基于大數(shù)據(jù)的企業(yè)信用評(píng)估方法及系統(tǒng)專利

創(chuàng)造專利申請(qǐng)申請(qǐng)公布號(hào)申請(qǐng)公布日申請(qǐng)?zhí)柹暾?qǐng)日.11.01申請(qǐng)人路璐地址100125北京朝陽區(qū)霄云路創(chuàng)造人路璐專利代理機(jī)構(gòu)代理人Int.CI.權(quán)利要求書2頁說明書7頁附圖3頁創(chuàng)造名稱基于大數(shù)據(jù)企業(yè)信用評(píng)定方法及系統(tǒng)摘要本創(chuàng)造包括一個(gè)基于大數(shù)據(jù)企業(yè)本創(chuàng)造包括一個(gè)基于大數(shù)據(jù)企業(yè)信用評(píng)定方法及系統(tǒng)，以處理怎樣利用大數(shù)據(jù)對(duì)當(dāng)前企業(yè)信用狀態(tài)進(jìn)行評(píng)定、指導(dǎo)決議和預(yù)測(cè)等。該方法包含：S1、得到影響企業(yè)信用影響原因和數(shù)據(jù)，對(duì)其做眾因子加權(quán)聚合處理；S2、得到影響企業(yè)信用影響原因權(quán)重系數(shù)；S3、得到影響企業(yè)信用原因權(quán)重系數(shù)隨環(huán)境改變修正值；S4、得到反應(yīng)企業(yè)信用偏離度，用其達(dá)成風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警；S5、綜合評(píng)定當(dāng)前企業(yè)信用水平，自動(dòng)生成評(píng)定匯報(bào)。經(jīng)過該評(píng)定方法，能夠得到當(dāng)前企業(yè)信用影響原因和數(shù)據(jù)、影響企業(yè)信用原因權(quán)重系數(shù)及修正值、當(dāng)前企業(yè)信用等級(jí)和風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警偏離度、當(dāng)前企業(yè)信用評(píng)定匯報(bào)，實(shí)現(xiàn)對(duì)企業(yè)信用整體評(píng)定。S1S1、得到影響企業(yè)信用影響原因和數(shù)據(jù)，對(duì)其做眾因子加權(quán)聚合處理；S2、得到影響企業(yè)信用影響原因權(quán)重系數(shù)；S3、得到影響企業(yè)信用原因權(quán)重系數(shù)隨環(huán)境改變修正值；S4、得到反應(yīng)企業(yè)信用偏離度，用其達(dá)成風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警；S5、綜合評(píng)定當(dāng)前企業(yè)信用水平，自動(dòng)生成評(píng)定匯報(bào)。S2、得到影響企業(yè)信用影響原因權(quán)重系數(shù)；S3、得到影響企業(yè)信用原因權(quán)重系數(shù)隨環(huán)境改變修正值；S4、得到反應(yīng)企業(yè)信用偏離度，用其達(dá)成風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警；S5、綜合評(píng)定當(dāng)前企業(yè)信用水平，自動(dòng)生成評(píng)定匯報(bào)。 權(quán)利要求書 1/2頁一個(gè)基于大數(shù)據(jù)企業(yè)信用評(píng)定方法，其特征在于，包含：S1、得到影響企業(yè)信用影響原因和數(shù)據(jù)，利用眾因子加權(quán)聚合貝葉斯算法，計(jì)算償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾因子對(duì)評(píng)定主體信用影響程度；S2、依照層次分析模型構(gòu)建指標(biāo)體系，對(duì)指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾影響因子權(quán)重進(jìn)行計(jì)算。