【CN109872231A】一种基于动态集对分析的个人信用评估方法及系统【专利】

基于大数据处理的个人信用评估模型研究第一章：引言随着互联网的发展和普及，信息技术在社会生活中的作用逐渐得到了充分的发挥。

在数字化时代，大数据的出现引领了信息技术的新发展方向。

大数据的出现为人们的生产、生活、学习和娱乐等各个领域带来了极大的便利和帮助，为各行各业的发展提供了强大的支持。

在金融行业中，基于大数据处理的个人信用评估模型也逐渐得到了应用。

在这篇文章中，我们将会阐述基于大数据处理的个人信用评估模型的研究。

第二章：大数据和信用评估的概念2.1 大数据的定义大数据是指那些传统数据处理方式无法处理的海量数据，这些数据量通常以亿计或者更多。

这些数据来自于各个领域，如社交媒体、传感器等。

大数据通常包括数据收集、存储、管理、分析和展示等几个重要环节。

2.2 信用评估的定义信用评估是指根据一定的规则和方法，对一个人或者一个企业进行信用评价。

信用评估通常包括信用记录、资产负债信息、收入信息等，可以起到对贷款、保险、金融产品等业务决策的参考作用。

第三章：大数据技术在信用评估中的应用3.1 数据挖掘数据挖掘是指发现具有潜在价值的数据、数据模式和规律的过程。

在信用评估中，数据挖掘可以用来寻找与信用相关的数据模式，从而更准确地预测信用。

3.2 人工智能人工智能是指通过模拟人类智能的行为和思维过程，以达到人类智能水平的各种理论、方法和技术。

在信用评估中，人工智能可以用来进行客户画像、风险评估、流失预测等。

3.3 云计算云计算是指采用互联网技术，将大量计算资源整合在一起，以实现高效、安全、弹性的计算服务。

在信用评估中，云计算可以用来提高数据处理效率、减少数据处理成本、提高数据处理质量。

第四章：大数据处理的个人信用评估模型研究4.1 数据获取与处理首先，需要从各种渠道收集与信用评估相关的数据，并对数据进行清洗和加工。

这样可以提高数据的准确性，避免不必要的噪声对评估结果产生影响。

4.2 数据分析与建模在数据获取与处理之后，需要通过数据分析和建模，为信用评估提供硬性的数据支撑。

《基于优化型混合核函数支持向量机的个人信用评估》篇一一、引言在金融行业中，个人信用评估是一项至关重要的任务。

随着金融科技的不断发展，传统信用评估方法已逐渐无法满足现代金融市场的需求。

为此，本文提出基于优化型混合核函数支持向量机（Optimized Hybrid Kernel Support Vector Machine，简称OHK-SVM）的个人信用评估模型。

