[发明专利]一种基于知识图谱和本体推理机的信贷风险预测方法

权利要求书

1.一种基于知识图谱和本体推理机的信贷风险预测方法，其特征在于，包含步骤：

S1、依时序搜集若干借贷公司在设定期间内对外公开的第一至第n类金融信息数据；预处理所述第一至第n类金融信息数据；

S2、基于第一至第n类金融信息数据，建立借贷公司经营状况知识图谱；

S3、基于所述公司经营状况知识图谱为所述借贷公司进行本体推理，挖掘与借贷公司经营状况相关的经营状态信息；

S4、将部分借贷公司的金融信息数据、经营状态信息作为训练集，其余借贷公司的金融信息数据、经营状态信息作为验证集，训练神经网络模型，该神经网络模型用于预测信贷公司的信贷风险概率；

S5、搜集待进行信贷风险预测的借贷公司的金融信息数据，基于该借贷公司的金融信息数据挖掘该借贷公司的经营状态信息，将该借贷公司的金融信息数据、经营状态信息输入训练好的神经网络模型，预测该借贷公司的信贷风险概率。

2.如权利要求1所述的基于知识图谱和本体推理机的信贷风险预测方法，其特征在于，步骤S1包含：

S11、通过爬虫获取第一至第m借贷公司在设定期间内对外公开的第一至第n类金融信息数据，建立借贷公司金融信息数据矩阵A:

其中，A_i,j,t为第t次搜集的第i借贷公司的第j类金融信息数据；i∈[1,m]，j∈[1,n],t∈[1,T]，T为搜集的总次数；α_i,j表示第i借贷公司的第j类金融信息数据；

S12、对矩阵A进行数据整理：若α_i,j中A_i,j,t为空缺值，令A_i,j,t＝p×A_i,j,t-1+q×A_i,j,t+1；其中p,q∈[0,1]为设定的系数；

S13、经过步骤S12后，矩阵A转换为矩阵A′：

其中β_i,j为矩阵A′中整理后的第i借贷公司的第j类金融信息数据。

3.如权利要求1所述的基于知识图谱和本体推理机的信贷风险预测方法，其特征在于，所述第一至第n类金融信息数据包含：公司名称、公司流动资产、公司流动负债、公司所有者投入资本、公司全部资产、公司主营业务收入净额、公司平均流动资产总额。

4.如权利要求2所述的基于知识图谱和本体推理机的信贷风险预测方法，其特征在于，步骤S2中所述借贷公司经营状况知识图谱包含：若干本体概念类、若干本体属性和若干本体实例；一个所述本体概念类对应一类金融信息数据：所述本体概念类之间通过对应的本体属性进行关联；一个所述本体实例对应矩阵A′中的一个元素。

5.如权利要求4所述的基于知识图谱和本体推理机的信贷风险预测方法，其特征在于，步骤S3包含：

建立本体推理规则rule_r，r∈[1,u]，u为自然数；

所述本体推理规则rule_r包含：设定的推理算法R_r，I_i,r；

其中分别为矩阵A′中整理后的第i借贷公司的第i₁、…、第i_r类金融信息数据，i₁,…,i_r∈[1,n]；I_i,r为由挖掘得到的与第i借贷公司经营状况相关的第r类经营状态信息。