經(jīng)過判斷矩陣進(jìn)行特征值和特征向量計(jì)算，進(jìn)行一致性檢驗(yàn)，以教授打分和層次分析相結(jié)合方法確定權(quán)重。S3、使影響因子在學(xué)習(xí)樣本中用機(jī)器學(xué)習(xí)方法訓(xùn)練權(quán)重，用期望輸出與實(shí)際輸出差異引導(dǎo)著學(xué)習(xí)過程，權(quán)重值會(huì)伴隨學(xué)習(xí)速度和失敗次數(shù)而不停更新,使權(quán)重伴隨環(huán)境改變而實(shí)現(xiàn)偏差糾正，達(dá)成信用分值和級(jí)別越來越準(zhǔn)確。S4、計(jì)算企業(yè)信用偏離度和可調(diào)式關(guān)鍵指數(shù)，企業(yè)偏離度相對(duì)于行業(yè)偏離度形成安全區(qū)間，時(shí)間軸上偏離度以線性函數(shù)存在，經(jīng)過函數(shù)預(yù)測(cè)算法能夠確定未來周期內(nèi)受評(píng)主體信用情況，達(dá)成企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)。S5、依照企業(yè)信用影響原因和數(shù)據(jù)、影響企業(yè)信用原因權(quán)重系數(shù)、企業(yè)信用風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警偏離度分析當(dāng)前企業(yè)信用水平，以評(píng)定匯報(bào)形式展現(xiàn)。在場(chǎng)景預(yù)測(cè)法基礎(chǔ)上，使評(píng)定匯報(bào)模塊化，伴隨受評(píng)主體在大公中央數(shù)據(jù)庫信息改變，經(jīng)過評(píng)級(jí)指標(biāo)運(yùn)算結(jié)果，對(duì)應(yīng)評(píng)定匯報(bào)各模塊隨之改變，整個(gè)過程脫離信用分析師主觀意識(shí)，直接由數(shù)據(jù)決定評(píng)定匯報(bào)，用自然語言生成技術(shù)對(duì)評(píng)定匯報(bào)優(yōu)化，從而實(shí)現(xiàn)高質(zhì)量評(píng)定匯報(bào)自動(dòng)生成。2．依照權(quán)利要求1所述方法，其特征在于，所述步驟S1詳細(xì)包含：構(gòu)建企業(yè)信用指標(biāo)體系和獲取企業(yè)信用影響原因定量數(shù)據(jù)；對(duì)企業(yè)信用影響原因定量數(shù)據(jù)進(jìn)行無量綱化方法預(yù)處理；對(duì)企業(yè)信用影響原因智能識(shí)別和數(shù)據(jù)分類；依照S3中企業(yè)信用影響原因權(quán)重系數(shù)修正值、預(yù)處理過定量數(shù)據(jù)和多個(gè)教授評(píng)分算術(shù)平均數(shù)，對(duì)影響原因做加權(quán)聚共計(jì)算，加權(quán)聚合貝葉斯算法，處理影響原因間重復(fù)對(duì)企業(yè)信用貢獻(xiàn)，得到企業(yè)信用綜合評(píng)分、級(jí)別、級(jí)別含義、企業(yè)信用在同行業(yè)排行榜、可視化輸出信用信息分析結(jié)論。3．依照權(quán)利要求1所述方法，其特征在于，所述步驟S2還包含：企業(yè)信用評(píng)定影響原因權(quán)重判斷矩陣自動(dòng)修正、判斷矩陣自動(dòng)補(bǔ)全能力。 權(quán)利要求書 2/2頁4．依照權(quán)利要求1所述方法，其特征在于，所述步驟S3中所述確定企業(yè)信用影響原因權(quán)重優(yōu)化方法為基于機(jī)器學(xué)習(xí)和BP神經(jīng)網(wǎng)絡(luò)方法。5.依照權(quán)利要求1所述方法，其特征在于，所述步驟S4還包含：企業(yè)信用評(píng)定偏離度是指每一個(gè)償債起源與財(cái)富創(chuàng)造能力距離。6.