[发明专利]一种分布式自动特征组合的纳税人信用评估方法

说明书

本发明公开了一种分布式自动特征组合的纳税人信用评估方法。本方法步骤包括：1)利用训练样本采用MapReduce分布式计算框架进行随机森林模型的训练，得到一分布式随机森林模型；2)将训练样本输入该分布式随机森林模型，生成输入的每一训练样本的多个组合特征；3)将生成的组合特征与对应纳税人的特征信息进行合并；4)利用合并后的特征训练评分卡模型；5)对于一待信用评估的纳税人，利用该分布式随机森林模型生成该纳税人的组合特征并与该纳税人的特征信息进行合并，然后将该纳税人合并后的特征输入训练好的评分卡模型，预测该纳税人的信用评分。本发明能够进行纳税人的精准信用评估。

技术领域

本发明涉及一种信用评估模型及纳税人信用评估方法，具体的说是一种通过分布式随机森林进行自动特征组合的信用评估模型及纳税人信用评估方法，属于计算机大数据处理领域。

技术背景

信用评估在银行信贷领域已经发展了数十年，主要用来对申请贷款的人员进行个人信用的评估，通过信用评估辅助贷款的发放，降低银行的资金收益和资金回收的风险。

在税收领域进行纳税人信用评估则是近几年才兴起的，并且以专家经验为主，由税务专家根据其专业经验选取能够代表税收风险的指标，并对不同的指标赋予不同的分值，对每一户纳税人，都需要很多人工的分析和调查才能出具最终的信用得分。因为进行纳税人信用评估的过程复杂，耗时耗力，所以通常每年信用评级才会更新一次，而且仅对小部分纳税人进行信用评级。

当前大数据技术被广泛应用到了各个领域，利用各种机器学习、统计分析方法可以从历史数据中自动分析出具有风险预测效果的指标，并通过模型来整合所有风险指标，自动进行信用评分的预测。其中信用评分卡模型因其良好的可解释性成为银行等金融机构最常用的一种信用评估模型。但是评分卡模型只能对加工好的特征进行处理，要想取得更准确的信用评分效果，还需要大量的专业人员构建精心计算的指标。

发明内容

针对现有技术中存在的技术问题，本发明的目的在于提供一种分布式自动特征组合的信用评估方法，用来进行纳税人的精准信用评估。

本发明提供一种分布式自动特征组合的信用评分卡模型及纳税人信用评估方法，通过分布式随机森林模型对纳税人的基本信息、申报信息、纳税信息、发票信息、纳税人关系网等数据构成的基本特征进行组合特征的发现，通过对这些基本特征进行组合，可以构造更有效的风险预测指标，减少原来由税务专家人工构造特征的繁琐，同时能够从数据中发现被专家忽视的特征。通过分布式的随机森林实现方式加速组合特征的构造过程，同时使得本发明能够支持水平扩展，充分对海量的税务数据进行挖掘。将自动发现的组合特征与原来的基本特征一起作为评分卡模型的输入，可以获取更准确的信用评分结果，帮助税务工作人员对纳税人进行更细致的分级分类管理，对高风险纳税人进行重点监控和防范。

本发明的技术方案为：

一种分布式自动特征组合的纳税人信用评估方法，其步骤包括：

1)构建信用评估模型的训练样本；所述训练样本以纳税人为单位，包含纳税人在设定领域的特征信息，以及根据纳税人的历史风险情况设置对应样本的风险标签，将历史记录中存在风险行为的纳税人作为黑样本，不具有风险行为的纳税人作为白样本；

2)利用所述训练样本采用MapReduce分布式计算框架进行随机森林模型的训练，得到一分布式随机森林模型；

3)将训练样本输入该分布式随机森林模型，生成输入的每一训练样本的多个组合特征；

4)将步骤3)中生成的组合特征与对应纳税人的特征信息进行合并；

5)利用步骤4)合并后的特征训练评分卡模型；

6)对于一待信用评估的纳税人，利用该分布式随机森林模型生成该纳税人的组合特征并与该纳税人的特征信息进行合并，然后将该纳税人合并后的特征输入步骤5)训练好的评分卡模型，预测该纳税人的信用评分。