买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖北谊嘉金融仓储有限公司

摘要：本申请提供一种大数据比对应收账款确权的风险评估系统，包括：数据获取单元，用于获取待评估企业的目标企业数据基本信息、订单信息、支付信息、回款信息、行业信息和信用评级；数据处理单元，用于对目标企业数据进行预处理；特征工程单元，用于基于预处理后的目标企业数据确定出目标输入特征；风险评估单元，用于将目标输入特征输入至预设的风险评估模型中，得到风险评估模型输出的风险评分，其中，风险评分用于揭示待评估企业的应收账款确权风险。本方案充分利用大数据的优势，考虑应收账款确权中的数据特点，建立了一个相对全面而准确的应收账款确权的风险评估系统，实现对应收账款确权的风险评估。

主权项：1.一种大数据比对应收账款确权的风险评估系统，其特征在于，包括：数据获取单元，用于获取待评估企业的目标企业数据，其中，目标企业数据包括待评估企业的基本信息、订单信息、支付信息、回款信息、行业信息和信用评级；数据处理单元，用于对目标企业数据进行预处理；特征工程单元，用于基于预处理后的目标企业数据确定出目标输入特征；风险评估单元，用于将目标输入特征输入至预设的风险评估模型中，得到所述风险评估模型输出的风险评分，其中，风险评分用于揭示待评估企业的应收账款确权风险；所述风险评估模型的构建过程为：获取数据集，其中，数据集包括N组企业数据，每组企业数据包括企业的基本信息、订单信息、支付信息、回款信息、行业信息、信用评级和标注的风险评分；对数据集中的企业数据进行预处理；基于每条预处理后的企业数据确定出对应的输入特征，共确定出N条输入特征；对N条输入特征进行聚类，确定出M个聚类，并生成包含N个M维列向量的M×N的特征矩阵，其中，每个列向量对应一个企业，每行对应一个聚类后的新特征；将特征矩阵划分训练集和测试集，利用训练集对搭建的模型框架进行训练，利用测试集对训练后的模型进行测试，得到训练好的评分模型，其中，进行特征转换的聚类模型和进行风险评分的评分模型作为风险评估模型；对N条输入特征进行聚类，确定出M个聚类，并生成包含N个M维列向量的M×N的特征矩阵，包括：对N条输入特征形成的样本集X，采用以下公式计算样本集X内每两个样本xi和样本xj之间的相似度Si,j，形成相似度矩阵S： 其中，Si,j为样本xi与样本xj之间的相似度,di,j表示样本xi与样本xj之间的距离，dmax和dmin为所有距离中的最大距离和最小距离，pi为样本xi被当作簇中心时的参考度，S为相似度矩阵；而di,j的计算方式为： 其中，z为样本集X内每个样本x的特征属性维度数量，xim为样本xi中第m个维度的特征属性，xjm为样本xj中第m个维度的特征属性，sm为样本集X内所有样本中第m个维度的特征属性的标准差；构建吸引度矩阵Rt和隶属度矩阵At；对吸引度矩阵Rt和隶属度矩阵At进行迭代更新，直到满足迭代终止条件，确定出M个簇中心；基于M个簇中心对每个样本进行特征转换，得到包含N个M维列向量的M×N的特征矩阵F；吸引度矩阵Rt和隶属度矩阵At的更新公式为： 其中，Rt+1i,k为第t+1次迭代的吸引度矩阵Rt中，样本xk作为样本xi的簇中心的适合程度，At+1i,k为第t+1次迭代的隶属度矩阵At中，样本xi选择样本xk作为簇中心的适合程度；为抑制迭代过程中可能出现的数据振荡，进行衰减处理： 其中，λ为阻尼因子；而第t次迭代得到的簇中心由如下公式得到： 其中，为第t次迭代后样本xi的簇中心；基于M个簇中心对每个样本进行特征转换，得到包含N个M维列向量的M×N的特征矩阵F，包括：针对每个样本：基于样本xi与M个簇中心的吸引度，生成M维列向量fi，共计确定出N个M维列向量，形成M×N的特征矩阵F： 其中，对于M维列向量fi中的第k个特征值fki,k＝{1,2,…,M},i＝{1,2,…,N}，特征矩阵F的每一行对应一个聚类中心，即一个新的特征；特征矩阵F的每一列对应一个样本。

全文数据：

权利要求：

百度查询： 湖北谊嘉金融仓储有限公司 一种大数据比对应收账款确权的风险评估系统