[发明专利]企业金融服务风险预测方法及装置

说明书

本申请实施例提供一种企业金融服务风险预测方法及装置，可用于人工智能技术领域，方法包括：将当前未经金融服务授权的目标企业的运营状态信息输入金融服务风险预测模型以得到金融服务风险预测等级，以基于该金融服务风险预测等级确定是否向目标企业提供金融服务；金融服务风险预测模型为预先应用一融合模型对多个企业进行评分后获取的，该融合模型基于打标模型和标签未知的历史企业数据获取，打标模型基于迁移学习方式和重采样方式处理后的标签已知的历史企业数据训练得到。本申请能够有效提高针对未经目标金融机构进行金融服务授权的目标企业的金融服务风险预测过程的准确性及可靠性，能够提高金融机构为企业提供金融服务的针对性及有效性。

技术领域

本申请涉及数据处理技术领域，特别涉及人工智能技术领域，具体涉及企业金融服务风险预测方法及装置。

背景技术

现有银行评级指标对于主要考虑的是大中型企业，虽然对小微企业有一定覆盖率，随着金融服务面向大众的重要性进一步提升，客群出现下沉，银行需要服务更多现有评价体系无法覆盖的小微企业。但小企业现状决定了其风险评定难的特性。

目前，与专家规则相比，现有的应用机器学习模型对企业进行风险预测的方式虽然可以减少人力成本，但是一个成功的模型需要依赖大量数据标注训练得到，而银行已经服务的小微企业客户不能覆盖全量小企业，也无法通过专家评价来为所有小企业打分，而若采用通过弱监督方式获取原本无标签的小微企业标签的方式，由于银行内有数十万小微客户样本及标签，而银行外无标签小微企业有数千万的客观现状，因此使得弱监督方式衍生的标签存在分布不均问题，也就是说，现有的针对小微企业的企业金融服务风险预测方式，其预测准确性有限，无法满足银行等金融机构对各类企业(尤其是小微企业)的金融风险预测准确性要求。

发明内容

针对现有技术中的问题，本申请提供一种企业金融服务风险预测方法及装置，能够有效提高针对未经目标金融机构进行金融服务授权的目标企业的金融服务风险预测过程的准确性及可靠性，能够提高金融机构为企业提供金融服务的针对性及有效性。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种企业金融服务风险预测方法，包括：

获取当前未经金融服务授权的目标企业的运营状态信息；

将所述目标企业的运营状态信息输入预设的金融服务风险预测模型，并将该金融服务风险预测模型的输出作为该目标企业的金融服务风险预测等级，以基于该金融服务风险预测等级确定是否向所述目标企业提供金融服务；

其中，所述金融服务风险预测模型为预先应用一融合模型对多个外部企业进行评分后获取的，该融合模型预先基于一打标模型和标签未知的历史企业数据获取，且所述打标模型预先基于预设的迁移学习方式和重采样方式处理后的标签已知的历史企业数据训练得到。

进一步地，在所述获取当前未经金融服务授权的目标企业的运营状态信息之前，还包括：

根据标签已知的历史企业数据对应的第一数据集训练得到用于预测企业标签的第一打标模型；

基于预设的迁移学习方式，应用标签未知的历史企业数据和标签未知的外部企业数据形成一合并数据集，其中，该合并数据集用于存储各个标签未知的历史企业用户标识、运营状态信息和第一阈标签之间的对应关系，还用于存储各个标签未知的外部企业用户标识、运营状态信息和第二阈标签之间的对应关系，且所述第一阈标签和所述第二阈标签取值不同；

应用所述合并数据集对所述第一数据集进行重采样处理；

基于经重采样处理后的第一数据集对所述第一打标模型进行训练，以形成对应的第二打标模型；

应用所述第二打标模型对多个标签未知的历史企业用户分别进行标签预测，并根据获取的预测结果训练得到融合模型；