信用评价模型的训练方法和信用评价方法、装置及设备制造方法及图纸

本申请公开了一种信用评价模型的训练方法和信用评价方法、装置及设备。该方法包括：获取多个商户的历史商户经营数据和历史商户经营数据对应的历史商户信用评分；识别多个历史商户经营数据，得到多个历史商户经营数据分别对应的多维度的第一特征向量；通过噪声算法为多个多维度的第一特征向量添加噪声，得到多个多维度的第二特征向量；根据多个多维度的第二特征向量和多个多维度的第二特征向量分别对应的历史商户信用评分，构建多个第一训练样本；通过多个第一训练样本对预设的信用评价模型进行训练，得到训练后的信用评价模型。采用本申请提供的信用评价模型的训练方法和信用评价方法、装置及设备，可以更准确地对商户的信用进行评分。信用进行评分。信用进行评分。

【技术实现步骤摘要】
信用评价模型的训练方法和信用评价方法、装置及设备


[0001]本申请属于机器学习
，尤其涉及一种信用评价模型的训练方法和信用评价方法、装置及设备。

技术介绍

[0002]随着市场的繁荣，各种商户越来越多，在选择商户入驻市场时，为了选择更有信用的商户入驻市场，需要对商户的信用进行评分。
[0003]现有技术中，可以通过训练信用评价模型来对商户的信用进行评分，但是现有技术中采用的信用评价模型会因为输入的商户数据的噪声过大，导致评分不准确。