该模型旨在通过引入优化型混合核函数，提高信用评估的准确性和可靠性，为金融机构提供更为精准的信用评估服务。

二、个人信用评估现状及挑战目前，个人信用评估主要依赖于传统的统计方法和机器学习方法。

然而，这些方法往往存在数据稀疏性、非线性和高维性等问题，导致评估结果不够准确。

此外，随着金融市场的快速发展，个人信用评估面临的挑战也日益增加。

因此，寻找一种更为有效的信用评估模型成为了一个迫切的需求。

三、优化型混合核函数支持向量机为了解决上述问题，本文提出基于优化型混合核函数支持向量机的个人信用评估模型。

该模型的核心思想是引入混合核函数，以适应不同类型的数据特征，并采用优化算法提高模型的性能。

具体而言，OHK-SVM通过结合多种核函数（如线性核、多项式核、高斯核等），使得模型能够更好地捕捉数据的非线性和复杂性。

同时，采用优化算法对模型参数进行调优，进一步提高模型的准确性和泛化能力。

四、数据集与实验设计为了验证OHK-SVM模型在个人信用评估中的有效性，本文采用了一个包含个人信用数据的数据集。

该数据集包含了多个特征，如年龄、职业、收入、负债等。

在实验设计中，我们将OHK-SVM模型与传统的信用评估方法进行对比，通过交叉验证和性能指标评估模型的优劣。

五、实验结果与分析实验结果表明，基于OHK-SVM的个人信用评估模型在准确率、召回率、F1值等指标上均优于传统方法。

具体而言，OHK-SVM能够更好地捕捉数据的非线性和复杂性，降低数据稀疏性的影响。

同时，通过优化算法对模型参数进行调优，进一步提高了模型的性能。

一种基于Boosting的集成学习算法在银行个人信用评级中的应用陈力;黄艳莹;游德创【摘要】本文针对银行个人信用数据的分类预测问题,从数据集的特征选择和集成学习两个角度出发,提出了PCA-Adaboost-Logistic集成学习算法.在采用Accuracy和AUC作为分类模型评价指标的前提下,本文选取了源于澳大利亚某银行的个人信贷数据集进行测试.测试结果表明本算法在有效提取关键特征后提高了Adaboost的稳定性,并且在分类准确度上相比单纯使用Logistic分类器有不同程度的提高.%This paper focused on classification prediction problem of the bank personal credit data, proposed a PCA-Adaboost-Logistic ensemble learning algorithm based on feature selection and ensemble learning. Accuracy and AUC were used as the classification model evaluation metric under the premise, this paper used the credit data sets from Australian banks to test the proposed algorithm. The results show that the proposed algorithm improves the stability of the Adaboost after extract the key features, and the classification accuracy is higher than the Logistic classifier.【期刊名称】《价值工程》【年(卷),期】2017(036)018【总页数】3页(P170-172)【关键词】信用评级;主成分分析;Adaboost;逻辑回归【作者】陈力;黄艳莹;游德创【作者单位】广东工业大学管理学院,广州510520;广东工业大学管理学院,广州510520;广东工业大学管理学院,广州510520【正文语种】中文【中图分类】F830.51936年，费舍尔[1]提出了统计判别分析的概念，这是信用评级领域的基础。

基于强化学习的个人信用评分系统个人信用评分是衡量个人信用状况的一种方法，对于金融机构和其他组织来说具有重要的意义。

随着数字化时代的到来，传统的信用评分模型已经难以满足日益增长的数据需求和复杂性，因此基于强化学习的个人信用评分系统应运而生。

一、引言个人信用评分是评估个人信用状况的一种手段，通过收集个人的信用相关数据，如个人借贷记录、消费行为等，综合计算得出一个信用分数。

传统的个人信用评分模型通常使用统计学方法进行建模和评估，然而，这些模型在应对大规模数据、复杂关系和非线性的情况下存在局限性。

基于强化学习的个人信用评分系统能够通过学习和调整个人信用评分模型来适应不同的情境，并提供更加准确和可靠的信用评分。

二、强化学习在个人信用评分中的应用强化学习是一种机器学习方法，通过与环境的交互来学习如何做出最优的决策。

个人信用评分可以被视为一个强化学习问题，其中个人的信用行为可以被认为是个体与环境的交互过程。

强化学习通过建立状态、动作和奖励之间的映射关系，来学习最佳的信用评分策略。

在个人信用评分系统中，环境状态可以包括个人的借贷记录、消费行为等信息，动作可以是调整信用评分模型的参数或规则，奖励可以是个人信用表现的好坏。

三、强化学习算法在个人信用评分系统中的设计基于强化学习的个人信用评分系统需要设计合适的算法来实现优化个人信用评分的目标。

常用的强化学习算法包括Q-learning、深度强化学习等。

在个人信用评分系统中，可以使用Q-learning来学习评分模型的参数，通过与环境的交互，不断更新Q值来获得最优的个人信用评分模型。

同时，结合深度强化学习的方法，可以使用神经网络来表达个人信用评分模型，从而提高评分模型的表达能力和准确性。

四、强化学习个人信用评分系统的优势相比传统的个人信用评分模型，基于强化学习的个人信用评分系统具有以下优势：1. 适应性强: 强化学习个人信用评分系统可以通过学习和调整模型参数来适应不同的信用状况和环境变化。

专利名称：一种基于动态扩展模型的实时信用分析方法及系统专利类型：发明专利
发明人：陈可心,黄刚
申请号：CN201910809997.8
申请日：20190829
公开号：CN110827111A
公开日：
20200221
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于动态扩展模型的实时信用分析方法及系统，包括采集用户基础信用信息，根据用户基础信用信息建立信用扩展分析模型，通过机器学习算法确定信用扩展分析模型的相关参数，进而确定最终的信用扩展分析模型，将最终的信用扩展分析模型加载在Flink流式信用计算平台上，根据输入的用户基础信用信息通过最终的信用扩展分析模型得到信用评估。

