结合第三方征信数据的字段对齐映射方法及系统与流程

本申请涉及多模态数据处理，具体而言，涉及一种结合第三方征信数据的字段对齐映射方法及系统。

背景技术：

1、在企业信贷风控与信用评估场景中，为了全面掌握企业的信用状况，往往需要从多个不同的第三方征信平台采集征信数据，不同第三方征信平台的数据建设标准不统一，且同一信用维度的字段名称、描述方式、存储结构存在较大差异，同时不同平台会输出不同结构类型的征信数据，因此需要对多来源的征信数据做字段对齐映射处理，才能将多源数据融合为统一的征信数据结构用于信用评估。

2、现有字段对齐映射方法大多仅针对结构化的数值征信数据开展映射，通过字符串匹配的方式将原始字段名称匹配到标准字段，无法适配同时包含非结构化文本、半结构化图像与结构化数值的多源异构数据场景，也无法处理非结构化文本中的文本片段、半结构化图像中的视觉区域这类非标准化原始字段的对齐需求。部分方案尝试引入语义对齐解决异构数据的映射问题，但大多没有结合企业征信领域的特性构建专门的语义拓扑结构，仅采用通用语义空间做匹配，无法体现征信字段之间的上下文关联特性，无法为原始语义单元找到准确的对应标准节点，也无法记录完整的映射关联路径，容易出现匹配错误的问题，导致映射准确率低。此外，现有方法完成映射后仅对数据做简单拼接，没有基于标准字段节点将归并后的多源语义单元存入同一字段容器，无法生成结构清晰、归并合理的统一征信字段结构，会导致后续信用评估过程中数据调用效率低，也容易出现同一维度数据重复计算的问题，也就是说，现有方法无法适配多源异构第三方征信数据的字段对齐映射需求，映射准确率低，融合后的数据结构不合理，难以满足企业信用评估对高质量统一征信数据的需求。

技术实现思路

1、有鉴于此，本申请的目的在于提供一种结合第三方征信数据的字段对齐映射方法及系统。

2、依据本申请的第一方面，提供一种结合第三方征信数据的字段对齐映射方法，所述方法包括：

3、获取目标企业的多源异构征信数据集合，所述多源异构征信数据集合包含从多个第三方征信平台采集的非结构化文本征信报告、半结构化图像征信凭证及结构化数值征信记录表；

4、对所述多源异构征信数据集合进行字段语义单元提取处理，得到每个征信数据来源的原始字段语义单元组，所述原始字段语义单元组包含从所述非结构化文本征信报告中分割出的文本片段语义单元、从所述半结构化图像征信凭证中识别出的视觉区域语义单元及从所述结构化数值征信记录表中解析出的指标项语义单元；

5、构建面向企业征信领域的字段语义拓扑结构，所述字段语义拓扑结构包含标准字段语义核心节点及所述标准字段语义核心节点之间的上下文共现关联连接，对所述原始字段语义单元组中的每个语义单元与所述标准字段语义核心节点进行拓扑关联映射处理，得到字段对齐映射方案，所述字段对齐映射方案中每条映射记录记载一个所述语义单元与一个所述标准字段语义核心节点的对应关联路径；

6、根据所述字段对齐映射方案对所述多源异构征信数据集合中的各原始字段语义单元执行字段融合重构处理，生成所述目标企业的统一征信字段结构，所述统一征信字段结构中同一标准字段语义核心节点下的多源语义单元被归并至同一字段容器。

7、依据本申请的第二方面，提供一种结合第三方征信数据的字段对齐映射系统，所述结合第三方征信数据的字段对齐映射系统包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该结合第三方征信数据的字段对齐映射系统实现前述的结合第三方征信数据的字段对齐映射方法。

8、依据上述任意一个方面，本申请的技术效果在于：

9、通过获取目标企业包含非结构化文本征信报告、半结构化图像征信凭证及结构化数值征信记录表的多源异构征信数据集合，在此基础上对多源异构征信数据集合进行字段语义单元提取处理，分别从三类不同结构的数据中提取得到对应类型的原始字段语义单元组，实现了不同结构异构数据到统一语义单元形式的转换，进而构建包含标准字段语义核心节点与节点间上下文共现关联连接的面向企业征信领域的字段语义拓扑结构，结合拓扑结构对每个原始语义单元做拓扑关联映射处理，得到记载对应关系与关联路径的字段对齐映射方案，充分利用了企业征信领域字段的语义关联特性，通过拓扑结构的上下文关联提升了映射的准确性，同时完整记录了映射路径便于后续溯源核对，解决了通用语义匹配准确率低的问题；最后根据字段对齐映射方案执行字段融合重构处理，生成同一标准节点下多源语义单元归并至同一容器的目标企业统一征信字段结构，实现了多源异构征信字段的合理归并与重构，生成了结构清晰、调用方便的统一征信数据结构，避免了同一维度数据的碎片化存储与重复计算，解决了现有方法无法适配多源异构第三方征信数据、映射准确率低、融合结构不合理的技术缺陷，大幅提升了第三方征信数据字段对齐映射的准确性，生成的统一征信字段结构更适配后续企业信用评估的处理需求，提升了企业信用评估的整体准确性与处理效率。

1.一种结合第三方征信数据的字段对齐映射方法，其特征在于，所述方法包括：

2.根据权利要求1所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述对所述多源异构征信数据集合进行字段语义单元提取处理，得到每个征信数据来源的原始字段语义单元组，包括：

3.根据权利要求2所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述从所述半结构化图像征信凭证的印章区域块中提取视觉区域语义单元，并对所述结构化数值征信记录表进行解析及标准化处理，再将全部提取结果按来源类型分组归集，包括：

4.根据权利要求1所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述构建面向企业征信领域的字段语义拓扑结构，包括：

5.根据权利要求4所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述对所述初始字段语义网络进行社区结构发现及语义主题提炼处理，生成具有层级化社区组织结构的字段语义拓扑结构，包括：

6.根据权利要求1所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述对所述原始字段语义单元组中的每个语义单元与所述标准字段语义核心节点进行拓扑关联映射处理，得到字段对齐映射方案，包括：

7.根据权利要求6所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述根据所述综合语义匹配评分确定所述语义单元的对齐目标节点后，对所述对齐目标节点进行路径惩罚校验与映射记录封装处理，生成字段对齐映射方案，包括：

8.根据权利要求7所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述根据所述字段对齐映射方案对所述多源异构征信数据集合中的各原始字段语义单元执行字段融合重构处理，生成所述目标企业的统一征信字段结构，包括：

9.根据权利要求8所述的结合第三方征信数据的字段对齐映射方法，其特征在于，所述对每个所述字段容器内归集的全部待归并语义单元进行语义一致性验证与冲突检测处理，并对字段容器进行字段值确定及标准化处理，生成所述目标企业的统一征信字段结构，包括：

10.一种结合第三方征信数据的字段对齐映射系统，其特征在于，包括处理器以及计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令被处理器执行时实现权利要求1-9中任意一项所述的结合第三方征信数据的字段对齐映射方法。