一個(gè)基于大數(shù)據(jù)企業(yè)信用評(píng)定系統(tǒng)，其特征在于，包含：數(shù)字化智能評(píng)定單元，用于獲取企業(yè)信用評(píng)定影響原因和數(shù)據(jù)，對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理，對(duì)影響原因智能識(shí)別和數(shù)據(jù)分類，計(jì)算企業(yè)信用綜合評(píng)分和級(jí)別，生成企業(yè)信用在同行業(yè)排行榜，可視化輸出信用信息分析結(jié)論；數(shù)字化評(píng)級(jí)權(quán)重自動(dòng)生成單元，依照層次分析模型構(gòu)建指標(biāo)體系，以教授打分和層次分析相結(jié)合方法，對(duì)企業(yè)信用評(píng)定指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾影響因子權(quán)重系數(shù)進(jìn)行計(jì)算；數(shù)字化評(píng)級(jí)機(jī)器學(xué)習(xí)權(quán)重優(yōu)化單元，用于優(yōu)化企業(yè)信用影響原因權(quán)重，使權(quán)重伴隨環(huán)境改變而實(shí)現(xiàn)偏差糾正，達(dá)成信用分值和級(jí)別越來越準(zhǔn)確；信用風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警單元，是依靠于線性函數(shù)預(yù)測(cè)算法風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)，基于偏離度及可調(diào)式關(guān)鍵指數(shù)，經(jīng)過函數(shù)預(yù)測(cè)算法確定未來周期內(nèi)受評(píng)主體信用情況，達(dá)成信用風(fēng)險(xiǎn)預(yù)測(cè)效果；評(píng)定匯報(bào)自然語言生成單元，用場(chǎng)景預(yù)測(cè)法，使評(píng)定匯報(bào)模塊化，伴隨企業(yè)在中央數(shù)據(jù)庫信息改變，經(jīng)過評(píng)級(jí)指標(biāo)運(yùn)算結(jié)果，對(duì)應(yīng)評(píng)定匯報(bào)各模塊隨之改變，直接由數(shù)據(jù)決定評(píng)定匯報(bào)，用自然語言生成技術(shù)對(duì)評(píng)定匯報(bào)優(yōu)化，實(shí)現(xiàn)高質(zhì)量評(píng)定匯報(bào)自動(dòng)生成。

說明書 1/7頁基于大數(shù)據(jù)企業(yè)信用評(píng)定方法及系統(tǒng)技術(shù)領(lǐng)域[0001]本創(chuàng)造包括企業(yè)信用分析技術(shù)領(lǐng)域，尤其是包括一個(gè)基于大數(shù)據(jù)企業(yè)評(píng)定方法和一個(gè)基于大數(shù)據(jù)企業(yè)評(píng)定系統(tǒng)。背景技術(shù)[0002]信用評(píng)級(jí)關(guān)系人類經(jīng)濟(jì)社會(huì)安全發(fā)展，現(xiàn)存國際評(píng)級(jí)體系堅(jiān)持維護(hù)所在國利益立場(chǎng)，把其價(jià)值觀和意識(shí)形態(tài)作為評(píng)級(jí)標(biāo)準(zhǔn)，成為危機(jī)制造者，而不能負(fù)擔(dān)世界評(píng)級(jí)責(zé)任。然而，處于信用經(jīng)濟(jì)社會(huì)發(fā)展階段人類社會(huì)依然需要公正評(píng)級(jí)才能可連續(xù)發(fā)展，面對(duì)一個(gè)控制著人類生存與發(fā)展命脈超級(jí)評(píng)級(jí)強(qiáng)權(quán)，人類前行路在哪里？回答這個(gè)關(guān)系全人類發(fā)展前途時(shí)代問題是最具挑戰(zhàn)歷史使命。[0003]面對(duì)新信用評(píng)級(jí)業(yè)變革，建立以數(shù)字化為關(guān)鍵評(píng)級(jí)體系，是信用評(píng)級(jí)業(yè)適應(yīng)高技術(shù)戰(zhàn)爭(zhēng)根本保障。