【技术实现步骤摘要】
本申请涉及风控，尤其涉及一种风险预测方法、装置、设备及计算机可读存储介质。
技术介绍
1、融资租赁是指出租人根据承租人对租赁物件的特定要求和对供货人的选择，出资向供货人购买租赁物件，并将租赁物件租给承租人使用，承租人则分期向出租人支付租金。随着工程机械行业融资租赁的发展，在资信调查、借贷支付、回款和催收的过程中，对于承租人的风险预测和评估就显得十分关键。当前的风控系统主要基于承租人的财务指标进行评估，例如银行征信数据、用户贷款行为数据等财务指标，然而基于财务指标进行资金逾期风险的评估维度不够全面，风险评估结果的准确性较低。
技术实现思路
1、本申请的主要目的在于提供一种风险预测方法、装置、设备及计算机可读存储介质，旨在扩展资金逾期风险的评估维度，提高资金逾期风险预测的准确性。
2、为实现上述目的，本申请提供一种风险预测方法，所述风险预测方法包括以下步骤：
3、获取目标客户的企业经营数据和舆情数据，并对所述企业经营数据和所述舆情数据进行向量化处理得到第一向量；
4、基于所述舆情数据进行舆情分析得到舆情分析结果，并对所述舆情分析结果进行向量化处理得到第二向量；
5、将所述第一向量和所述第二向量输入风险预测模型得到所述目标客户的逾期风险预测结果，其中，所述风险预测模型以企业经营数据、舆情数据和舆情分析结果对应的向量为输入数据，以逾期风险预测结果为训练标签训练得到。
6、可选地，所述获取目标客户的企业经营数据和舆情数据步骤，包括：
7、获取目标客户的企业画像数据、贷款行为数据和租赁设备工况数据作为企业经营数据；
8、获取与所述目标客户相关的评论数据和行业政策数据作为舆情数据。
9、可选地，所述对所述企业经营数据和所述舆情数据进行向量化处理得到第一向量的步骤，包括：
10、根据所述企业经营数据和所述舆情数据中的非结构化数据构建知识图谱，并对所述知识图谱进行向量化得到第一子向量；
11、对所述企业经营数据和所述舆情数据中的结构化数据进行特征工程得到特征数据，并对所述特征数据进行向量化处理得到第二子向量；
12、拼接所述第一子向量和所述第二子向量得到第一向量。
13、可选地，所述根据所述企业经营数据和所述舆情数据中的非结构化数据构建知识图谱的步骤，包括：
14、通过自顶向下的方式构建多层级的知识图谱本体；
15、从所述企业经营数据和所述舆情数据中的非结构化数据中抽取图谱实体、实体属性和实体关系，并将所述图谱实体、所述实体属性和所述实体关系填充至知识图谱本体得到知识图谱。
16、可选地，所述对所述知识图谱进行向量化得到第一子向量的步骤，包括：
17、从所述知识图谱中提取与所述目标客户对应的实体属性作为属性特征，并从所述知识图谱中提取与所述目标客户对应的实体关系作为关联关系特征；
18、对所述属性特征和所述关联关系特征进行向量化处理得到第一子向量。
19、可选地，所述基于所述舆情数据进行舆情分析得到舆情分析结果，并对所述舆情分析结果进行向量化处理得到第二向量的步骤，包括：
20、将所述舆情数据输入舆情分析模型得到包括舆情态度类别、舆情影响值和舆情热度值的舆情分析结果，其中，所述舆情分析模型包括第一模型、第二模型和第三模型；所述第一模型以舆情数据为输入数据，以舆情态度类别为标签训练得到；所述第二模型以舆情数据为输入数据，以舆情影响值为标签训练得到；所述第三模型以舆情数据为输入数据，以舆情热度值为标签训练得到；
21、对所述舆情态度类别进行独热编码得到舆情倾向数值；
22、将所述舆情倾向数值、所述舆情影响值和所述舆情热度值转化为第二向量。
23、可选地，所述风险预测模型为随机森林模型、轻量梯度提升机和逻辑回归模型构成的堆叠模型；
24、所述将所述第一向量和所述第二向量输入风险预测模型得到所述目标客户的逾期风险预测结果的步骤，包括：
25、拼接所述第一向量和所述第二向量得到特征向量；
26、将所述特征向量输入所述随机森林模型得到第一预测结果，并将所述特征向量输入所述轻量梯度提升机得到第二预测结果；
27、将所述第一预测结果和所述第二预测结果输入所述逻辑回归模型得到所述目标客户的逾期风险检测结果。
