[发明专利]一种利用深度网络学习模糊信息特征技术的信用评级预测分类方法在审
| 申请号： | 201910938082.7 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110705638A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 尹留志;吴杰;卢鹏;镇磊;孙英家;李毅;张健 | 申请（专利权）人： | 安徽兆尹信息科技股份有限公司;安徽兆尹安联科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06Q40/02 |
| 代理公司： | 34131 合肥国和专利代理事务所(普通合伙) | 代理人： | 张祥骞 |
| 地址： | 241002 安徽省芜湖市高新技术*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种利用深度网络学习模糊信息特征技术的信用评级预测分类方法，与现有技术相比解决了公开数据无法满足信用评级分类需要的缺陷。本发明包括以下步骤：基础数据的获取；基础数据的预处理；构建信用评级预测网络；信用评级预测网络的训练；获取待预测对象的的信用评级数据信息；预测对象的信用评级预测分类。本发明通过公开的模糊信息模拟预测出非公开的精准信息数据，并生成信用评级分类结果，实现公开数据对非公开数据结果的有效预测分析。 | ||
| 搜索关键词： | 信用评级 预测 基础数据 模糊信息 分类 预处理 分类结果 数据结果 数据信息 特征技术 网络学习 信息数据 构建 网络 分析 | ||
【主权项】：
1.一种利用深度网络学习模糊信息特征技术的信用评级预测分类方法，其特征在于，包括以下步骤：/n11)基础数据的获取：获取用于信用评级的模糊信息数据和精准信息数据，其中，模糊信息数据为企业信用评级的公开数据，精准信息数据为企业信用评级的非公开数据；/n12)基础数据的预处理：对模糊信息数据和精准信息数据分别进行处理，分别提取出模糊信息数据、精准信息数据的定量信息、定性信息，并对定量信息进行标准化处理、定性信息进行数字化处理；/n13)构建信用评级预测网络：构建包括学习网络和预测评级网络在内的信用评级预测网络，其中预测评级网络分为竞争分支网络与评级分类分支网络；/n14)信用评级预测网络的训练：利用模糊信息数据和精准信息数据对信用评级预测网络进行训练；/n15)获取待预测对象的的信用评级数据信息：获取待预测对象的待预测模糊信息数据，提取出待预测模糊信息数据内的定量信息、定性信息；/n16)预测对象的信用评级预测分类：将待预测模糊信息数据内的定量信息标准化、定性信息数字化后输入训练后的信用评级预测网络，通过待预测模糊信息数据预测出类似精准信息数据的特征，并得到该预测对象的信用评级等级。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽兆尹信息科技股份有限公司;安徽兆尹安联科技有限公司，未经安徽兆尹信息科技股份有限公司;安徽兆尹安联科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910938082.7/，转载请声明来源钻瓜专利网。
