-
公开(公告)号：CN112634022A
公开(公告)日：2021-04-09
申请号：CN202011565846.1
申请日：2020-12-25
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于不平衡数据处理的信贷风险评估方法与系统，方法包括：在接收到用户通过客户端发起的申请信贷请求时，获取用户填写的客户信息；根据客户信息，获取用户的信用数据中的特征变量；将特征变量输入训练完成的基于不平衡数据处理的信贷风险评估模型；根据信贷风险评估模型输出的预测结果，判断是否通过用户的信贷请求，并将判断结果返回至客户端。通过本发明的技术方案，解决了信贷数据集不平衡类别分类的问题，避免出现对少数类样本预测精度较差的情况，提升了信贷风险评估模型对违约客户的识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN110941613A
公开(公告)日：2020-03-31
申请号：CN201911146667.1
申请日：2019-11-19
Applicant: 北京工业大学
Abstract: 本发明提供了一种区块链共识方法、装置和电子设备，涉及区块链的技术领域，该方法首先获取区块链系统中所有节点的目标值；然后，基于目标值确定每个节点进行哈希运算的最大哈希值，其中，节点目标值越大，对应的最大哈希值越大；最后，将最快运算出小于对应的最大哈希值的节点作为新区块的创建节点。本发明方法是利用节点的目标值以及节点对应的哈希运算的难度(最大哈希值越大，运算出符合条件的哈希值的概率就越高，哈希运算难度越低)来确定具有成块资格的创建节点，既能够保证目标值越大的节点成块可能性越大，又能缓解现有技术中的区块链共识方法成块条件单一的技术问题。
-
公开(公告)号：CN112634022B
公开(公告)日：2024-09-03
申请号：CN202011565846.1
申请日：2020-12-25
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于不平衡数据处理的信贷风险评估方法与系统，方法包括：在接收到用户通过客户端发起的申请信贷请求时，获取用户填写的客户信息；根据客户信息，获取用户的信用数据中的特征变量；将特征变量输入训练完成的基于不平衡数据处理的信贷风险评估模型；根据信贷风险评估模型输出的预测结果，判断是否通过用户的信贷请求，并将判断结果返回至客户端。通过本发明的技术方案，解决了信贷数据集不平衡类别分类的问题，避免出现对少数类样本预测精度较差的情况，提升了信贷风险评估模型对违约客户的识别准确度。
-
公开(公告)号：CN110941613B
公开(公告)日：2023-07-18
申请号：CN201911146667.1
申请日：2019-11-19
Applicant: 北京工业大学
Abstract: 本发明提供了一种区块链共识方法、装置和电子设备，涉及区块链的技术领域，该方法首先获取区块链系统中所有节点的目标值；然后，基于目标值确定每个节点进行哈希运算的最大哈希值，其中，节点目标值越大，对应的最大哈希值越大；最后，将最快运算出小于对应的最大哈希值的节点作为新区块的创建节点。本发明方法是利用节点的目标值以及节点对应的哈希运算的难度(最大哈希值越大，运算出符合条件的哈希值的概率就越高，哈希运算难度越低)来确定具有成块资格的创建节点，既能够保证目标值越大的节点成块可能性越大，又能缓解现有技术中的区块链共识方法成块条件单一的技术问题。
-
公开(公告)号：CN112581254A
公开(公告)日：2021-03-30
申请号：CN202011475707.X
申请日：2020-12-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种小微企业金融风险测量的方法、装置、电子设备及存储介质，属于金融行业风险技术领域，该方法为以小微企业的工商数据、征信数据和同盾数据和小微企业在银行中的行内结算数据、黑名单数据和历史数据作为拒绝策略，筛选得到的小微企业的发票数据进行数据预处理，得到数据特征集；使用LR模型和XGBoost模型分别对数据特征集进行计算，将得到的概率映射分数的平均值与阈值比较，若大于阈值，则为好客户；否则为坏客户；使用LR softmax多分类模型将坏客户分为多种不同风险标签的坏客户。本发明采用二级分类预测，一级分类将小微企业分为好客户和坏客户；二级分类将坏客户分为不同风险类别的坏客户，从而为银行等金融行业提供更精准的预测方法。
-
公开(公告)号：CN112581254B
公开(公告)日：2024-10-18
申请号：CN202011475707.X
申请日：2020-12-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种小微企业金融风险测量的方法、装置、电子设备及存储介质，属于金融行业风险技术领域，该方法为以小微企业的工商数据、征信数据和同盾数据和小微企业在银行中的行内结算数据、黑名单数据和历史数据作为拒绝策略，筛选得到的小微企业的发票数据进行数据预处理，得到数据特征集；使用LR模型和XGBoost模型分别对数据特征集进行计算，将得到的概率映射分数的平均值与阈值比较，若大于阈值，则为好客户；否则为坏客户；使用LR softmax多分类模型将坏客户分为多种不同风险标签的坏客户。本发明采用二级分类预测，一级分类将小微企业分为好客户和坏客户；二级分类将坏客户分为不同风险类别的坏客户，从而为银行等金融行业提供更精准的预测方法。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