數(shù)字化是信用評(píng)級(jí)業(yè)實(shí)現(xiàn)跨越式發(fā)展必由之路，信息化關(guān)鍵是數(shù)字化。現(xiàn)在信用評(píng)級(jí)業(yè)，是網(wǎng)絡(luò)化信用評(píng)級(jí)業(yè)、數(shù)字化信用評(píng)級(jí)業(yè)、智能化信用評(píng)級(jí)業(yè)、虛擬化信用評(píng)級(jí)業(yè)，數(shù)字化已成為先進(jìn)信用評(píng)級(jí)業(yè)關(guān)鍵和重點(diǎn)。[0004]所以，建立一套全新、滿足現(xiàn)在我國信用評(píng)級(jí)產(chǎn)業(yè)現(xiàn)實(shí)狀況和發(fā)展需求評(píng)定或分析方法成為我國信用評(píng)級(jí)產(chǎn)業(yè)發(fā)展當(dāng)務(wù)之急。創(chuàng)造內(nèi)容[0005]本創(chuàng)造所要處理技術(shù)問題是怎樣利用大數(shù)據(jù)對(duì)當(dāng)前企業(yè)信用進(jìn)行分析。[0006]為處理上述技術(shù)問題，本創(chuàng)造提出了一個(gè)基于大數(shù)據(jù)企業(yè)信用評(píng)定方法及系統(tǒng)。[0007]第首先，該方法包含：[0008]S1、得到影響企業(yè)信用影響原因和數(shù)據(jù)，利用眾因子加權(quán)聚合貝葉斯算法，計(jì)算償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾因子對(duì)評(píng)定主體信用影響程度；[0009]S2、依照層次分析模型構(gòu)建指標(biāo)體系，對(duì)指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾影響因子權(quán)重進(jìn)行計(jì)算。經(jīng)過判斷矩陣進(jìn)行特征值和特征向量計(jì)算，進(jìn)行一致性檢驗(yàn)，以教授打分和層次分析相結(jié)合方法確定權(quán)重。說明書 2/7頁[0010]S3、使影響因子在學(xué)習(xí)樣本中用機(jī)器學(xué)習(xí)方法訓(xùn)練權(quán)重，用期望輸出與實(shí)際輸出差異引導(dǎo)著學(xué)習(xí)過程，權(quán)重值會(huì)伴隨學(xué)習(xí)速度和失敗次數(shù)而不停更新,使權(quán)重伴隨環(huán)境改變而實(shí)現(xiàn)偏差糾正，達(dá)成信用分值和級(jí)別越來越準(zhǔn)確。[0011]S4、計(jì)算企業(yè)信用偏離度和可調(diào)式關(guān)鍵指數(shù)，企業(yè)偏離度相對(duì)于行業(yè)偏離度形成安全區(qū)間，時(shí)間軸上偏離度以線性函數(shù)存在，經(jīng)過函數(shù)預(yù)測(cè)算法能夠確定未來周期內(nèi)受評(píng)主體信用情況，達(dá)成企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)。[0012]S5、依照企業(yè)信用影響原因和數(shù)據(jù)、影響企業(yè)信用原因權(quán)重系數(shù)、企業(yè)信用風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警偏離度分析當(dāng)前企業(yè)信用水平，以評(píng)定匯報(bào)形式展現(xiàn)。在場(chǎng)景預(yù)測(cè)法基礎(chǔ)上，使評(píng)定匯報(bào)模塊化，伴隨受評(píng)主體在大公中央數(shù)據(jù)庫信息改變，經(jīng)過評(píng)級(jí)指標(biāo)運(yùn)算結(jié)果，對(duì)應(yīng)評(píng)定匯報(bào)各模塊隨之改變，整個(gè)過程脫離信用分析師主觀意識(shí)，直接由數(shù)據(jù)決定評(píng)定匯報(bào)，用自然語言生成技術(shù)對(duì)評(píng)定匯報(bào)優(yōu)化，從而實(shí)現(xiàn)高質(zhì)量評(píng)定匯報(bào)自動(dòng)生成。