技术实现思路

[0004]本申请实施例提供一种信用评价模型的训练方法和信用评价方法、装置及设备，能够至少解决现有技术中采用的信用评价模型会因为输入的商户数据的噪声过大，导致评分不准确的问题。
[0005]第一方面，本申请实施例提供一种信用评价模型的训练方法，该方法包括：
[0006]获取多个商户的历史商户经营数据和历史商户经营数据对应的历史商户信用评分；
[0007]识别多个历史商户经营数据，得到多个历史商户经营数据分别对应的多维度的第一特征向量；
[0008]通过噪声算法为多个多维度的第一特征向量添加噪声，得到多个多维度的第二特征向量；
[0009]根据多个多维度的第二特征向量和多个多维度的第二特征向量分别对应的历史商户信用评分，构建多个第一训练样本；
[0010]通过多个第一训练样本对预设的信用评价模型进行训练，直至信用评价模型收敛，得到训练后的信用评价模型。
[0011]第二方面，本申请实施例提供一种信用评价方法，该方法包括：
[0012]获取目标商户的商户经营数据；
[0013]将商户经营数据输入信用评价模型，利用信用评价模型对目标商户进行信用评价，输出得到目标商户的目标信用评分，其中，信用评价模型为根据第一方面的任一项实施例中所示的信用评价模型的训练方法训练得到。
[0014]第三方面，本申请实施例提供了一种信用评价模型的训练装置，该装置包括：
[0015]第一获取模块，用于获取多个商户的历史商户经营数据和历史商户经营数据对应的历史商户信用评分；
[0016]第一识别模块，用于识别多个历史商户经营数据，得到多个历史商户经营数据分别对应的多维度的第一特征向量；
[0017]第一噪声添加模块，用于通过噪声算法为多个多维度的第一特征向量添加噪声，
得到多个多维度的第二特征向量；
[0018]第一样本构建模块，用于根据多个多维度的第二特征向量和多个多维度的第二特征向量分别对应的历史商户信用评分，构建多个第一训练样本；
[0019]第一训练模块，用于通过多个第一训练样本对预设的信用评价模型进行训练，直至信用评价模型收敛，得到训练后的信用评价模型。
[0020]第四方面，本申请实施例提供了一种信用评价装置，该装置包括：
[0021]第二获取模块，用于获取目标商户的商户经营数据；
[0022]信用评价模块，用于将商户经营数据输入信用评价模型，利用信用评价模型对目标商户进行信用评价，输出得到目标商户的目标信用评分，其中，信用评价模型为根据第一方面的任一项实施例中所示的信用评价模型的训练方法训练得到。
[0023]第五方面，本申请实施例提供了一种电子设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；
[0024]所述处理器执行所述计算机程序指令时实现如第一方面的任一项实施例中所示的信用评价模型的训练方法和/或第二方面的任一项实施例中所示的信用评价方法。
[0025]第六方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现第一方面的任一项实施例中所示的信用评价模型的训练方法和/或第二方面的任一项实施例中所示的信用评价方法。
[0026]第七方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行第一方面的任一项实施例中所示的信用评价模型的训练方法和/或第二方面的任一项实施例中所示的信用评价方法。
[0027]本申请实施例的信用评价模型的训练方法、装置及设备，可以通过噪声算法为历史商户经营数据对应的多维度的第一特征向量添加噪声，得到多维度的第二特征向量，然后根据多维度的第二特征向量和该多维度的第二特征向量对应的历史商户信用评分构建第一训练样本，对信用评价模型进行训练，这样，可以提升信用评价模型对噪声的鲁棒性，使训练后的信用评价模型可以更准确地对商户的信用进行评分。
附图说明
[0028]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本申请一个实施例提供的一种信用评价模型的训练方法的流程图；
[0030]图2是本申请一个实施例提供的一种信用评价方法的流程图；
[0031]图3是本申请一个实施例提供的一种信用评价模型的训练装置的结构示意图；
[0032]图4是本申请一个实施例提供的一种信用评价装置的结构示意图；
[0033]图5是本申请一个实施例提供的一种电子设备的结构示意图。
具体实施方式
[0034]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目
的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0035]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0036]此外，还需要说明的是，本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0037]如
技术介绍
，随着市场的繁荣，各种商户越来越多，在选择商户入驻市场时，为了选择更有信用的商户入驻市场，需要对商户的信用进行评分。
[0038]例如，农批市场是我国农产品流通的主要载体，承担我国农产品流通总量的70％以上，发挥链接产销的重要作用。农批市场作为鲜活农产品流通的关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信用评价模型的训练方法，其特征在于，所述方法包括：获取多个商户的历史商户经营数据和所述历史商户经营数据对应的历史商户信用评分；识别多个所述历史商户经营数据，得到多个所述历史商户经营数据分别对应的多维度的第一特征向量；通过噪声算法为多个所述多维度的第一特征向量添加噪声，得到多个多维度的第二特征向量；根据多个所述多维度的第二特征向量和多个所述多维度的第二特征向量分别对应的历史商户信用评分，构建多个第一训练样本；通过多个所述第一训练样本对预设的信用评价模型进行训练，直至所述信用评价模型收敛，得到训练后的信用评价模型。2.根据权利要求1所述的方法，其特征在于，所述通过噪声算法对多个所述多维度的第一特征向量进行处理，得到多个多维度的第二特征向量，包括：针对每个多维度的第一特征向量，调整任意维度的第一特征向量中的至少一个元素，得到所述多维度的第二特征向量。3.根据权利要求1所述的方法，其特征在于，所述获取多个商户的历史商户经营数据，包括：获取多个商户的历史商户数据；对所述多个商户的历史商户数据进行筛选，得到所述多个商户的历史商户经营数据，所述历史商户经营数据包括商品质量数据、供应能力数据、价格数据、售后服务数据和经营环境数据中的至少一项。4.根据权利要求1所述的方法，其特征在于，所述信用评价模型为循环神经网络算法RNN。5.一种信用评价方法，其特征在于，所述方法包括：获取目标商户的商户经营数据；将所述商户经营数据输入信用评价模型，利用所述信用评价模型对所述目标商户进行信用评价，输出得到所述目标商户的目标信用评分，其中，所述信用评价模型为根据权利要求1
‑
4任一项所述的信用评价模型的训练方法训练得到。6.根据权利要求5所述的方法，其特征在于，在所述获取目标商户的商户经营数据之后，所述方法包括：识别所述商户经营数据，得到所述商户经营数据对应的多维度的第三特征向量；通过噪声算法为所述多维度的第三特征向量添加噪声，得到多维度的第四特征向量；根据所述多维度的第四特征向量和所述多维度的第四特征向量对应的标准商户信用评分，构建第二训练样本；通过所述第二训练样本对训练后的信用评价模型进行再次训练，得到...

【专利技术属性】
技术研发人员：陈驰，邹鹏，王加喜，陶东利，王艳宁，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：