基于自然语言处理与深度学习的信用贷款评估模型_赵雪峰1
需积分: 0 57 浏览量
2022-08-03
20:05:58
上传
评论
收藏 1.79MB PDF 举报
第
２９
卷 第
４
期
２０２０
年
７
月
系 统 管 理 学 报
Ｊｏｕｒｎａｌ
ｏｆ
Ｓ
ｙ
ｓｔｅｍｓ
＆ Ｍａｎａ
ｇ
ｅｍｅｎｔ
Ｖｏｌ．２９Ｎｏ．４
Ｊｕｌ．２０２０
文章编号
：
１００５－２５４２
（
２０２０
）
０４
－
０６２９
－
１０
基于自然语言处理与深度学习的信用贷款评估模型
赵雪峰
１
，
吴伟伟
１
，
时辉凝
２
（
１．
哈尔滨工业大学 管理学院
，
哈尔滨
１５０００１
；
２．
广东外语外贸大学 会计学院
，
广州
５１０００６
）
【
摘要
】
针对信用贷款评估模型存在特征预处理复杂
、
受主观因素干扰
、
准确率较低等现象
，
提出一种新模
型
。
该模型首先组建连续性信贷特征文本数据
，
然后使用
Ｗｏｒｄ２Ｖｅｃ
算法进行词向量化后通过词嵌入层衔接卷
积神经网络
（
ＣＮＮ
）
进行评估
，
通过
Ｋｅｒａｓ
框架并依据
２００８
～
２０１８
年的银行个人信贷数据进行实证分析
。
结果
表明
：
新模型的总体评估准确率高达
９１．７％
，
无需对缺失特征进行处理并可直接评估
，
且评估准确率更优异
，
达
到
８５．８％
。
新模型将离散型的信贷特征转变为连续性文本
，
降低特征预处理复杂度
，
结合
Ｗｏｒｄ２Ｖｅｃ
与自然语
言处理实现直接评估缺失信贷特征的目的
，
并基于
ＣＮＮ
优异的特征分析能力最终提高信贷评估模型鲁棒性
，
进一步改善信用贷款评估模型中存在的部分问题
，
同时避免评估中主观因素的干扰
。
关键词
：
自然语言处理
；
卷积神经网络
；
深度学习
；
信用贷款
中图分类号
：
Ｃ
９３２．１
文献标志码
：
Ａ
ＤＯＩ
：
１０．３９６９
／
ｊ
．ｉｓｓｎ．１００５－２５４２．２０２０．０４．００２
收稿日期
：
２０１９
－
０５
－
１３
修订日期
：
２０１９
－
０８
－
０２
基金项目
：
国家自然科学基金资助项目
（
７１４７２０５５
）；
国家社会科学基金重点项目
（
１６ＡＺＤ０００６
）；
中央高校基本科研业务费专项资金资助项
目
（
ＨＩＴ ．Ｎ Ｓ ＲＩＦ ． ２０１９０３３
）
