[发明专利]一种基于神经网络的智能金融信用评分方法

说明书

本发明公开了一种基于神经网络的智能金融信用评分方法，包括以下步骤：S1：采集用户信息，并将用户信息进行标签化初步分类，所述用户信息包括多维度的金融信息和行为信息；S2：输入特征向量，对采集到的用户信息进行分类；S3：判断输出结果与用户信息的标签分类是否一致，若一致，结果输出一致，进入S5，若不一致进入S4；S4：根据S2中的分类结果，对存在差异的信息，逐步反向修改特征向量，修改完成后进入S3；S5：将分类结果输出，依次审核打分。本发明具有自动化程度高、结果精确、可信度较高的优点。

技术领域

本发明涉及金融安全领域，具体涉及一种基于神经网络的智能金融信用评分方法。

背景技术

金融业务在现代化的社会中越来越广泛，辐射用户的范围越来越广，这就导致了用户的群体参差不齐，经常出现业务风险水平不匹配的情况，特别是在金融贷款等业务上。

在金融行为中处处充满着信用评级，大部分情况下是根据个人的收入、信用行为、交易情况等金融来做判定，决定个人的评分与金融需求是否能够匹配，大部分情况下，金融机构对用户的判定有“好”和“坏”两种标准，这两种标准也将判定用户是否与金融需求相匹配，但是这种评定太过于笼统，由于现阶段人们的各类行为粘性较大，互相之间的交叉点较多，简单的评级以及不能细化到具体的细节，且结果与行为相差交大，现阶段需要采集的用户信息较多，种类较杂，现有方法，难以满足大数据量的分类以及分析，输出结果的误差较大。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种自动化程度高、结果精确、可信度较高的基于神经网络的智能金融信用评分方法。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于神经网络的智能金融信用评分方法，包括以下步骤：

S1：采集用户信息，并将用户信息进行标签化初步分类，所述用户信息包括多维度的金融信息和行为信息；

S2：输入特征向量，对采集到的用户信息进行分类；

S3：判断输出结果与用户信息的标签分类是否一致，若一致，结果输出一致，进入S5，若不一致进入S4；

S4：根据S2中的分类结果，对存在差异的信息，逐步反向修改特征向量，修改完成后进入S3；

S5：将分类结果输出，依次审核打分。

进一步的，步骤S1中，所述用户信息的标签化分类体现在，采集的信息所属的关键词大类，所述关键词为金融领域常见的分类。

进一步的，步骤S1中所述金融信息包括：银行流水、个人征信、房产现状等金融机构出具的信息；所述行为信息为个人在信息化时代中的行为足迹，包括社交ID、多头借贷、黑名单、反欺诈、人法信息、诉讼信息、学历信息、公安数据、交易偏向、关系链、人脸识别、声纹识别、设备可信度、地址验证、处置难易程度等信息。

进一步的，步骤S2中的特征向量为步骤S1标签的细化，所述特征向量为金融信用评分较为重要的指标，将所述标签化初步分类结果息进行交互式分类检索判断。

进一步的，步骤S3中输出结果中的所属的标签化与特征向量不符的，视为变量数据，存在变量数据即全部重新修改特征变量进行再次判断。

进一步的，步骤S1中的标签化初步分类结果为n，分类点为n-1。