(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111274356.0 (22)申请日 2021.10.2 9 (71)申请人 国泰君安证券股份有限公司 地址 200041 上海市 静安区南京西路768号 国泰君安大厦20层 (72)发明人 俞枫　王珣　苑博　孙中宇　 黄志昌　 (74)专利代理 机构 上海智信专利代理有限公司 31002 代理人 王洁　郑暄 (51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于半监督学习实现企业评分和评级的系 统、 方法、 装置、 处 理器及其计算机可读存 储介质 (57)摘要 本发明涉及一种基于半监督学习实现企业 评分和评级的系统， 其中， 该系统包括系统包括 数据采集处理模块， 用于获取企业相关数据源； 数据预处理模块， 用于对采集到的各类数据进行 数据清洗和字段处理； 构造特征处理模块， 用于 根据不同数据之间的特征分类属性， 计算各个数 据的特征值； 模型训练处理模块， 用于分别使用 训练模型对全部数据进行分类； 以及评分评级计 算模块， 用于进行评分卡分数的计算， 并根据多 维度累加得到的总分数获取最终的评级等级。 本 发明还涉及一种相应的方法、 装置、 处理器及其 计算机可读存储介质。 采用了本发明的该系统、 方法、 装置、 处理器及其计算机可读存储介质， 充 分利用多类别数据源的数据价值， 提供一种客观 统一的评价体系。 权利要求书3页 说明书9页 附图1页 CN 113988644 A 2022.01.28 CN 113988644 A 1.一种基于半监 督学习实现企业评分和评级的系统， 其特 征在于， 所述的系统包括： 数据采集处理模块， 用于获取企业内部数据源以及外部数据源， 以实现对企业信用风 险的对维度评估； 数据预处理模块， 与所述的数据采集处理模块相连接， 用于对采集到的各类数据进行 数据清洗以及字段处 理； 构造特征处理模块， 与所述的数据预处理模块相连接， 用于根据不同数据之间的特征 分类属性， 计算各个数据的特征值， 并将各个特征值进行分箱处理， 以进行重要特征的筛 选； 模型训练处理模块， 与所述的构造特征处理模块相连接， 用于分别使用逻辑回归模型 和随机森林模型对 全部数据进行分类， 并根据训练结果输出 各个特征数据的权 重比； 以及 评分评级计算模块， 与所述的模型训练处理模块相连接， 用于根据不同数据源之间的 类型， 切分为不同维度， 并对各个维度涉及到的所有 数据源的模型训练输出结果， 进 行评分 卡分数的计算， 并根据多维度累加得到的总分数获取最终的评级等级。 2.一种利用权利要求1所述的系统实现基于半监督学习进行企业评分和评级的方法， 其特征在于， 所述的方法包括以下步骤： (1)进行企业内部数据源以及外 部数据源的数据采集； (2)对采集的数据进行 数据清洗以及字段处 理； (3)根据各个数据的不同的特 征属性计算相应的特 征值， 以进行重要特 征的筛选； (4)对采集到的数据进行模型训练， 获取相应特 征数据的权 重比和重要性； (5)根据各个数据的类型进行不同维度的切分， 并按照模型训练的结果进行评分卡分 数的转化， 以实现对企业评分和评级。 3.根据权利要求2所述的实现基于半监督学习进行企业评分和评级的方法， 其特征在 于， 所述的步骤(1)具体为： 获取包含工商信息类数据、 经营状况类数据、 裁判文书网数据、 财务信息类数据、 舆情 信息类数据、 企业评级数据、 信用星 级相关数据以及ESG外 部数据源数据； 其中， 所述的ESG外 部数据源数据具体指包 含环境、 社会以及治理方面的数据。 4.根据权利要求2所述的实现基于半监督学习进行企业评分和评级的方法， 其特征在 于， 所述的步骤(2)具体包括以下步骤： (2.1)对采集到的数据进行包括但不限于去除多余空格、 无效字符的清洗处 理； (2.2)对采集到的数据的原始字段进行映射转换， 以及对采集到的数据的字符类型进 行转换； (2.3)针对所有数据进行统一日期、 金额和货币的格式处 理。 5.根据权利要求4所述的实现基于半监督学习进行企业评分和评级的方法， 其特征在 于， 所述的步骤(3)具体包括以下步骤： (3.1)对进行数据预处理后的数据按照基本特征、 统计型特征以及时序型特征的属性 进行分类； (3.2)进入分箱初始化处理阶段， 对分类处理后的各个特征按照离散型向连续型转换 的处理规则进行属性 值大小的排序； (3.3)对每一组相邻的数据进行计算 卡方值的处 理；权　利　要　求　书 1/3 页 2 CN 113988644 A 2(3.4)根据计算出的卡方值， 将其中计算出的卡方值最小的一组数据进行临近组合， 合 并为一组； (3.5)重复上述步骤(3.3)至(3.4)， 直到所有卡方值都不低于设定阈值或者分组达到 预期数量； (3.6)根据计算出的每一个卡方值计算对应的证据权重WOE以及信息价值IV， 以实现重 要特征的筛选。 6.根据权利要求5所述的实现基于半监督学习进行企业评分和评级的方法， 其特征在 于， 所述的步骤(3.3)具体按照以下公式计算所述的卡方值： 其中， Eij＝Ri×Cj/N， Aij为i区间中j类样本个数， 为i区间中样本数， 为j类样本的个数， 为总样本个数。 7.根据权利要求5所述的实现基于半监督学习进行企业评分和评级的方法， 其特征在 于， 所述的步骤(3.6)具体按照以下公式计算所述的证据权 重WOE以及信息价 值IV： 其中， B为正样本总数， Bi为i区间对应的正样本数； G为负样本总数， Gi为i区间对应的负 样本数； 8.根据权利要求7所述的实现基于半监督学习进行企业评分和评级的方法， 其特征在 于， 所述的步骤(4)具体包括以下步骤： (4.1)将采集到的所有数据按照预设数量进行分组， 选取其中一组作为测试集， 其他组 作为训练集进行分轮训练； (4.2)分别使用逻辑回归模型和随机森林模型对训练后的数据进行分类， 以输出各个 特征数据的权 重和重要性。 9.根据权利要求8所述的实现基于半监督学习进行企业评分和评级的方法， 其特征在 于， 所述的步骤(4.2)具体包括： 当特征向量维数高， 且训练样本数大时， 采用所述的逻辑回归模型即可输出相应特征 的权重； 当需要输出 特征的重要性时采用所述的逻辑回归 模型即可训练完成。 10.根据权利要求9所述的实现基于半监督学习 进行企业评分和评级的方法， 其特征在 于， 所述的步骤(5)具体包括以下步骤： (5.1)根据各个数据的类型进行不同维度的切分， 并根据模型训练的输出结果进行相 应数据评分卡分数的计算， 获取多维度的总分数； (5.2)根据获取到的所有的总分数的区间分布情况， 通过制定对应的评级等级的阈值， 调整实际的分布情况来获得最终的评级等级； (5.3)根据实际情况适当加入人工调整， 以计算出 所需的特 征及其相应的权 重值。权　利　要　求　书 2/3 页 3 CN 113988644 A 3