[0013]深入地，所述步驟S1還包含：[0014]構(gòu)建企業(yè)信用指標(biāo)體系和獲取企業(yè)信用影響原因定量數(shù)據(jù)；[0015]對(duì)企業(yè)信用影響原因定量數(shù)據(jù)進(jìn)行無量綱化方法預(yù)處理；[0016]對(duì)企業(yè)信用影響原因智能識(shí)別和數(shù)據(jù)分類；[0017]依照S3中企業(yè)信用影響原因權(quán)重系數(shù)修正值、預(yù)處理過定量數(shù)據(jù)和多個(gè)教授評(píng)分算術(shù)平均數(shù)，對(duì)影響原因做加權(quán)聚共計(jì)算，加權(quán)聚合貝葉斯算法，處理影響原因間重復(fù)對(duì)企業(yè)信用貢獻(xiàn)，得到企業(yè)信用綜合評(píng)分、級(jí)別、級(jí)別含義、企業(yè)信用在同行業(yè)排行榜、可視化輸出信用信息分析結(jié)論。[0018]深入地，所述步驟S2還包含：[0019]企業(yè)信用評(píng)定影響原因權(quán)重判斷矩陣自動(dòng)修正、判斷矩陣自動(dòng)補(bǔ)全能力。[0020]深入地，所述步驟S3中所述確定企業(yè)信用影響原因權(quán)重優(yōu)化方法為基于機(jī)器學(xué)習(xí)和BP神經(jīng)網(wǎng)絡(luò)方法。[0021]深入地，所述步驟S4還包含：[0022]企業(yè)信用評(píng)定偏離度是指每一個(gè)償債起源與財(cái)富創(chuàng)造能力距離。[0023]第二方面，該系統(tǒng)包含：說明書 3/7頁[0024]數(shù)字化智能評(píng)定單元，用于獲取企業(yè)信用評(píng)定影響原因和數(shù)據(jù)，對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理，對(duì)影響原因智能識(shí)別和數(shù)據(jù)分類，計(jì)算企業(yè)信用綜合評(píng)分和級(jí)別，生成企業(yè)信用在同行業(yè)排行榜，可視化輸出信用信息分析結(jié)論；[0025]數(shù)字化評(píng)級(jí)權(quán)重自動(dòng)生成單元，依照層次分析模型構(gòu)建指標(biāo)體系，以教授打分和層次分析相結(jié)合方法，對(duì)企業(yè)信用評(píng)定指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾影響原因權(quán)重系數(shù)進(jìn)行計(jì)算；[0026]數(shù)字化評(píng)級(jí)機(jī)器學(xué)習(xí)權(quán)重優(yōu)化單元，用于優(yōu)化企業(yè)信用影響原因權(quán)重，使權(quán)重伴隨環(huán)境改變而實(shí)現(xiàn)偏差糾正，達(dá)成信用分值和級(jí)別越來越準(zhǔn)確；[0027]信用風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警單元，是依靠于線性函數(shù)預(yù)測(cè)算法風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)，基于偏離度及可調(diào)式關(guān)鍵指數(shù)，經(jīng)過函數(shù)預(yù)測(cè)算法確定未來周期內(nèi)受評(píng)主體信用情況，達(dá)成信用風(fēng)險(xiǎn)預(yù)測(cè)效果；[0028]評(píng)定匯報(bào)自然語言生成單元，用場(chǎng)景預(yù)測(cè)法，使評(píng)定匯報(bào)模塊化，伴隨企業(yè)在中央數(shù)據(jù)庫信息改變，經(jīng)過評(píng)級(jí)指標(biāo)運(yùn)算結(jié)果，對(duì)應(yīng)評(píng)定匯報(bào)各模塊隨之改變，直接由數(shù)據(jù)決定評(píng)定匯報(bào)，用自然語言生成技術(shù)對(duì)評(píng)定匯報(bào)優(yōu)化，實(shí)現(xiàn)高質(zhì)量評(píng)定匯報(bào)自動(dòng)生成。