预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共24页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN111260196A(43)申请公布日2020.06.09(21)申请号202010025805.7(22)申请日2020.01.10(71)申请人支付宝(杭州)信息技术有限公司地址310023浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人程微宏(74)专利代理机构上海专利商标事务所有限公司31100代理人周敏(51)Int.Cl.G06Q10/06(2012.01)G06N3/08(2006.01)权利要求书3页说明书14页附图6页(54)发明名称信用评估方法和装置(57)摘要本发明提供了信用评估方法和装置。一种信用评估方法包括:获取用户的样本数据集;将样本数据集输入用于信用评估的深度神经网络,其中深度神经网络使用隐藏层的各个节点的激活函数来实现对多个用户的样本数据集的分群处理,深度神经网络的隐藏层的每个节点对从上一层的各节点接收到的一个或多个特征向量进行线性变换以得到经线性变换的特征向量,并且将经线性变换的特征向量输入激活函数,激活函数被定义为:在激活函数的输入向量的各元素的总和大于或等于阈值时将输入向量传递到下一层的各节点,在输入向量的各元素的总和小于阈值时将输入向量的经缩放版本传递到下一层的各节点;以及利用深度神经网络的输出来获取用户的信用分。CN111260196ACN111260196A权利要求书1/3页1.一种信用评估方法,包括:获取用户的样本数据集;将所述样本数据集输入用于信用评估的深度神经网络,其中所述深度神经网络使用隐藏层的各个节点的激活函数来实现对多个用户的样本数据集的分群处理,其中所述深度神经网络的隐藏层的每个节点对从上一层的各节点接收到的一个或多个特征向量进行线性变换以得到经线性变换的特征向量,并且将所述经线性变换的特征向量输入激活函数,其中所述激活函数被定义为:在激活函数的输入向量的各元素的总和大于或等于阈值时将所述输入向量传递到下一层的各节点,在所述输入向量的各元素的总和小于所述阈值时将所述输入向量的经缩放版本传递到下一层的各节点;以及利用所述深度神经网络的输出来获取所述用户的信用分。2.如权利要求1所述的方法,其特征在于,所述深度神经网络的输出层接收最后一级隐藏层的一个或多个输出特征向量,并且对所述一个或多个输出特征向量进行线性变换,将经线性变换的输出特征向量的各个元素求和以获得所述用户的信用分。3.如权利要求2所述的方法,其特征在于,所述用户的样本数据集包括所述用户的多个特征变量,并且所述方法进一步包括:输出关于所述多个特征变量中的每个特征变量的信用分。4.如权利要求3所述的方法,其特征在于,所述经线性变换的输出特征向量的各个元素分别对应于各个特征变量的信用分。5.如权利要求1所述的方法,其特征在于,每个节点对从上一层的各节点接收到的一个或多个特征向量进行线性变换包括:对所述一个或多个特征向量进行加权求和,其中每个特征向量的相关权重对应于该节点与传递该特征向量的上一级节点之间的连接权重。6.如权利要求5所述的方法,其特征在于,所述阈值和所述权重是通过对所述深度神经网络的训练得到的。7.如权利要求1所述的方法,其特征在于,所述激活函数包括Relu函数、leakyRelu函数,和/或ParametricReLU函数。8.如权利要求1所述的方法,其特征在于,所述方法进一步包括:对所述用户的样本数据集中的每个变量进行分箱处理;以及将经过分箱处理的变量输入所述深度神经网络。9.如权利要求8所述的方法,其特征在于,所述分箱处理包括等频分箱、等宽分箱、以及聚类分箱。10.如权利要求1所述的方法,其特征在于,如果所述深度神经网络的隐藏层的节点个数为n,则所述深度神经网络将所述多个用户分为2n个群。11.一种信用评估装置,包括:用于获取用户的样本数据集的模块;用于将所述样本数据集输入用于信用评估的深度神经网络的模块,2CN111260196A权利要求书2/3页其中所述深度神经网络使用隐藏层的各个节点的激活函数来实现对多个用户的样本数据集的分群处理,其中所述深度神经网络的隐藏层的每个节点对从上一层的各节点接收到的一个或多个特征向量进行线性变换以得到经线性变换的特征向量,并且将所述经线性变换的特征向量输入激活函数,其中所述激活函数被定义为:在激活函数的输入向量的各元素的总和大于或等于阈值时将所述输入向量传递到下一层的各节点,在所述输入向量的各元素的总和小于所述阈值时将所述输入向量的经缩放版本传递到下一层的各节点;以及用于利用所述深度神经网络的输出来获取所述用户的信用分的模块。12.如权利要求11所述的装置,其特征在于,所述深度神经网络的输出层接收最后一级隐藏层的一个或多个输出特征向量,并且对所述一个或多个输出特征向量进