作者简介
：
赵雪峰
（
１９９３
－
），
男
，
硕士生
。
研究方向为技术预测与创新管理
。
通信作者
：
吴伟伟
（
１９７８
－
），
男
，
教授
。
Ｅ
－
ｍａｉｌ
：
４６２５４０８６
＠
ｑｑ
．ｃｏｍ
Ｃｒｅｄｉｔ
Ｌｏａｎ
Ｅｖａｌｕａｔｉｏｎ
Ｍｏｄｅｌ
Ｂａｓｅｄ
ｏｎ
Ｎａｔｕｒａｌ
Ｌａｎ
ｇ
ｕａ
ｇ
ｅ
Ｐｒｏｃｅｓｓｉｎ
ｇ
ａｎｄ
Ｄｅｅ
ｐ
Ｌｅａｒｎｉｎ
ｇ
ＺＨＡＯ
Ｘｕｅ
ｆ
ｅｎ
ｇ
１
，
ＷＵ
Ｗｅｉｗｅｉ
１
，
ＳＨＩ
Ｈｕｉｎｉｎ
ｇ
２
（
１．Ｓｃｈｏｏｌ
ｏｆ
Ｍａｎａ
ｇ
ｅｍｅｎｔ
，
Ｈａｒｂｉｎ
Ｉｎｓｔｉｔｕｔｅ
ｏｆ
Ｔｅｃｈｎｏｌｏ
ｇｙ
，
Ｈａｒｂｉｎ
１５０００１
，
Ｃｈｉｎａ
；
２．Ｓｃｈｏｏｌ
ｏｆ
Ａｃｃｏｕｎｔｉｎ
ｇ
，
Ｇｕａｎ
ｇ
ｄｏｎ
ｇ
Ｕｎｉｖｅｒｓｉｔ
ｙ
ｏｆ
Ｆｏｒｅｉ
ｇ
ｎ
Ｓｔｕｄｉｅｓ
，
Ｇｕａｎ
ｇ
ｚｈｏｕ
５１０００６
，
Ｃｈｉｎａ
）
【
Ａｂｓｔｒａｃｔ
】
Ｉｎ
ｖｉｅｗ
ｏｆ
ｔｈｅ
ｆａｃｔ
ｔｈａｔ
ｃｕｒｒｅｎｔ
ｃｒｅｄｉｔ
ｅｖａｌｕａｔｉｏｎ
ｍｏｄｅｌ
ｈａｓ
ｔｈｅ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
ｏｆ
ｃｏｍ
ｐ
ｌｅｘ
ｐ
ｒｅ
ｐ
ｒｏｃｅｓｓｉｎ
ｇ
，
ｓｕｂ
ｊ
ｅｃｔｉｖｅ
ｆａｃｔｏｒｓ
ｉｎｔｅｒｆｅｒｅｎｃｅ
，
ａｎｄ
ｌｏｗ
ａｃｃｕｒａｃ
ｙ
，
ａ
ｎｏｖｅｌ
ｍｏｄｅｌ
ｉｓ
ｐ
ｒｏ
ｐ
ｏｓｅｄ
，
ｗｈｉｃｈ
ｆｉｒｓｔ
ｃｏｎｓｔｒｕｃｔｓ
ｔｅｘｔ
ｄａｔａ
ｏｆ
ｃｏｎｔｉｎｕｏｕｓ
ｃｒｅｄｉｔ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
，
ａｎｄ
ｕｓｅｓ
ｔｈｅ
Ｗｏｒｄ２Ｖｅｃ
ａｌ
ｇ
ｏｒｉｔｈｍ
ｆｏｒ
ｗｏｒｄ
ｖｅｃｔｏｒｉｚａｔｉｏｎ
，
ａｎｄ
ｔｈｅｎ
ｅｖａｌｕａｔｅｓ
ｂ
ｙ
ｃｏｎｎｅｃｔｉｎ
ｇ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
（
ＣＮＮ
）
ｗｉｔｈ
ｗｏｒｄ
ｅｍｂｅｄｄｉｎ
ｇ
ｌａ
ｙ
ｅｒ．Ｂｅｓｉｄｅｓ
