[发明专利]一种基于强化学习的P2P网络借贷机构风险评估方法

摘要

本发明提出一种基于强化学习的P2P网络借贷机构风险评估方法，属于网络大数据处理及电子信息技术领域。包括：首先，采集P2P网贷企业的公司简介文本信息，进行分词；然后，对所有文档的词，使用信息增益提取关键词；其次，使用Max‑min ACLA算法构造强化学习模型；在强化学习模型的训练过程中，采用动态改变权重的方法更新样本权重；最后，利用训练好的强化学习模型对待评估机构进行风险评估。本发明采用了强化学习模型来解决文本分类数据少且数据不平衡的问题，同时通过动态更新样本权重的方法加快模型训练的收敛速度，节省了大量时间，使其具有更强的实用性。本发明针对公司简介文本提取关键词特征，非常易于实现。

主权项

1.一种基于强化学习的P2P网络借贷机构风险评估方法，其特征在于，包括如下步骤：步骤1，采集P2P网贷企业的公司简介文本信息，进行分词；步骤2，对所有文档的词，使用信息增益提取关键词，设选定m个关键词，为每篇文档构造一个m维的特征向量；特征向量中的每一维代表了所对应的关键词在文档中是否出现，若出现，则取值为1，否则取值为0；m为正整数；步骤3，使用Max‑min ACLA算法构造强化学习模型；所述的强化学习模型中，将文档的特征向量作为输入向量，将P2P网贷企业的风险类别作为目标类别，为每个目标类别构建一个代理agent，每个agent接收三个桶作为状态向量，每个桶的大小与输入向量相同，第一个桶是输入向量的副本，第二个桶初始化为零向量，第三个桶初始化为输入向量；步骤4，在强化学习模型的训练过程中，采用动态改变权重的方法更新样本权重；所述的动态改变权重的方法是：当前迭代到设定次数时，计算当前模型的正确率acccur，与上次更新权重时的模型正确率accpre比较，若accpre‑acccur>5％，则将样本权重重新被设置成相同的，否则，样本权重继续按照之前的策略更新；步骤5，利用训练好的强化学习模型对待评估机构进行风险评估；提取待评估机构的公司简介文本信息，进行分词，为评估机构构造步骤2所述的m维的特征向量，将该特征向量输入训练好的强化学习模型，获得风险评估结果。