【技术实现步骤摘要】
本专利技术涉及人工智能，尤其是涉及一种基于ai语言模型的智能信贷管控方法及系统。
技术介绍
1、随着金融行业的数字化转型和信息技术的快速发展，智能信贷管控方法成为了银行业中实现快速、高效信贷管理的关键技术，传统的信贷管控主要依赖于人工的风险评估和决策过程，但这种方法存在着一些问题，例如人工处理速度慢、容易出错、难以应对大规模数据的挑战等，因此，如何开发一种结合人工智能技术的智能信贷管控方法，能够自动化地处理大量的信贷数据、提高决策效率和准确性，成为了亟待解决的问题。
技术实现思路
1、有鉴于此，有必要提供一种基于ai语言模型的智能信贷管控方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，本专利技术提供一种基于ai语言模型的智能信贷管控方法，所述方法包括以下步骤：
3、步骤s1：获取内部信贷文本数据源以及外部信贷文本数据源，基于内部信贷文本数据源以及外部信贷文本数据源进行信贷文本数据抽取，生成内外信贷文本数据；
4、步骤s2：基于内外信贷文本数据利用自然语言处理技术进行批量自动化文本分类，生成信贷文本分类数据集；
5、步骤s3：基于信贷文本分类数据集利用抽取式摘要方法进行文本自动化摘要处理，生成信贷文本数据段；
6、步骤s4：基于信贷文本数据段利用深度学习技术进行信贷文本风险数据提取，生成智能信贷风险信息数据集；
7、步骤s5：基于智能信贷风险信息数据集以及内外信贷文本数据利用大数据技术进行数据整合，
8、步骤s6：基于内外信贷文本数据集利用可视化工具进行多源信贷信息可视化，实现智能信贷数据可视化管控。
9、本专利技术提供了一种基于ai语言模型的智能信贷管控方法，该方法通过获取内部信贷文本数据源和外部信贷文本数据源，并利用数据抽取技术进行信贷文本数据抽取，该方法实现了信贷文本数据的自动化获取和抽取，从而减少了人工操作和时间成本，并提高了数据的准确性和完整性，该方法通过自然语言处理技术的自动化处理，能够快速而准确地对大量信贷文本进行分类，提高了文本分类的效率和一致性，通过自动化摘要处理，提取出信贷文本的关键信息段落，减少了人工摘要的工作量，同时确保了信息的准确性和一致性，通过深度学习模型的自动化分析，能够准确提取出信贷文本中的风险信息，提高了风险识别的效率和准确性，通过大数据技术的半自动化数据整合，能够高效地将智能信贷风险信息和内外信贷文本数据进行结合，形成更全面的信贷文本数据集，通过tensorboard的自动化可视化功能，能够将多源信贷信息以生态图的形式呈现，实现对智能信贷数据的可视化管理和监控，提高了数据管理的效率和决策的准确性。
10、优选地，步骤s1包括以下步骤：
11、步骤s11：基于内部信贷文本数据源以及外部信贷文本数据源利用etl工具进行内外信贷文本数据源连接，生成信贷文本整合数据集；
12、步骤s12：基于信贷文本整合数据集进行信贷信息特征区分，生成信贷文本特征数据；
13、步骤s13：利用主成分分析法对信贷文本特征数据进行信贷文本特征空间降维，生成信贷文本特征数据集；
14、步骤s14：基于信贷文本特征数据集进行信贷文本数据抽取，生成内外信贷文本数据。
15、本专利技术通过内外信贷文本数据源连接，生成信贷文本整合数据集，提供了一个统一且完整的信贷文本数据集，整合了内部和外部信贷文本数据源的信息，通过连接和整合数据，可以消除数据来源的隔阂，为后续的分析和处理提供更全面和准确的数据基础，通过信贷信息特征区分，生成信贷文本特征数据，揭示文本中蕴含的重要特征，如贷款金额、贷款类型、贷款期限等，通过将高维的信贷文本特征数据降低到更低维度的空间，保留了大部分的信息和变异性，简化数据集的复杂度，减少冗余和噪音，提高后续分析和建模的效率和准确性，通过文本数据清洗清理和处理信贷文本数据中的噪音、错误和无关信息，通过清洗数据，可以获得更可靠和可用的内外信贷文本数据。
16、优选地，步骤s2包括以下步骤：
17、步骤s21：基于内外信贷文本数据利用json进行内外信贷文本数据类型导出，生成信贷文本类型数据；
18、步骤s22：获取类别区分规则数据，基于信贷文本类型数据以及类别区分规则数据利用prodigy标注工具进行内外信贷文本数据类型标注，生成信贷文本类型分布数据；
19、步骤s23：基于信贷文本类型分布数据利用朴素贝叶斯算法进行信贷文本数据区分，生成信贷文本类别个体数据；
20、步骤s24：基于信贷文本类别个体数据利用门控循环单元算法进行信贷文本精确分类，生成信贷文本分类数据集。
