[发明专利]基于多模型的信用数据处理方法及装置

说明书

本发明公开了一种基于多模型的信用数据处理方法及装置，其中该方法包括：获取目标用户的至少两种类型的信用数据；对于任一所述信用数据，根据分类神经网络模型，从多个候选的数据验证模型中确定出该信用数据对应的数据验证算法模型；将所有所述信用数据分别输入至对应的所述数据验证算法模型中，以验证每一所述信用数据的真实性；根据所有所述信用数据以及所述真实性，确定所述目标用户的信用评价参数；所述信用评级参数用于指示所述目标用户的信用情况。可见，本发明能够提高信用数据处理的自动化程度，并提高数据验证的精度，使得最终得到的信用评价结果更加准确和可信。

技术领域

本发明涉及财务数据算法技术领域，尤其涉及一种基于多模型的信用数据处理方法及装置。

背景技术

随着中小型企业或个人的借贷或租赁等商务租借的需求增加，越来越多的信用评价服务公司在对用户进行信用评价时采用电子化系统进行自动的评价，但现有的电子化信用评价系统在处理信用数据时，一般仅采用人工或简单的标签处理方式进行分类和验证计算，这种处理方式需要前期进行复杂繁重的数据清洗工作，且仍然无法应对现实中复杂多变的应用场景，可见现有技术存在缺陷，亟待解决。

发明内容

本发明所要解决的技术问题在于，提供一种基于多模型的信用数据处理方法及装置，能够提高信用数据处理的自动化程度，并提高数据验证的精度，使得最终得到的信用评价结果更加准确和可信。

为了解决上述技术问题，本发明第一方面公开了一种基于多模型的信用数据处理方法，所述方法包括：

获取目标用户的至少两种类型的信用数据；

对于任一所述信用数据，根据分类神经网络模型，从多个候选的数据验证模型中确定出该信用数据对应的数据验证算法模型；

将所有所述信用数据分别输入至对应的所述数据验证算法模型中，以验证每一所述信用数据的真实性；

根据所有所述信用数据以及所述真实性，确定所述目标用户的信用评价参数；所述信用评级参数用于指示所述目标用户的信用情况。

作为一种可选的实施方式，在本发明第一方面中，所述信用数据的类型包括工商信息数据、税务申报数据、税务征收数据、投资方数据、分支机构数据、工商变更数据、欠税数据、违法违章数据、法律案件数据和资产数据中的至少两种；和/或，所述数据验证模型包括工商信息验证模型、税务申报验证模型、税务征收验证模型、投资方验证模型、分支机构验证模型、工商变更验证模型、欠税验证模型、违法违章验证模型、法律案件验证模型和资产验证模型中的至少两种。

作为一种可选的实施方式，在本发明第一方面中，所述对于任一所述信用数据，根据分类神经网络模型，从多个候选的数据验证模型中确定出该信用数据对应的数据验证算法模型，包括：

对于任一所述信用数据，将该信用数据输入至分类神经网络模型，以确定所述信用数据对应的数据类型；所述分类神经网络模型通过包括有多个信用数据和对应的数据类型的训练数据集训练得到；所述分类神经网络模型包括有编码器模块、解码器模块和分类层模块；所述编码器模块可以提取多种模态类型的所述信用数据的向量特征；

根据所述信用数据对应的数据类型，以及预设的类型-模型映射关系表，从多个候选的数据验证模型中确定出该信用数据对应的数据验证算法模型。

作为一种可选的实施方式，在本发明第一方面中，所述编码器模块通过以下步骤训练得到：

确定训练信用数据集合；所述训练信用数据集合中包括有至少两个相互对应的不同模态类型的训练信用数据；所述模态类型为图像类型、数值类型、文本类型、符号类型、视频类型或音频类型；

将所述训练信用数据集合中的所有所述训练信用数据输入至所述编码器模块中进行特征提取，以得到每一所述训练信用数据对应的数据向量特征；