[发明专利]客户风险识别方法及装置

权利要求书

1.一种客户风险识别方法，其特征在于，包括：

获得银行的对公客户的外部数据，所述外部数据为来源于银行外部的对公客户的数据；

对所述外部数据进行处理，获得对公客户的结构化数据和非结构化数据；

从结构化数据中筛选出风险指标数据，计算企业定量风险评价值；

根据非结构化数据，构建对公客户所在行业的企业风险定性评价指标体系，所述企业风险定性评价指标体系包括指标和权重；

基于企业风险定性评价指标体系，构造模糊评判矩阵；

根据述模糊评判矩阵和所述权重进行模糊合成，得到模糊综合评价向量，并计算企业定性风险评价值；

根据企业定量风险评价值、企业定性风险评价值，确定企业整体风险级别。

2.如权利要求1所述的方法，其特征在于，所述外部数据包括对公客户公布的文档和/或第三方对对公客户的数据分析报告；

获得银行的对公客户的外部数据，包括：定时自动爬虫所述外部数据。

3.如权利要求2所述的方法，其特征在于，对所述外部数据进行处理，获得对公客户的财务数据，包括：

通过R-CNN神经网络对所述外部数据进行处理，分离出对公客户的结构化数据和非结构化数据，所述结构化数据包括表格数据，所述非结构化数据包括图片数据和文本数据；

从结构化数据中筛选出风险指标数据，包括：将结构化数据输入至R-CNN神经网络中，提取风险指标数据。

4.如权利要求1所述的方法，其特征在于，通过R-CNN神经网络对所述外部数据进行处理，分离出对公客户的结构化数据和非结构化数据，包括：

通过R-CNN神经网络分析外部数据的文档的目录；

将文档根据目录进行页码分组，得到多个分组；

对每个分组，按照目录提取出每个段落标题的文字作为关键数据，并添加至数组中；

针对每个数组，从所述文档中分离出该数组的结构化数据和非结构化数据。

5.如权利要求1所述的方法，其特征在于，还包括：

将非结构化数据存储到数据库中；

将结构化数据存储到关系数据库中；

在从结构化数据中筛选出风险指标数据之前，还包括：

读取关系数据库中的结构化数据。

6.如权利要求1所述的方法，其特征在于，根据非结构化数据，构建对公客户所在行业的企业风险定性评价指标体系，包括：

采用层次分析法，依次确定企业风险定性评价指标体系的指标的目标层、准则层和指标层；

采用层次分析法，确定准则层和指标层中每个指标的权重。

7.如权利要求6所述的方法，其特征在于，所述目标层为企业定性风险评价；

所述指标层为针对准则层中每一项的细化；

所述权重包括准则层的权重和指标层的权重。

8.如权利要求1所述的方法，其特征在于，采用层次分析法，确定准则层和指标层中每个指标的权重，包括：

采用采用层次分析法，获得当前比较判断矩阵，重复执行以下步骤，直至当前比较判断矩阵通过校验：对当前比较判断矩阵的一致性程度进行检验；若校验不通过，对当前比较判断矩阵中的各个值进行算术平均，获得新的比较判断矩阵，并作为当前比较判断矩阵；

根据当前比较判断矩阵，确定准则层的权重和指标层的权重。

9.如权利要求1所述的方法，其特征在于，基于企业风险定性评价指标体系，构造模糊评判矩阵，包括：

定义企业定性风险评价等级集及评价标准；

基于企业风险定性评价指标体系和所述企业定性风险评价等级集的评价标准，构造模糊评判矩阵。