摘要
本申请公开了一种企业征信评估分析方法,涉及数据处理领域,包括:获取多个待评估企业的征信数据;通过改进的栈式自编码神经网络模型对征信数据进行特征提取,得到特征数据;所述改进的栈式自编码神经网络模型包含编码器、解码器、注意力层和先验规则层;所述注意力层采用Scaled Dot‑Product Attention机制学习权重特征矩阵Ha,所述先验规则层根据先验规则设置特征约束;对特征数据进行聚类,得到企业所属聚类簇;根据聚类簇内企业的特征值分布,利用先验规则进行特征评分,得到聚类簇的聚类标签;根据聚类标签和权重特征矩阵Ha,生成企业征信画像,根据企业征信画像进行征信评估分析;针对现有技术中企业征信评估精度低,本申请提高评估结果的可靠性。
技术关键词
评估分析方法
企业征信
权重特征
生成企业
约束特征
征信数据
注意力
神经网络模型训练
标签
掩码矩阵
画像
特征值
sigmoid函数
分布特征
聚类
编码
风险
系统为您推荐了相关专利信息
薄弱知识点
约束特征
马尔可夫链模型
主成分分析算法
模糊综合评价法
机器控制方法
约束特征
序列预测模型
力反馈
髋关节
语义特征
内核
融合特征
多尺度特征提取
分解特征
作物生长状态
农业物联网
作物生长环境
阶段
权重特征