(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210367992.6 (22)申请日 2022.04.08 (71)申请人 平安国际智慧城市科技股份有限公 司 地址 518000 广东省深圳市前海深港合作 区妈湾兴海 大道3048号前海自贸大厦 1-34层 (72)发明人 王水桃　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 常云敏　陈海云 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的信用风险评估 方法、 装置及 相关设备 (57)摘要 本发明涉及人工智能技术领域， 提供一种基 于人工智能的信用风险评估 方法、 装置及相关设 备， 所述方法包括： 基于每个企业的指标确定每 个企业的第一信用风险等级； 对初始化后的训练 样本集进行第一次类别标注， 得到第一目标训练 样本集； 对第一目标训练样本集进行第一预处 理， 得到第二目标训练样本集； 基于第二目标训 练样本集训练预设的神经网络模 型， 得到信用风 险评估模型； 将目标数据集输入至信用风险评估 模型中， 得到信用风险评估结果。 本发明通过采 用对第一目标训练样本集进行第一预处理得到 的第二目标训练样本集训练信用风险评估模型， 提高了信用风险评估模型的准确性， 进而提高了 信用风险预测结果的准确率。 权利要求书3页 说明书14页 附图2页 CN 114663223 A 2022.06.24 CN 114663223 A 1.一种基于人工智能的信用风险评估方法， 其特 征在于， 所述方法包括： 解析获取的训练样本集， 获取企业及每 个所述企业的指标； 基于每个所述企业的指标确定每 个所述企业的第一信用风险等级； 初始化所述训练样本集， 并根据每个所述企业的第 一信用风险等级对初始化后的训练 样本集进行第一次类别标注， 得到第一目标训练样本集； 对所述第一目标训练样本集进行第一预处 理， 得到第二目标训练样本集； 基于所述第二目标训练样本集训练预设的神经网络模型， 得到信用风险评估 模型； 当接收到的待评估企业的信用风险评估请求 时， 对待评估企业的信用风险评估请求进 行第二预 处理， 得到目标数据集， 并将所述目标数据集输入至所述信用风险评估模型中， 得 到所述待评估企业的信用风险评估结果。 2.如权利要求1所述的基于人工智能的信用风险评估方法， 其特征在于， 所述基于每个 所述企业的指标确定每 个所述企业的第一信用风险等级包括： 识别每个所述企业的指标的标签， 根据所述标签将每个所述企业的指标划分为一级指 标数据集、 二级指标 数据集和三级指标 数据集； 基于所述一级指标数据集、 二级指标数据集和三级指标数据集， 计算每个所述企业的 企业信用风险值； 根据计算得到的每个所述企业的企业信用风险值确定每个所述企业的第一信用风险 等级。 3.如权利要求2所述的基于人工智能的信用风险评估方法， 其特征在于， 所述基于所述 一级指标数据集、 二级指标数据集和三级指标数据集， 计算每个所述企业的企业信用风险 值包括： 从预设的数据库中获取每个所述企业的每个一级指标的信用分值、 每个一级指标对应 的每个二级指标的信用分值、 每 个二级指标对应的每 个三级指标的信用分值及权 重值； 计算每个一级指标的信用分值、 每个一级指标对应的每个二级指标的信用分值、 及每 个二级指标对应的每个三级指标的信用分值与权重值的乘积之和， 得到每个所述 企业的信 用风险值。 4.如权利要求1所述的基于人工智能的信用风险评估方法， 其特征在于， 所述初始化所 述训练样本集包括： 获取所述训练样本集中的多个三级指标； 识别每个所述三级指标的指标值是否满足归一 化需求； 按照预设的归一化处理规则， 对满足归一化处理 的每个所述三级指标的指标值进行归 一化处理， 得到每 个所述三级指标的新指标值； 基于每个所述三级指标的新指标值对所述训练样本集进行更新， 得到初始化后的训练 样本集。 5.如权利要求1所述的基于人工智能的信用风险评估方法， 其特征在于， 所述对所述第 一目标训练样本集进行第一预处 理， 得到第二目标训练样本集包括： 将所述第一目标训练样本集输入至预 先训练好的LGBT模型中， 得到 权重因子集； 按照预设的权 重阈值将所述权 重因子集划分为强因子集和弱因子集； 采用重采样法， 按照预设的采集比例从所述强因子集和弱因子集中随机获取多个组合权　利　要　求　书 1/3 页 2 CN 114663223 A 2样本集； 所述多个组合样本集进行聚类， 得到最优权 重因子集； 基于所述最优权重因子集对所述初始化后的训练样本集进行第 二次类别标注， 得到第 二目标训练样本集。 6.如权利要求5所述的基于人工智能的信用风险评估方法， 其特征在于， 所述基于所述 最优权重因子集对所述初始 化后的训练样本集进 行第二次类别标注， 得到第二目标训练样 本集包括： 根据所述 最优权重因子集获取每 个所述企业的目标训练样本集； 将每个所述企业的目标训练样本集划分为多个簇类； 计算每个所述簇类的所有训练样本的信用风险值的平均值， 得到每个所述簇类的信用 风险值； 计算所述多个族的多个信用风险值的平均值， 得到每 个所述企业的簇类信用风险值； 根据计算得到的每个所述企业的簇类信用风险值确定每个所述企业的第二信用风险 等级； 根据每个所述企业的第二信用风险等级对所述初始化后的训练样本集进行第二次类 别标注， 得到第二目标训练样本集。 7.如权利要求6所述的基于人工智能的信用风险评估方法， 其特征在于， 所述计算每个 所述簇类的所有训练样本的信用风险值的平均值， 得到每 个所述簇类的信用风险值包括： 从预设的数据库中获取每个所述族的每个训练样本的每个一级指标的信用分值、 每个 一级指标对应的每个二级指标的信用分值、 每个二级指标对应的每个三级指标的信用分值 及权重值； 计算每个一级指标的信用分值、 每个一级指标对应的每个二级指标的信用分值、 及每 个二级指标对应的每个三级指标的信用分值与权重值的乘积之和， 得到每个所述簇类的每 个所述训练样本的信用风险值； 将每个所述簇类的所有训练样本的信用风险值的平均值， 确定为每个所述簇类的信用 风险值。 8.一种基于人工智能的信用风险评估 装置， 其特 征在于， 所述装置包括： 解析和获取模块， 用于解析获取的训练样本集， 获取企业及每 个所述企业的指标； 确定模块， 用于基于每 个所述企业的指标确定每 个所述企业的第一信用风险等级； 标注模块， 用于初始化所述训练样本集， 并根据每个所述企业的第一信用风险等级对 初始化后的训练样本集进行第一次类别标注， 得到第一目标训练样本集； 第一预处理模块， 用于对所述第一目标训练样本集进行第一预处理， 得到第二目标训 练样本集； 训练模块， 用于基于所述第二目标训练样本集训练预设的神经网络模型， 得到信用风 险评估模型； 第二预处理模块， 用于当接收到的待评估企业的信用风险评估请求时， 对待评估企业 的信用风险评估请求进行第二预处理， 得到目标数据集， 并将所述 目标数据集输入至所述 信用风险评估 模型中， 得到所述待评估企业的信用风险评估结果。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述处理器用于执权　利　要　求　书 2/3 页 3 CN 114663223 A 3