[发明专利]一种金融信用度的模糊动态加权匹配方法及系统

说明书

本发明公开了一种金融信用度的模糊动态加权匹配方法及系统，由设有神经网络架构的模型内的程序或系统进行完成具体包括如下步骤：(1)收集目标客户的指标明细表，(2)按照预定规则对指标明细表进行权重比划分，构建系统的核心指标参数，(3)关联与目标客户的核心指标参数的基本数据，(4)对所述核心指标参数的基本数据进行英文和/或数字化表达，(5)分别对基本数据进行定义编号，根据公式计算核心指标参数进行单一的匹配度和相似度计算，(6)根据定义好的基本数据的权重比进行综合加权匹配度计算，(7)输出匹配度阈值列表结果。本发明通过模糊动态加权匹配以提高目标客户的身份识别管理效率以及信用精准度可信度的问题。

技术领域

本发明涉及数据处理技术领域，具体涉及是一种金融信用度的模糊动态加权匹配方法及系统。

背景技术

现有技术中，有较多的反洗钱的系统和方法，但其系统本身受限于自身对客户身份识别的能力，现有技术的系统对已有黑名单匹配方法主要存在以下三个问题：

一是对第三方黑名单数据库中客户的信息利用不全面，比如对住址信息等文本数据的挖掘有限；

二是黑名单匹配规则存在不合理现象，不能实现真正的动态加权；

三是部分黑名单匹配方式不支持多语言的模糊搜索。

因此，在实现在建立客户关系以及处理客户资金交易环节等场景中自然人或机构客户及其受益人的身份识别管理问题存在一定技术缺陷。

发明内容

本发明的目的在于提供一种金融信用度的模糊动态加权匹配方法，以解决提高目标客户的身份识别管理效率以及信用精准度可信度的问题。

为实现上述目的，本发明提供如下技术方案：

一种金融信用度的模糊动态加权匹配方法，具体包括如下步骤：

(1)收集目标客户的指标明细表，

(2)按照预定规则对指标明细表进行权重比划分，构建系统的核心指标参数，

(3)关联与目标客户的核心指标参数的基本数据，

(4)对所述核心指标参数的基本数据进行英文和/或数字化表达，

(5)分别对基本数据进行定义编号，根据公式计算核心指标参数进行单一的匹配度和相似度计算，

(6)根据定义好的基本数据的权重比进行综合加权匹配度计算，

(7)输出匹配度阈值列表结果。

优选地，所述指标明细表包括但不限于来源于人民银行公共信用信息系统、金融机构的违约信息和事业单位缴费信息数据。

优选地，所述预定规则为。

优选地，所述基本数据包括但不限于目标客户的名称、证件类型、证件号码、出生/注册日期、性别属性、国籍、籍贯和所属行业。

优选地，所述匹配度计算公式为

其中,d(NP_i,NP_j)表示输入自然人客户或机构客户的名称字符串NP_i和黑名单数据库中疑似自然人客户或机构客户的名称字符串NP_j的最短编辑距离；

lNP_i和lNP_j分别表示自然人客户或机构客户的名称字符串NP_i和NP_j的长度；

max(lNP_i,lNP_j)表示lNP_i和lNP_j中的最大值；PP₀₁为控制参数。