，
ａｎ
ｅｍ
ｐ
ｉｒｉｃａｌ
ａｎａｌ
ｙ
ｓｉｓ
ｉｓ
ｃｏｎｄｕｃｔｅｄ
ｔｈｒｏｕ
ｇ
ｈ
ｔｈｅ
Ｋｅｒａｓ
ｆｒａｍｅｗｏｒｋ
ａｎｄ
ｂａｓｅｄ
ｏｎ
ｔｈｅ
ｐ
ｅｒｓｏｎａｌ
ｃｒｅｄｉｔ
ｄａｔａ
ｏｆ
ｔｈｅ
ｂａｎｋ
ｆｒｏｍ
２００８ｔｏ
２０１８．Ｔｈｅ
ｒｅｓｕｌｔｓ
ｓｈｏｗ
ｔｈａｔ
ｔｈｅ
ｏｖｅｒａｌｌ
ｅｖａｌｕａｔｉｏｎ
ａｃｃｕｒａｃ
ｙ
ｏｆ
ｔｈｅ
ｎｏｖｅｌ
ｍｏｄｅｌ
ｉｓ
ａｓ
ｈｉ
ｇ
ｈ
ａｓ
９１．７％．Ｍｉｓｓｉｎ
ｇ
ｆｅａｔｕｒｅｓ
ｃａｎ
ｂｅ
ｅｖａｌｕａｔｅｄ
ｄｉｒｅｃｔｌ
ｙ
，
ｉ．ｅ．
，
ｍｉｓｓｉｎ
ｇ
ｆｅａｔｕｒｅｓ
ｎｅｅｄ
ｎｏｔ
ｐ
ｒｏｃｅｓｓｅｄ
，
ｗｉｔｈ
ａｎ
ａｃｃｕｒａｃ
ｙ
ｒａｔｅ
ｏｆ
８５．８％．Ｔｈｅ
ｎｏｖｅｌ
ｍｏｄｅｌ
ｔｒａｎｓｆｏｒｍｓ
ｄｉｓｃｒｅｔｅ
ｃｒｅｄｉｔ
ｆｅａｔｕｒｅｓ
ｉｎｔｏ
ｃｏｎｔｉｎｕｏｕｓ
ｔｅｘｔ
，
ｗｈｉｃｈ
ｒｅｄｕｃｅｓ
ｔｈｅ
ｃｏｍ
ｐ
ｌｅｘｉｔ
ｙ
ｏｆ
ｆｅａｔｕｒｅ
ｐ
ｒｅ
ｐ
ｒｏｃｅｓｓｉｎ
ｇ
．Ｔｈｅ
ｃｏｍｂｉｎａｔｉｏｎ
ｏｆ
Ｗｏｒｄ２Ｖｅｃ
ａｎｄ
ｎａｔｕｒａｌ
ｌａｎ
ｇ
ｕａ
ｇ
ｅ
ｐ
ｒｏｃｅｓｓｉｎ
ｇ
ａｃｈｉｅｖｅｓ
ｄｉｒｅｃｔ
ａｓｓｅｓｓｍｅｎｔ
ｏｆ
ｍｉｓｓｉｎ
ｇ
ｃｒｅｄｉｔ
ｆｅａｔｕｒｅｓ．Ｔｈｅ
ｅｘｃｅｌｌｅｎｔ
ｆｅａｔｕｒｅ
ａｎａｌ
ｙ
ｓｉｓ
ｃａ
ｐ
ａｂｉｌｉｔｉｅｓ
ｂａｓｅｄ
ｏｎ
ＣＮＮ
ｉｍ
ｐ
ｒｏｖｅｓ
ｔｈｅ
ｒｏｂｕｓｔｎｅｓｓ
ｏｆ
ｔｈｅ
ｃｒｅｄｉｔ
ｅｖａｌｕａｔｉｏｎ
ｍｏｄｅｌ
，
ｉｍ
ｐ
ｒｏｖｅｓ
ｓｏｍｅ
ｏｆ
ｔｈｅ
ｐ
ｒｏｂｌｅｍｓ
，
ａｎｄ
ａｖｏｉｄｓ
ｓｕｂ
ｊ
ｅｃｔｉｖｅ
ｆａｃｔｏｒｓ
ｉｎ
ｔｈｅ
ｃｕｒｒｅｎｔ
ｃｒｅｄｉｔ
ｅｖａｌｕａｔｉｏｎ
ｍｏｄｅｌ．
Ｋｅ
ｙ
ｗｏｒｄｓ
：
ｎａｔｕｒａｌ
ｌａｎ
ｇ
ｕａ
ｇ
ｅ
ｐ
ｒｏｃｅｓｓｉｎ
ｇ
；
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
（
ＣＮＮ
）；
ｄｅｅ
ｐ
ｌｅａｒｎｉｎ
ｇ
；
ｃｒｅｄｉｔ
ｌｏａｎ
评论0