附圖說明[0029]經(jīng)過參考附圖會(huì)愈加清楚了解本創(chuàng)造特征和優(yōu)點(diǎn)，附圖是示意性而不應(yīng)了解為對(duì)本創(chuàng)造進(jìn)行任何限制，在附圖中：[0030]圖1示出了依照本創(chuàng)造基于大數(shù)據(jù)企業(yè)信用評(píng)定方法一實(shí)施例流程示意圖；[0031]圖2示出了建立神經(jīng)網(wǎng)絡(luò)模型流程示意圖；[0032]圖3示出了依照本創(chuàng)造基于大數(shù)據(jù)企業(yè)信用評(píng)定系統(tǒng)一實(shí)施例結(jié)構(gòu)框圖。詳細(xì)實(shí)施方式[0033]為了能夠更清楚地了解本創(chuàng)造上述目標(biāo)、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和詳細(xì)實(shí)施方式對(duì)本創(chuàng)造進(jìn)行深入詳細(xì)描述。需要說明是，在不沖突情況下，本申請(qǐng)實(shí)施例及實(shí)施例中特征能夠相互組合。說明書 4/7頁[0034]在下面描述中闡述了很多詳細(xì)細(xì)節(jié)方便于充分了解本創(chuàng)造，不過，本創(chuàng)造還能夠采取其余不一樣于在此描述其余方式來實(shí)施，所以，本創(chuàng)造保護(hù)范圍并不受下面公開詳細(xì)實(shí)施例限制。[0035]本創(chuàng)造提供了一個(gè)基于大數(shù)據(jù)企業(yè)信用評(píng)定方法，如圖1所述，該方法包含：[0036]S1、得到影響企業(yè)信用影響原因和數(shù)據(jù)，利用眾因子加權(quán)聚合貝葉斯算法，計(jì)算償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾因子對(duì)評(píng)定主體信用影響程度；[0037]S2、依照層次分析模型構(gòu)建指標(biāo)體系，對(duì)指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾影響因子權(quán)重進(jìn)行計(jì)算。經(jīng)過判斷矩陣進(jìn)行特征值和特征向量計(jì)算，進(jìn)行一致性檢驗(yàn)，以教授打分和層次分析相結(jié)合方法確定權(quán)重。[0038]S3、使影響因子在學(xué)習(xí)樣本中用機(jī)器學(xué)習(xí)方法訓(xùn)練權(quán)重，用期望輸出與實(shí)際輸出差異引導(dǎo)著學(xué)習(xí)過程，權(quán)重值會(huì)伴隨學(xué)習(xí)速度和失敗次數(shù)而不停更新,使權(quán)重伴隨環(huán)境改變而實(shí)現(xiàn)偏差糾正，達(dá)成信用分值和級(jí)別越來越準(zhǔn)確。[0039]S4、計(jì)算企業(yè)信用偏離度和可調(diào)式關(guān)鍵指數(shù)，企業(yè)偏離度相對(duì)于行業(yè)偏離度形成安全區(qū)間，時(shí)間軸上偏離度以線性函數(shù)存在，經(jīng)過函數(shù)預(yù)測(cè)算法能夠確定未來周期內(nèi)受評(píng)主體信用情況，達(dá)成企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)。[0040]S5、依照企業(yè)信用影響原因和數(shù)據(jù)、影響企業(yè)信用原因權(quán)重系數(shù)、企業(yè)信用風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警偏離度分析當(dāng)前企業(yè)信用水平，以評(píng)定匯報(bào)形式展現(xiàn)。