公开(公告)号：CN113240509B

公开(公告)日：2022-04-22

申请号：CN202110541127.4

申请日：2021-05-18

Applicant: 重庆邮电大学

Inventor： 韦庆杰 ,  李黎 ,  刘歆 ,  钱鹰 ,  赵晨阳 ,  伍曾伟

IPC: G06Q40/02 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明涉及一种基于多源数据联邦学习的贷款风险评估方法，属于大数据和贷款风险评估领域。该方法包括：S1：使用多方数据源参与到贷款风险评估任务中，分别对多方数据源数据进行预处理以及数据样本加密对齐；S2：分析和提取多方数据源关于贷款风险评估相关特征，建立贷款用户风险画像并构建贷款风险评估体系；S3：构建并使用Lightgbm树模型对多方数据源进行联合训练，同时与中心服务器交换参数，更新训练过程；S4：综合多方数据源的训练结果构建的Lightgbm树模型，预测用户的违约情况作为用户贷款风险的判别结果。本发明提升贷款风险评估的准确性，降低贷款坏账率。

公开(公告)号：CN116227905A

公开(公告)日：2023-06-06

申请号：CN202310183123.2

申请日：2023-03-01

Applicant: 重庆邮电大学

Inventor： 韦庆杰 ,  伍曾伟 ,  刘歆 ,  赵世望

IPC: G06Q10/0633

Abstract: 本发明涉及一种针对非自由选择结构的流程模型结构性评估方法，属于信息系统流程挖掘领域，S1：选择含有非自由选择结构的信息系统，提取系统中的事件日志数据并过滤、处理，使事件日志符合流程发现的标准，并使用流程发现算法对事件日志进行挖掘；S2：输入含有非自由选择结构的原始模型和挖掘模型，使用深度优先搜索算法遍历模型中的任务，得到原始模型和挖掘模型对应的任务对集合，并将任务对集合初始化为对应的足迹矩阵；S3：使用广度优先搜索遍历原始模型和挖掘模型，得到两个模型对应的紧邻关系集合和平行关系集合，并映射到足迹矩阵中，统计足迹矩阵中“紧邻关系”和“平行关系”的数量，代入结构性评估公式得到结构性评估值。

公开(公告)号：CN114357025A

公开(公告)日：2022-04-15

申请号：CN202111635472.0

申请日：2021-12-29

Applicant: 重庆邮电大学

Inventor： 韦庆杰 ,  张渝珩 ,  钱鹰 ,  伍曾伟 ,  刘歆

IPC: G06F16/2458 ,  G06Q10/06

Abstract: 本发明请求保护一种基于任务类型的流程挖掘一致性检查方法、系统及介质，属于数据挖掘领域，对流程挖掘模型结构性进行评估的方法。本发明是一种将挖掘模型与原始模型进行对比，并结合任务类型的一致性检查方法。首先遍历原始模型和挖掘模型，得到各个模型中的全部任务数、可见任务数、重复任务数、不可见任务数，再计算模型中重复任务和不可见任务所占比例，最后带入结构性评估公式中计算。该发明能够有效的对挖掘模型进行一致性检查，从而合理的评估模型的结构性，以达到评估挖掘算法有效性的目的。

公开(公告)号：CN115391506A

公开(公告)日：2022-11-25

申请号：CN202210993205.9

申请日：2022-08-18

Applicant: 重庆邮电大学

Inventor： 钱鹰 ,  温道洲 ,  姜美兰 ,  刘歆 ,  王毅峰 ,  伍曾伟 ,  陈雪 ,  熊炜

IPC: G06F16/332 ,  G06F40/194 ,  G06F40/35

Abstract: 本发明涉及一种针对多段式回复的问答内容标准性检测方法及装置，属于计算机领域。该方法为：1)构建标准问答对语料库，建立标准提问和标准回答的映射关系；2)对语音进行预处理，利用音色识别和语音识别技术，获得问者和答者的待检测提问文本和待检测回答文本；3)计算待检测提问文本和标准问答对语料库中每个标准提问文本的语义相似度，返回待检测提问文本对应的标准回答文本；4)对待检测回答文本和标准回答文本进行局部语义特征提取，利用多头自注意力机制对文本进行全局语义特征提取，再对融合后的语义特征计算语义相似度。本发明提供了一种服务过程中用户提问所得到的回答内容的标准性检测判断方法，以便提升用户服务的体验感和满意度。

公开(公告)号：CN113240509A

公开(公告)日：2021-08-10

申请号：CN202110541127.4

申请日：2021-05-18

Applicant: 重庆邮电大学

Inventor： 韦庆杰 ,  李黎 ,  刘歆 ,  钱鹰 ,  赵晨阳 ,  伍曾伟

IPC: G06Q40/02 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明涉及一种基于多源数据联邦学习的贷款风险评估方法，属于大数据和贷款风险评估领域。该方法包括：S1：使用多方数据源参与到贷款风险评估任务中，分别对多方数据源数据进行预处理以及数据样本加密对齐；S2：分析和提取多方数据源关于贷款风险评估相关特征，建立贷款用户风险画像并构建贷款风险评估体系；S3：构建并使用Lightgbm树模型对多方数据源进行联合训练，同时与中心服务器交换参数，更新训练过程；S4：综合多方数据源的训练结果构建的Lightgbm树模型，预测用户的违约情况作为用户贷款风险的判别结果。本发明提升贷款风险评估的准确性，降低贷款坏账率。