-
公开(公告)号：CN109993652B
公开(公告)日：2024-02-06
申请号：CN201910126812.3
申请日：2019-02-20
Applicant: 复旦大学
IPC: G06Q40/03
Abstract: 本发明公开了一种借贷信用风险评估方法及装置，该方法包括：获取借款人对应的统计特征信息和历史还款信息；根据所述统计特征信息和所述历史还款信息，确定所述借款人所属的风险类别；根据所述历史还款信息和所述风险类别，通过预先训练的逾期‑坏账风险模型评估所述借款人的逾期概率及坏账概率。本发明依据借款人的特征对借款人的信用风险进行了分类，并通过逾期‑坏账风险模型同时考察借款人的逾期风险和坏账风险，能够识别借款人的还款能力，并依据借款人每个单笔还款的情况，对下一期的逾期和坏账风险进行预测，整个风险评估过程能够涵盖借款人多期还款的整个生命周期。
-
公开(公告)号：CN111695342A
公开(公告)日：2020-09-22
申请号：CN202010536286.0
申请日：2020-06-12
Applicant: 复旦大学
IPC: G06F40/232 , G06F40/226 , G06F40/284 , G06N3/04 , G06N3/08 , G06K9/62 , G06F17/18
Abstract: 本发明提供一种基于语境信息的文本内容校正方法，用于对经过OCR转换形成的文本内容进行内容校正，其特征在于，包括：步骤S1，获取文本内容作为待核验文本；步骤S2，依次将待核验文本中的各个位置词作为当前待核验词；步骤S3，使用多个预先根据不同语境训练得到的语境模型同时预测当前待核验词得到多个预测结果；步骤S4，通过主投票策略将预测结果融合形成语境词语；步骤S5，计算语境词语在所有预测结果中的出现频率，并在出现频率高于预设的校验阈值时将语境词语替换待核验文本中的当前待核验词；步骤S6，重复步骤S2至步骤S5直到待核验文本中的所有位置词都被核验完成。
-
Patent Agency Ranking
公开(公告)号：CN109993652A
公开(公告)日：2019-07-09
申请号：CN201910126812.3
申请日：2019-02-20
Applicant: 复旦大学
IPC: G06Q40/02
Abstract: 本发明公开了一种借贷信用风险评估方法及装置，该方法包括：获取借款人对应的统计特征信息和历史还款信息；根据所述统计特征信息和所述历史还款信息，确定所述借款人所属的风险类别；根据所述历史还款信息和所述风险类别，通过预先训练的逾期‑坏账风险模型评估所述借款人的逾期概率及坏账概率。本发明依据借款人的特征对借款人的信用风险进行了分类，并通过逾期‑坏账风险模型同时考察借款人的逾期风险和坏账风险，能够识别借款人的还款能力，并依据借款人每个单笔还款的情况，对下一期的逾期和坏账风险进行预测，整个风险评估过程能够涵盖借款人多期还款的整个生命周期。
-
公开(公告)号：CN111695342B
公开(公告)日：2023-04-25
申请号：CN202010536286.0
申请日：2020-06-12
Applicant: 复旦大学
IPC: G06F40/232 , G06F40/226 , G06F40/284 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F18/25 , G06F17/18
Abstract: 本发明提供一种基于语境信息的文本内容校正方法，用于对经过OCR转换形成的文本内容进行内容校正，其特征在于，包括：步骤S1，获取文本内容作为待核验文本；步骤S2，依次将待核验文本中的各个位置词作为当前待核验词；步骤S3，使用多个预先根据不同语境训练得到的语境模型同时预测当前待核验词得到多个预测结果；步骤S4，通过主投票策略将预测结果融合形成语境词语；步骤S5，计算语境词语在所有预测结果中的出现频率，并在出现频率高于预设的校验阈值时将语境词语替换待核验文本中的当前待核验词；步骤S6，重复步骤S2至步骤S5直到待核验文本中的所有位置词都被核验完成。
-
公开(公告)号：CN111694830A
公开(公告)日：2020-09-22
申请号：CN202010537666.6
申请日：2020-06-12
Applicant: 复旦大学
IPC: G06F16/215 , G06K9/62 , G06N20/20
Abstract: 本发明提供一种基于深度集成学习的缺失数据补全方法，其特征在于，包括：步骤S1，获取原始样本并分离该原始样本中包含缺失值的缺失样本以及数据完整的完整样本，并将所有完整样本构成一个训练集；步骤S2，对训练集进行特征抽样得到多个特征子集；步骤S3，基于每个特征子集训练一个对应的深度自编码机；步骤S4，获取一个缺失样本作为当前待预测样本；步骤S5，基于待预测样本中的缺失值获取对应的深度自编码机并输入深度自编码机得到多个缺失值的预测值；步骤S6，将各个预测值进行加权融合得到最终预测值；步骤S7，基于最终预测值对当前待预测样本中的缺失值进行补全形成完整样本；步骤S8，重复步骤S4至步骤S7直到所有缺失样本都被补全。
-
公开(公告)号：CN111639184A
公开(公告)日：2020-09-08
申请号：CN202010485096.0
申请日：2020-06-01
Applicant: 复旦大学
IPC: G06F16/35 , G06F16/33 , G06F40/284 , G06F40/289 , G06Q10/06
Abstract: 本发明提供一种评分与评论内容的倾向不一致性检测系统，用于从用户对评论对象的在线评论文本以及用户评分中检测出在线评论文本与用户评分不一致的在线评论文本，其特征在于，包括：在线评论获取部，获取评论对象的在线评论文本以及用户评分作为当前评论信息；向量化处理部，对在线评论文本进行向量化处理形成对应的评论文本向量；情感倾向评分预测部，将在线评论文本输入预设的情感倾向评分预测模型从而预测出表示该在线评论文本的用户情感的情感倾向评分，该情感倾向评分的值域与用户评分的值域一致；不一致评论判断输出部，依次将用户评分以及情感评分的差值大于第一阈值的在线评论文本判断为不一致评论并输出当前评论信息中所有的不一致评论。
-
公开(公告)号：CN111639172A
公开(公告)日：2020-09-08
申请号：CN202010485097.5
申请日：2020-06-01
Applicant: 复旦大学
IPC: G06F16/335 , G06F16/35 , G06F16/33 , G06F40/284
Abstract: 本发明提供一种在线评论筛选装置，用于从用户针对评论对象进行评论形成的大量在线评论文本中筛选出能够代表所有在线评论文本的整体评论内容的代表性评论，其特征在于，包括：在线评论获取部，获取评论对象的多个在线评论文本并向量化形成相应的多个文本向量；评论文本聚类部，对文本向量进行聚类从而得到由相同类型的文本向量以及在线评论文本构成的多个评论簇；文本向量合成部，在每个评论簇中依次将评论对象对应的所有文本向量合成为新的文本向量；权重训练部，对评论簇进行权重训练从而对各个评论簇进行加权形成加权评论簇；以及代表性评论抽取部，对加权评论簇进行概率抽样并将抽取得到的在线评论文本作为代表性评论文本。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
