[发明专利]信息处理方法、装置、设备及介质

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取目标社会实体的目标社会实体信息；

从所述目标社会实体信息中提取所述目标社会实体的与登记注册相关的目标特征向量；

将所述目标特征向量输入预先训练好的梯度提升树模型，得到所述预先训练好的梯度提升树模型输出的所述目标社会实体的预测信用评分；

若所述目标社会实体的预测信用评分符合预设的空壳实体检测条件，则确定所述目标社会实体为空壳实体；

其中，在所述获取目标社会实体的目标社会实体信息之前，所述方法还包括：

获取样本数据，所述样本数据包括多个样本社会实体的与登记注册相关的样本特征向量和每个所述样本社会实体的标记信用评分；

基于所述样本数据，构造第一训练数据、第一测试数据和第一验证数据；

利用所述第一训练数据、所述第一测试数据和所述第一验证数据对第一梯度提升树模型进行迭代训练，得到训练好的梯度提升树模型；

其中，在所述利用所述第一训练数据、所述第一测试数据和所述第一验证数据对第一梯度提升树模型进行迭代训练，得到训练好的梯度提升树模型之后，所述方法还包括：

将各个所述样本社会实体的样本特征向量分别输入所述训练好的梯度提升树模型，得到所述训练好的梯度提升树模型输出的各个所述样本社会实体的预测信用评分；

根据所述样本社会实体的预测信用评分和所述样本社会实体的标记信用评分，重新标记各个所述样本社会实体的信用评分，得到重新标记后的样本数据；

基于所述重新标记后的样本数据，构造第二训练数据、第二测试数据和第二验证数据；

利用所述第二训练数据、所述第二测试数据和所述第二验证数据对第二梯度提升树模型进行迭代训练，得到重新训练好的梯度提升树模型。

2.根据权利要求1所述的信息处理方法，其特征在于，所述利用所述第一训练数据、所述第一测试数据和所述第一验证数据对第一梯度提升树模型进行迭代训练，得到训练好的梯度提升树模型，包括：

利用所述第一训练数据和所述第一测试数据训练所述第一梯度提升树模型；

利用所述第一验证数据，检测所述第一梯度提升树模型的第一准确度；

在所述第一准确度小于第一准确度阈值的情况下，返回执行所述利用所述第一训练数据和所述第一测试数据训练所述第一梯度提升树模型，直至所述第一准确度大于或等于所述第一准确度阈值，得到所述训练好的梯度提升树模型。

3.根据权利要求1所述的信息处理方法，其特征在于，所述利用所述第二训练数据、所述第二测试数据和所述第二验证数据对第二梯度提升树模型进行迭代训练，得到重新训练好的梯度提升树模型，包括：

利用所述第二训练数据和所述第二测试数据训练所述第二梯度提升树模型；

利用所述第二验证数据，检测所述第二梯度提升树模型的第二准确度；

在所述第二准确度小于第二准确度阈值的情况下，返回执行所述利用所述第二训练数据和所述第二测试数据训练所述第二梯度提升树模型，直至所述第二准确度大于或等于所述第二准确度阈值，得到所述重新训练好的梯度提升树模型。

4.根据权利要求1所述的信息处理方法，其特征在于，所述从所述目标社会实体信息中提取所述目标社会实体的与登记注册相关的目标特征向量，包括：

从所述目标社会实体信息中提取所述目标社会实体的与登记注册相关的目标社会实体特征；

根据所述目标社会实体特征生成所述目标特征向量；

其中，所述目标社会实体特征至少包括下列中的至少一种：法人特征、注册地址特征、实体命名特征、财务人员特征、兼职人员特征。

5.根据权利要求1所述的信息处理方法，其特征在于，所述获取目标社会实体的目标社会实体信息，包括：

从预设数据库获取所述目标社会实体的实时社会实体信息；

对所述实时社会实体信息进行预处理，得到所述目标社会实体信息；

其中，所述预处理包括下列中的至少一种：缺失处理、异常处理、量纲处理、去重处理、噪声处理。