21、本专利技术通过将内部和外部信贷文本数据以json格式导出，实现了数据的标准化和统一，将其转化为具有统一数据类型的信贷文本类型数据，这样做可以简化数据的处理和解析过程，使数据直接进行对接，使得数据更易于读取、理解和应用，通过使用标注工具对信贷文本数据进行人工标注，将文本数据按照预定义的类型进行分类和标记，建立具备可靠性特征的信贷文本类型分布数据集，利用朴素贝叶斯算法对信贷文本数据进行分类和区分，根据文本特征的条件概率进行分类判断，将信贷文本数据分为不同的类别，生成具体的信贷文本类别个体数据。
22、优选地，步骤s3包括以下步骤：
23、步骤s31：利用textrank算法对信贷文本分类数据集进行采集标记处理，生成信贷文本标记数据；
24、步骤s32：利用停用词过滤以及频率统计算法对信贷文本标记数据进行文本数据频率排序，生成信贷文本数据频谱；
25、步骤s33：利用长短期记忆网络算法对信贷文本数据频谱进行文本数据自动化摘要，生成信贷文本摘要数据；
26、步骤s34：基于信贷文本摘要数据利用信贷文本数据资产数据值计算公式进行信贷文本数据资产计算，生成信贷文本资产数据资产值；
27、步骤s35：利用数据结构操作对信贷文本资产数据资产值进行信贷文本数据资产构建，生成信贷文本数据段。
28、本专利技术通过应用textrank算法对信贷文本数据集进行关键词提取和摘要生成，得到关键词和摘要的标记数据，提供对信贷文本数据集的简明概括和重要信息的提取，为后续的文本分析和信息检索提供数据基础，通过对信贷文本数据进行停用词过滤和频率统计，得到文本数据中词语的频率排序结果，其中，频率排序结果包括信贷文本数据中的重要性和使用频率，为后续的关键词提取、特征选择和文本分析提供了参考依据，通过应用长短期记忆网络（lstm）对信贷文本数据进行摘要生成，lstm能够捕捉文本数据中的长期依赖关系，从而生成更准确的摘要信息，生成具有高质量、准确概括性的信贷文本模型摘要数据，通过进行信贷文本数据资产计算，将摘要数据转化为具体的资产值，实现对信贷文本数据的量化和资产化，提高信贷文本数据的概括性、关键信息提取能力、摘要生成质量和资产化能力，为信贷本文档来自技高网...
【技术保护点】
1.一种基于AI语言模型的智能信贷管控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S1的具体步骤为：
3.根据权利要求2所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S2的具体步骤为：
4.根据权利要求3所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S3的具体步骤为：
5.根据权利要求1所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S4的具体步骤为：
6.根据权利要求1所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S5的具体步骤为：
7.根据权利要求6所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S52的具体步骤为：
8.根据权利要求7所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S526的具体步骤为：
9.根据权利要求8所述的基于AI语言模型的智能信贷管控方法，其特征在于，步骤S6的具体步骤为：
10.一种基于AI语言模型的智能信贷管控
...【技术特征摘要】
1.一种基于ai语言模型的智能信贷管控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于ai语言模型的智能信贷管控方法，其特征在于，步骤s1的具体步骤为：
3.根据权利要求2所述的基于ai语言模型的智能信贷管控方法，其特征在于，步骤s2的具体步骤为：
4.根据权利要求3所述的基于ai语言模型的智能信贷管控方法，其特征在于，步骤s3的具体步骤为：
5.根据权利要求1所述的基于ai语言模型的智能信贷管控方法，其特征在于，步骤s4的具体步骤为：
...【专利技术属性】
技术研发人员：汪晓东，杨成林，龚潇雨，吴金彪，杨百通，
申请(专利权)人：湖南三湘银行股份有限公司，
类型：发明
国别省市：
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。