一种基于反向传播神经网络的个人信用评估方法及系统与流程

技术特征：
1.一种基于反向传播神经网络的个人信用评估方法，所述方法应用于一风险评估系统，且所述系统具有一数据预处理单元、模型构建单元、模型实施单元，其中，所述方法包括：获得第一用户的第一数据信息，其中，所述第一数据信息为待处理数据信息；通过所述数据预处理单元，对所述第一数据信息进行预处理之后，获得预处理之后的所述第一数据信息；构建反向传播神经网络模型，其中，所述反向传播神经网络模型包括输入层、输出层以及隐藏层；基于数据库获得第一样本信息；采用所述第一样本信息，对所述反向传播神经网络模型进行训练；通过所述模型实施单元，将所述预处理之后的所述第一数据信息输入至训练完成的所述反向传播神经网络模型中，获得所述反向传播神经网络模型的第一输出结果，其中，所述第一输出结果为所述第一用户的信用评估分值。2.如权利要求1所述的方法，其中，所述通过所述数据预处理单元，对所述第一数据信息进行预处理之后，获得预处理之后的所述第一数据信息，包括：获得第一数据清洗指令；根据所述第一数据清洗指令，判断所述第一数据信息中是否存在无效数据，和/或，缺损数据；如果存在，则对所述无效数据，和/或，缺损数据进行删除。3.如权利要求2所述的方法，其中，所述如果存在，则对所述无效数据，和/或，缺损数据进行删除之后，所述方法还包括：判断所述清洗之后的所述第一数据信息中是否存在第一类型指标信息，其中，所述第一类型指标信息为非数值型信息；如果存在，则获得第一转化指令；根据所述第一转化指令，将所述第一类型指标信息进行转化，获得第二类型指标信息，其中，所述第二类型指标信息为数值型信息。4.如权利要求3所述的方法，其中，所述根据所述第一转化指令，将所述清洗之后的所述第一数据信息中的第一类型指标信息进行转化，获得第二类型指标信息，所述方法还包括：获得预设转化数值列表信息；根据所述预设转化数值列表信息，获得所述第一类型指标信息的第一数值信息；根据所述第一数值信息，获得第二类型指标信息。5.如权利要求2所述的方法，其中，所述方法还包括：判断所述清洗之后的所述第一数据信息中是否存在第三类型指标信息，其中，所述第三类型指标信息包括多个维度的指标信息；如果存在，则获得第一归一化指令；根据所述第一归一化指令，对所述第三类型指标信息中的所述多个维度的指标信息进行归一化处理，以平衡所述多个维度的指标信息之间的差距。6.如权利要求1所述的方法，其中，所述构建反向传播神经网络模型，所述方法还包括：
采用蛙跳算法获得所述反向传播神经网络模型中所述输入层的第一输入节点数；采用所述蛙跳算法获得所述反向传播神经网络模型中所述输出层的第一输出节点数；获得所述反向传播神经网络模型中所述隐藏层的第一隐藏节点数；根据所述第一输入节点数、第一输出节点数和第一隐藏节点数，构建所述反向传播神经网络模型。7.如权利要求6所述的方法，其中，所述获得所述反向传播神经网络模型中隐藏层的第一隐藏节点数，包括：获得第一初始节点数；获得第一调节指令；根据所述第一调节指令，按照第一计算公式，对所述第一初始节点数进行调整，获得所述第一隐藏节点数，其中，所述第一计算公式包括：l<n
‑
1、其中，l为所述第一隐藏节点数，n为所述第一输入节点数，k为所述第一输出节点数，i的取值范围为0～9之间的任意数字。8.一种基于反向传播神经网络的个人信用评估系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一用户的第一数据信息，其中，所述第一数据信息为待处理数据信息；第二获得单元，所述第二获得单元用于通过数据预处理单元，对所述第一数据信息进行预处理之后，获得预处理之后的所述第一数据信息；第一构建单元，所述第一构建单元用于构建反向传播神经网络模型，其中，所述反向传播神经网络模型包括输入层、输出层以及隐藏层；第三获得单元，所述第三获得单元用于基于数据库获得第一样本信息；第一训练单元，所述第一训练单元用于采用所述第一样本信息，对所述反向传播神经网络模型进行训练；第四获得单元，所述第四获得单元用于通过模型实施单元，将所述预处理之后的所述第一数据信息输入至训练完成的所述反向传播神经网络模型中，获得所述反向传播神经网络模型的第一输出结果，其中，所述第一输出结果为所述第一用户的信用评估分值。9.一种基于反向传播神经网络的个人信用评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1
‑
7任一项所述方法的步骤。

技术总结
本发明公开了一种基于反向传播神经网络的个人信用评估方法及系统，获得第一用户的第一数据信息；通过所述数据预处理单元，对所述第一数据信息进行预处理之后，获得预处理之后的所述第一数据信息；构建反向传播神经网络模型；基于数据库获得第一样本信息；采用所述第一样本信息，对所述反向传播神经网络模型进行训练；通过所述模型实施单元，将所述预处理之后的所述第一数据信息输入至训练完成的所述反向传播神经网络模型中，获得所述反向传播神经网络模型的第一输出结果，其中，所述第一输出结果为所述第一用户的信用评估分值。解决了现有技术中存在对于客户信用等级评估存在偏差，不能科学准确的对客户进行信用风险评估的技术问题。技术问题。技术问题。


技术研发人员：刘英杰
受保护的技术使用者：中信银行股份有限公司
技术研发日：2021.07.23
技术公布日：2021/10/26