[发明专利]一种企业信用评分样本标注方法及装置

说明书

本发明涉及金融信贷技术领域，具体提供了一种企业信用评分样本标注方法，具有以下步骤：S1、多源异构数据分析融合建立标准数据库；S2、构建进行信用评分的指标体系；S3、指标数据的预处理；S4、计算最优聚类中心。与现有技术相比，本发明在构建信用评分模型的好坏标签时，首先基于具有明确好坏含义的指标为部分样本标注标签，然后基于kmeans聚类的结果，为其他未标注样本打标签；该方法很大程度上节约了人力成本以及人工标注的时间。

技术领域

本发明涉及金融信贷技术领域，具体提供一种企业信用评分样本标注方法及装置。

背景技术

随着互联网的迅速发展,人们的日常工作与生活习惯发生了质的改变。互联网技术的发展和应用以迅雷不及掩耳之式渗透到各行各业,尤其是金融行业,传统金融行业正接受着大数据、互联网以及用户体验不平衡不对称的严峻考验。

大数据风控技术已经成为业内人士最关注的一个大数据应用焦点。金融风控模型是互联网金融健康成长的必然趋势。当前我国互联网金融信用体系还不是很完善,征信系统和有关法律都含有一定的缺陷。

信用评分模型常用的方法是逻辑回归，逻辑回归(Logistic regression)是机器学习领域最为常见的模型方法之一，常常用于作为处理各种任务的基准模型(baseline)。当然各类任务往往最后所用模型的性能远超过逻辑回归方法，但是其模型结构的复杂度和训练时间也往往超过逻辑回归方法；因其可解释性高的优点，在风控建模方面有广泛的应用。

逻辑回归的训练是需要有标签的数据；另外，在进行特征工程指标重要性分析时，也需要有标签的数据，比如相关性分析、xgboost指标重要性分析等；然而，很多情况下，不能以现有的指标为所有的训练数据标注合适的标签，这会使得逻辑回归建立信用评分模型的训练样本不足，或者无法训练。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的企业信用评分样本标注方法

本发明进一步的技术任务是提供一种设计合理，安全适用的企业信用评分样本标注装置。

本发明解决其技术问题所采用的技术方案是：

一种企业信用评分样本标注方法，具有以下步骤：

S1、多源异构数据分析融合建立标准数据库；

S2、构建进行信用评分的指标体系；

S3、指标数据的预处理；

S4、计算最优聚类中心。

进一步的，在步骤S1中，基于用户汇聚的多源数据，通过数据之间融合比对，不同原始字段对齐，对多源异构数据分析融合建立形成企业标准数据库。

进一步的，在步骤S2中，基于建立的企业标准数据库建设用于信用评分的指标体系，构建指标的数据来源官方数据、互联网数据、第三方数据、入库存量数据、API接口数据、结构化的基本信息和半结构化的数据。

进一步的，在步骤S3中，通过无效值处理、同值统计和缺失值统计完成指标数据的预处理工作；

所述无效值处理是去除无关信息；所述同值统计处理是对只含同值的字段、同值率高于80％的字段进行去除；缺失值统计处理对全部缺失、字段缺失率高于80％的字段进行去除。

进一步的，在步骤S4中，进一步的包括：

S401、对指标进行特征工程；

S402、筛选具有明确含义的指标并标注部分样本；

S403、kmeans聚类需求最优聚类中心；

S404、标注无标签样本；

S405、信用评分模型训练。