28、为实现上述目的，本申请还提供一种风险预测装置，所述风险预测装置包括：
29、获取模块，用于获取目标客户的企业经营数据和舆情数据，并对所述企业经营数据和所述舆情数据进行向量化处理得到第一向量；
30、舆情分析模块，用于基于所述舆情数据进行舆情分析得到舆情分析结果，并对所述舆情分析结果进行向量化处理得到第二向量；
31、风险预测模块，用于将所述第一向量和所述第二向量输入风险预测模型得到所述目标客户的逾期风险预测结果，其中，所述风险预测模型以企业经营数据、舆情数据和舆情分析结果对应的向量为输入数据，以逾期风险预测结果为训练标签训练得到。
32、为实现上述目的，本申请还提供一种风险预测设备，所述风险预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风险预测程序，所述风险预测程序被所述处理器执行时实现如上所述的风险预测方法的步骤。
33、此外，为实现上述目的，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有风险预测程序，所述风险预测程序被处理器执行时实现如上所述的风险预测方法的步骤。
34、本申请中，通过获取目标客户的企业经营数据和舆情数据，并对所述企业经营数据和所述舆情数据进行向量化处理得到第一向量；基于所述舆情数据进行舆情分析得到舆情分析结果，并对所述舆情分析结果进行向量化处理得到第二向量；将所述第一向量和所述第二向量输入风险预测模型得到所述目标客户的逾期风险预测结果，其中，所述风险预测模型以企业经营数据、舆情数据和舆情分析结果对应的向量为输入数据，以逾期风险预测结果为训练标签训练得到。本申请中，将舆情数据和企业经营数据作为风险预测的依据，实现了从多个维度评估目标客户的风险，提高了风险预测结果的准确性。
本文档来自技高网...【技术保护点】
1.一种风险预测方法，其特征在于，所述风险预测方法包括以下步骤：
2.如权利要求1所述的风险预测方法，其特征在于，所述获取目标客户的企业经营数据和舆情数据步骤，包括：
3.如权利要求1所述的风险预测方法，其特征在于，所述对所述企业经营数据和所述舆情数据进行向量化处理得到第一向量的步骤，包括：
4.如权利要求3所述的风险预测方法，其特征在于，所述根据所述企业经营数据和所述舆情数据中的非结构化数据构建知识图谱的步骤，包括：
5.如权利要求3所述的风险预测方法，其特征在于，所述对所述知识图谱进行向量化得到第一子向量的步骤，包括：
6.如权利要求1所述的风险预测方法，其特征在于，所述基于所述舆情数据进行舆情分析得到舆情分析结果，并对所述舆情分析结果进行向量化处理得到第二向量的步骤，包括：
7.如权利要求1至6中任一项所述的风险预测方法，其特征在于，所述风险预测模型为随机森林模型、轻量梯度提升机和逻辑回归模型构成的堆叠模型；
8.一种风险预测装置，其特征在于，所述风险预测装置包括：
9.一种风险
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有风险预测程序，所述风险预测程序被处理器执行时实现如权利要求1至7中任一项所述的风险预测方法的步骤。
...【技术特征摘要】
1.一种风险预测方法，其特征在于，所述风险预测方法包括以下步骤：
2.如权利要求1所述的风险预测方法，其特征在于，所述获取目标客户的企业经营数据和舆情数据步骤，包括：
3.如权利要求1所述的风险预测方法，其特征在于，所述对所述企业经营数据和所述舆情数据进行向量化处理得到第一向量的步骤，包括：
4.如权利要求3所述的风险预测方法，其特征在于，所述根据所述企业经营数据和所述舆情数据中的非结构化数据构建知识图谱的步骤，包括：
5.如权利要求3所述的风险预测方法，其特征在于，所述对所述知识图谱进行向量化得到第一子向量的步骤，包括：
6.如权利要求1所述的风险预测方法，其特征在于，所述基于所述舆情数据进行舆情分析得到舆情分析结果，并对...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。