[发明专利]一种基于大数据挖掘的科技企业信用评价方法

说明书

本发明涉及企业信用评价技术领域，尤其涉及一种基于大数据挖掘的科技企业信用评价方法，方法步骤包括科技企业信用相关数据采集，将数据传送至云端，对数据进行存储与数据预处理，使用GMM对数据进行聚类，将带有标签的数据用来训练一个可以准确预测科技企业信用等级的BP神经网络模型，最后接受用户输入的企业数据，用BP神经网络进行预测并将结果从云端返回给用户。本发明具有客观、全面、精准、鲁棒性强等优点。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于大数据挖掘的科技企业信用评价方法。

背景技术

科技企业信用评价是以科技企业或单位作为被评价对象开展的信用评价活动，其目的在于构建一套能够比较客观、全面、动态地反映科技企业信用状态的指数。这有助于揭示科技企业信用水平的波动，为科技企业加强信用建设提供科学指导，也为金融机构评估科技企业信用提供可靠的参考。传统的科技企业信用评价采用“信用等级评级”方式，大多根据企业经营数据等信息，通过专家介入或纯数学计算的方法得到评价模型对企业的信用进行评估，最终通过预先设定好的简单的字母标识来表述企业的信用状况。

上述科技企业信用评价体系有其一定的合理性，但随着经济社会的发展和大数据时代的到来，传统的科技企业评价体系的弊端也越来越突出。首先，传统的“信用等级评级”偏重于财务指标，考虑的因素过于单一。如今的企业信用信息呈现出多元化的态势，无论是数字、文字、图片、音频还是视频都可以作为重要参考录入存储，其次，过于依赖专家意见和缺乏对数据的深度挖掘。获取专家意见虽比较可靠，但成本高且只能反映目前个别企业的信用情况，灵活性和普适性较差。使用传统的基于统计的纯数学方法建立指标体系无法有效挖掘企业数据所含信用信息。因此，需要运用大数据挖掘技术对科技企业信用进行评价十分必要。

发明内容

有鉴于此，本发明的目的是提供一种基于大数据挖掘的科技企业信用评价方法，本发明具体按以下步骤执行：

S₁:对科技企业信用相关数据进行采集，具体利用传统的征信方式以及网络爬虫技术获得科技企业信用相关数据，包括财务数据、用户对科技企业的评价、企业决策层个人信用、企业合作伙伴信用数据、资产负债率和流动比率等等数据；

S₂:将收集到的数据通过局域网或互联网传至基于Spark分布式计算技术框架进行搭建的大数据云端平台，Shark是为了应用Hive技术而出现的数据仓库，将企业信用相关数据存储在其中，既可以很方便地对相关数据进行业务逻辑查询，也可以确保数据的安全性。通过该平台为科技企业信用评价提供数据存储和计算能力支撑。

S₃:对存储数据进行信息提取、数据集成、数据变换的预处理操作；由于收集到的数据来自多个异种数据源，很有可能受到噪声、缺失和不一致的侵扰。数据存储完成后对数据进行信息提取、数据集成、数据变换等预处理操作，可以使得后续的挖掘过程更加容易，更加准确。

S₄:使用数据挖掘相关算法进一步处理数据，使用GMM对所有企业进行聚类，得到各个类的标签；

S₅:用带有标签的一部分数据作为训练集进行模型的训练，建立BP神经网络，采用Adam方法对参数进行更新，用以预测每个企业所述的类别，使用余下的数据集作为测试集对模型进行评价，采用精准率作为评价指标，若精准率大于所设定的阈值则认为模型是合适的，将训练完毕的模型保存即可，否则，返回步骤S₄，并根据实际情况对模型进行适合的调整；

S₆:根据用户所提供的企业的信用相关数据，经过相关处理后用步骤S₅中建立好的模型进行分类，并将分类结果返回给用户。