本发明能够方便增加信用评估维度，得到的信用结果是基于更全维度、更接近事实的模型、对历史信用行为时效性评估，在实时计算平台的支持下，可以快速得到信用评估结果。

申请人：南京邮电大学
地址：210023 江苏省南京市栖霞区亚东新城区文苑路9号
国籍：CN
代理机构：南京瑞弘专利商标事务所(普通合伙)
代理人：彭雄
更多信息请下载全文后查看。

专利名称：基于个人医疗行为的动态信用评价方法及评价系统专利类型：发明专利
发明人：金以东,王语莫,周大胜
申请号：CN201911079748.4
申请日：20191107
公开号：CN110827942A
公开日：
20200221
专利内容由知识产权出版社提供
摘要：本申请提供一种基于个人医疗行为的动态信用评价方法及评价系统，其包括以下步骤：建立多维度的医疗行为规范表，并为医疗行为规范表中的各种医疗行为设置权重系数和时间系数；预设医疗行为数据采集的时间段，根据医疗行为规范表对被评价人在预设的时间段内的医疗行为数据进行采集，并生成医疗行为记录表；基于医疗行为记录表，采用遗忘函数计算被评价人的信用得分；基于具体应用场景设置分数区间，结合被评价人的信用得分对其信用等级进行评定。

本申请使得医疗服务领域的信用评价更加科学合理，促进被评价人持续地履约，能够鼓励曾有失信记录的人或单位继续履约，从而减轻社会医疗负担，节约社会医疗开支。

申请人：南京远致数据技术有限公司
地址：210000 江苏省南京市江北新区滨江大道396号扬子江新金融创意街区1号楼未客空间C11国籍：CN
代理机构：北京科石知识产权代理有限公司
代理人：李艳霞
更多信息请下载全文后查看。

专利名称：一种基于动态证据网络的DCS可靠性评价方法专利类型：发明专利
发明人：石峰健,苏晓燕,钱虹,古雅琦,李栌苏,陈秋冬
申请号：CN201810552600.7
申请日：20180531
公开号：CN108830382A
公开日：
20181116
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于动态证据网络的DCS可靠性评价方法，该方法包括以下步骤：1)获取评估组件可靠性的文本数据，根据所获得文本数据计算基本组件概率信度函数；2)分析系统结构，建立动态证据网络；3)根据动态证据网络进行证据推理，获取系统可靠度；4)对系统可靠度及不确定性进行评价。

与现有技术相比，本发明具有推理方法简单、能有效表达认知不确定信息、计算量小等优点。

申请人：上海电力学院
地址：200090 上海市杨浦区平凉路2103号
国籍：CN
代理机构：上海科盛知识产权代理有限公司
代理人：叶敏华
更多信息请下载全文后查看。

专利名称：一种机会网络中分布式动态信誉评估方法专利类型：发明专利
发明人：王岢,聂哲,李旭涛,李小宜,徐晓飞,叶允明
申请号：CN201610054770.3
申请日：20160127
公开号：CN105578455A
公开日：
20160511
专利内容由知识产权出版社提供
摘要：本发明在分析了机会网络中自私节点和恶意节点异常行为的基础上，并根据机会网络非全连通、自组织等特点提出了动态信任模型。

节点通过动态信任模型中的监测机制记录与其它节点的交互信息，并将记录的信息量化为节点间的直接信任度，包括满意度、健康度、连通度等。

为更准确地衡量节点之间的信任程度，节点考虑自身偏好，选择性地接收其它节点的推荐信任。

针对恶意节点的共谋攻击，该模型通过统计反馈消息的发送方和确认方，且不断收集其它节点推荐的反馈消息，根据反馈消息的发送方所占比例对共谋攻击节点进行检测。

本发明用于处理机会网络的安全问题，同时能够降低网络高延迟，提高传输成功率。

申请人：哈尔滨工业大学深圳研究生院
地址：518000 广东省深圳市南山区西丽镇深圳大学城哈工大校区
国籍：CN
代理机构：深圳市科吉华烽知识产权事务所(普通合伙)
代理人：孙伟
更多信息请下载全文后查看。