在場(chǎng)景預(yù)測(cè)法基礎(chǔ)上，使評(píng)定匯報(bào)模塊化，伴隨受評(píng)主體在大公中央數(shù)據(jù)庫信息改變，經(jīng)過評(píng)級(jí)指標(biāo)運(yùn)算結(jié)果，對(duì)應(yīng)評(píng)定匯報(bào)各模塊隨之改變，整個(gè)過程脫離信用分析師主觀意識(shí)，直接由數(shù)據(jù)決定評(píng)定匯報(bào)，用自然語言生成技術(shù)對(duì)評(píng)定匯報(bào)優(yōu)化，從而實(shí)現(xiàn)高質(zhì)量評(píng)定匯報(bào)自動(dòng)生成。[0041]步驟S1中，獲取是影響企業(yè)信用影響原因和數(shù)據(jù)，所謂影響原因數(shù)據(jù)是指對(duì)企業(yè)信用評(píng)定指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾影響原因。[0042]所述企業(yè)信用影響原因數(shù)據(jù)能夠?yàn)椴灰粯宇A(yù)設(shè)時(shí)間段內(nèi)影響原因數(shù)據(jù)，這么話，步驟S1可詳細(xì)包含：[0043]獲取企業(yè)信用評(píng)定不一樣預(yù)設(shè)時(shí)間段內(nèi)所述信用評(píng)定指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力影響原因數(shù)據(jù)；說明書 5/7頁[0044]對(duì)不一樣預(yù)設(shè)時(shí)間段內(nèi)所述企業(yè)信用影響原因數(shù)據(jù)進(jìn)行預(yù)處理；[0045]依照預(yù)處理后企業(yè)信用影響原因數(shù)據(jù)，在所在行業(yè)對(duì)應(yīng)知識(shí)庫內(nèi)進(jìn)行數(shù)據(jù)智能識(shí)別和數(shù)據(jù)分類；[0046]定量數(shù)據(jù)和多個(gè)教授打分后定性數(shù)據(jù)用貝葉斯算法進(jìn)行運(yùn)算，輸出企業(yè)信用評(píng)級(jí)分值、級(jí)別、級(jí)別含義；[0047]依照企業(yè)信用評(píng)級(jí)分值大小，形成企業(yè)信用排行榜；[0048]可視化輸出信用數(shù)據(jù)分析結(jié)論。[0049]上述過程中預(yù)處理能夠?yàn)橹笜?biāo)規(guī)范化處理。[0050]步驟S1可詳細(xì)包含：[0051]制作層次結(jié)構(gòu)模型；[0052]判斷矩陣生成及兩兩比較數(shù)據(jù)輸入；[0053]判斷矩陣一致性百分比及排序權(quán)重計(jì)算；[0054]不一致判斷矩陣自動(dòng)修正，在最大程度保留教授決議數(shù)據(jù)前提下修正判斷矩陣使之滿足一致性百分比。標(biāo)識(shí)需要修正判斷矩陣，整個(gè)修正過程自動(dòng)完成；[0055]殘缺但可接收判斷矩陣計(jì)算，采取缺失項(xiàng)最大百分比來限制自動(dòng)補(bǔ)全條件，表示一個(gè)殘缺矩陣只有其中缺失項(xiàng)所占百分比小于此參數(shù)值時(shí)才能使用自動(dòng)補(bǔ)全功效；[0056]總目標(biāo)或子目標(biāo)排序權(quán)重計(jì)算，不論是備選方案對(duì)總目標(biāo)排序權(quán)重，還是備選方案對(duì)層次結(jié)構(gòu)中其余非方案層要素排序權(quán)重，都能夠快速地計(jì)算完成。而且能夠查看詳細(xì)判斷矩陣數(shù)據(jù)、中間計(jì)算數(shù)據(jù)以及最終計(jì)算結(jié)果；[0057]依照總目標(biāo)或子目標(biāo)排序權(quán)重加權(quán)分?jǐn)?shù)計(jì)算，計(jì)算出總目標(biāo)/子目標(biāo)排序權(quán)重后，還能夠深入計(jì)算加權(quán)分?jǐn)?shù)，也就是依照備選方案權(quán)重和備選方案實(shí)際得分，計(jì)算最終加權(quán)得分；[0058]生成結(jié)論，導(dǎo)出權(quán)重計(jì)算數(shù)據(jù)。