6、对训练样本的关系型数据表格包含的数据和企业信用指标体系的三层指标进行探索性数据分析和数据清洗，确定初步入模指标；

S7、基于神经网络构建深度学习与逻辑回归相融合的企业信用评估模型；

S8、基于训练样本和步骤S6确定的初步入模指标，训练步骤S7构建的企业信用评估模型，输出最终的入模指标及最优企业信用评估模型；

S9、基于步骤S8训练得到的最优企业信用评估模型预测企业的违约概率，并转化为标准信用评分，对整体企业信用评分分布进行正态分布检验，确定最终企业信用评分。

2.根据权利要求1所述的一种基于深度学习与逻辑回归相融合的企业信用评估方法，其特征在于，步骤S1中，

企业的政府数据包括工商、公积金、社保、发改委、银保监、行政处罚各项信息；

企业的互联网数据包括电商数据、上市信息、认定信息、网店信息、法律诉讼、失信被执行、招投标各项信息；

企业的第三方数据包括企业工商信息、人员信息、人企关系数据各项信息。

3.根据权利要求2所述的一种基于深度学习与逻辑回归相融合的企业信用评估方法，其特征在于，步骤S2中，对多家企业的关系型数据子表格进行汇聚、对齐、融合，得到至少一个关系型数据总表格，其具体操作为：

S2.1、数据汇聚阶段：采集企业数据，企业数据包含企业的政府数据、互联网数据、第三方数据，其中，企业的政府数据以接口形式对接，覆盖公积金、社保、工商、税务、食药监、银保监，企业的互联网数据覆盖企业背景、电商数据、裁判文书、招投标、司法数据，企业的第三方数据以接口形式对接，覆盖企业工商信息、人员信息、人企关系数据；

S2.2、数据对齐阶段：建立统一的数据标准规范，对企业入库的政府数据、互联网数据、第三方数据进行规范化管理，通过ETL数据治理工具进行上述三方数据的治理加工；

S2.3、数据融合阶段：将多家企业的政府数据、互联网数据、第三方数据进行横纵向数据融合，融合汇聚到至少一个关系型数据总表格中，至少一个关系型数据总表格统一存储到标准数据仓库中，标准数据仓库存储上述三方数据融合之后的标准库数据、加工所得指标库、特征库三项信息。

4.根据权利要求1所述的一种基于深度学习与逻辑回归相融合的企业信用评估方法，其特征在于，步骤S3构建三层指标的企业信用指标体系，其具体操作包括：

S3.1、基于企业信用评估这一业务目标，分别梳理标准数据仓库中关系型数据总表格的各表格字段，确定原始指标，

S3.2、对原始指标衍生形成三级指标内容，

S3.3、针对三级指标进行抽象概括形成二级指标内容，

S3.4、结合三级指标及二级指标的内容，分析指标体现的企业信用的评估维度，确定一级指标内容，

S3.5、基于三级指标内容、二级指标内容、一级指标的内容，构建覆盖三层指标的企业信用指标体系。