[0059]步驟S3中，如圖2所表示，預(yù)先設(shè)置機(jī)器學(xué)習(xí)模型建立過程大致包含：在影響因子學(xué)習(xí)樣本中用機(jī)器學(xué)習(xí)方法訓(xùn)練權(quán)重，用期望輸出與實(shí)際輸出差異引導(dǎo)著學(xué)習(xí)過程，權(quán)重值會(huì)伴隨學(xué)習(xí)速度和失敗次數(shù)而不停更新,使權(quán)重伴隨環(huán)境改變而實(shí)現(xiàn)偏差糾正，直到全部誤差小于一個(gè)預(yù)設(shè)極小值，模型收斂，至此模型建立完成。利用該機(jī)器學(xué)習(xí)模型對(duì)影響原因權(quán)重系數(shù)進(jìn)行分析，便得到了權(quán)重系數(shù)優(yōu)化。說明書 6/7頁[0060]步驟S4中，企業(yè)信用評(píng)定偏離度是指每一個(gè)償債起源與財(cái)富創(chuàng)造能力距離。給偏離度數(shù)學(xué)建模，實(shí)現(xiàn)主要因子能夠調(diào)整偏離度指數(shù)，依照偏離度在時(shí)間軸上線性函數(shù)曲線走勢(shì)，進(jìn)行預(yù)測(cè)，企業(yè)偏離度伴隨時(shí)間而發(fā)生改變，與行業(yè)和其余企業(yè)做比較，擁有安全區(qū)間。[0061]步驟S5中，用場(chǎng)景預(yù)測(cè)法對(duì)不一樣級(jí)別偏離度進(jìn)行定義，眾多場(chǎng)景模塊式組成評(píng)級(jí)匯報(bào)，用自然語言生成技術(shù)對(duì)評(píng)級(jí)匯報(bào)優(yōu)化，從而自動(dòng)生成高質(zhì)量評(píng)級(jí)匯報(bào)，最大可能排除評(píng)定分析師主觀干擾。[0062]本創(chuàng)造還提供一個(gè)基于大數(shù)據(jù)企業(yè)信用評(píng)定系統(tǒng)，如圖3所表示，該系統(tǒng)100包含：[0062]數(shù)字化智能評(píng)定單元101，用于獲取企業(yè)信用評(píng)定影響原因和數(shù)據(jù)，對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理，對(duì)影響原因智能識(shí)別和數(shù)據(jù)分類，計(jì)算企業(yè)信用綜合評(píng)分和級(jí)別，生成企業(yè)信用在同行業(yè)排行榜，可視化輸出信用信息分析結(jié)論；[0063]數(shù)字化評(píng)級(jí)權(quán)重自動(dòng)生成單元102，依照層次分析模型構(gòu)建指標(biāo)體系，以教授打分和層次分析相結(jié)合方法，對(duì)企業(yè)信用評(píng)定指標(biāo)體系中償債環(huán)境、償債起源、財(cái)富創(chuàng)造能力和償債能力眾影響原因權(quán)重系數(shù)進(jìn)行計(jì)算；[0064]數(shù)字化評(píng)級(jí)機(jī)器學(xué)習(xí)權(quán)重優(yōu)化單元103，用于優(yōu)化企業(yè)信用影響原因權(quán)重，使權(quán)重伴隨環(huán)境改變而實(shí)現(xiàn)偏差糾正，達(dá)成信用分值和級(jí)別越來越準(zhǔn)確；[0065]信用風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警單元104，是依靠于線性函數(shù)預(yù)測(cè)算法風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)，基于偏離度及可調(diào)式關(guān)鍵指數(shù)，經(jīng)過函數(shù)預(yù)測(cè)算法確定未來周期內(nèi)受評(píng)主體信用情況，達(dá)成信用風(fēng)險(xiǎn)預(yù)測(cè)效果；[0066]評(píng)定匯報(bào)自然語言生成單元105