(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210773586.X (22)申请日 2022.07.01 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 李阳　潘磊　王涛　 (74)专利代理 机构 北京汲智翼成知识产权代理 事务所(普通 合伙) 11381 专利代理师 陈曦　贾兴昌 (51)Int.Cl. G06Q 30/00(2012.01) G06Q 30/02(2012.01) G06Q 30/06(2012.01) G06Q 40/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 20/00(2019.01) (54)发明名称 一种跨平台信用指标关联模型的生成方法 及其系统 (57)摘要 本发明公开了一种跨平台信用指标关联模 型的生成方法及其系统。 该生 成方法包括如下步 骤： 获取各平台的关于特定信用主体的信用指标 数据； 对信用指标数据进行异构化处理； 将信用 指标数据输入到双向LS TM模型， 得到各平台的信 用指标关联向量； 将各平台的信用指标关联向量 输入到注 意力模型， 得到特定信用主体的跨平台 信用指标关联模 型。 本发明所提供的生成方法及 其系统利用联邦学习和深度学习技术， 提取跨平 台的异构信用指标， 构建多层次、 多粒度的跨平 台服务信用指标关联模型， 通过基于联邦学习的 跨平台信用指标关联分类操作， 形成一套统一的 信用指标评价体系， 解决了同一信用主体在不同 平台的信用 指标关联性不高， 不一致、 存在歧义 等问题。 权利要求书1页 说明书6页 附图5页 CN 115358753 A 2022.11.18 CN 115358753 A 1.一种跨平台信用指标关联模型的生成方法， 其特 征在于包括如下步骤： 获取各平台的关于特定信用主体的信用指标 数据； 对所述信用指标 数据进行异构化处 理； 将所述信用指标 数据输入到双向LSTM模型， 得到各平台的信用指标关联向量； 将各所述平台的信用指标关联向量输入到注意力模型， 得到特定信用主体的跨平台信 用指标关联模型。 2.如权利要求1所述的跨平台信用指标关联模型的生成方法， 其特征在于所述将所述 信用指标 数据输入到双向LSTM模型， 得到各平台的信用指标关联向量， 包括如下子步骤： 各平台将所述信用指标数据输入到双向LSTM模型， 得到组合后特定信用主体的信用指 标向量， 将所述组合后特定信用主体的信用指标向量进行拼接， 生成包含各平台私有的特 定指标的信用指标关联向量。 3.如权利要求1所述的跨平台信用指标关联模型的生成方法， 其特 征在于： 所述双向LSTM模型包括前向LSTM单元和反向LSTM单元； 所述前向LSTM单元和所述反向 LSTM单元用于对所述信用指标数据进 行学习， 生 成语义完整的各所述平台的信用指标关联 向量。 4.如权利要求3所述的跨平台信用指标关联模型的生成方法， 其特 征在于： 所述注意力模型由层次注意力神经网络实现。 5.如权利要求 4所述的跨平台信用指标关联模型的生成方法， 其特 征在于： 所述层次注意力神经网络还 包括线性链条件随机场和交叉熵损失函数； 其中， 所述交叉熵损失函数为所述层次注意力神经网络的第一层注意力机制； 所述线性链条件随机场为所述层次注意力神经网络的第二层注意力机制。 6.如权利要求1～5 中任意一项所述的跨平台信用指标关联模型的生成方法， 其特征在 于还包括如下步骤： 将所述信用指标数据输入到预先生成的跨平台信用指标关联模型， 获得关于特定信用 主体的信用指标关联分类结果。 7.一种基于跨平台信用指标关联模型的生成系统， 其特征在于包括服务端、 客户端和 各平台设备； 其中， 所述客户端包括数据获取单元、 数据传输单元； 所述数据获取单元用于获取各平台中 关于特定信用主体的信用指标数据； 所述数据传输单元用于将所述特定信用主体的信用指 标数据输入到服 务端； 各所述平台设备用于提供关于特定信用主体的信用指标 数据； 所述服务端包括处理器和存储器， 所述处理器读取所述存储器中的计算机程序， 用于 执行权利要求1～5中任意 一项所述的跨平台信用指标关联模型的生成方法。权　利　要　求　书 1/1 页 2 CN 115358753 A 2一种跨平台信用指标关联模型的生成方 法及其系统 技术领域 [0001]本发明涉及 一种跨平台信用指标关联模型的生成方法， 同时也涉及相应的生成系 统， 属于信用风险管理技 术领域。 背景技术 [0002]目前， 为推动信息共享， 构建无障碍信用服务市场， 征信机构、 信用评级机构等建 立了信用服务平台， 实现了信用的互联互通， 为企业、 个人等信用指标的评级提供了便利。 但是， 由于信用信息采集和使用的特殊性， 不同行业、 不同平台下的数据基于数据隐私保护 等一系列原因， 通常采取特许经营方式， 依法采集和加工个人、 企业信用信息， 无法进行数 据共享。 因此， 有必要采取多种技术措施， 促进多源数据的融合， 通过互联网数据优势扩大 信用数据的范围， 构建出科学合理的信用指标关联矩阵， 使之既有通用的信用指标， 也有专 业特色的信用指标， 能够实时掌握 个人、 企业的征信情况， 有助于进一 步约束失信行为。 [0003]在申请号为202111290106.6的中国专利申请 中， 公开了一种信用评估方法， 包括 如下步骤： 获取信用评估请求， 所述信用评估请求包括： 用户标识和角色类型； 如果所述信 用评估平台中不存在与所述用户标识对应的初始信用信息， 则确定与所述角色类型对应的 信用评估模型， 所述信用评估模型， 是预先采用联邦机器学习方法训练得到的； 将所述用户 标识输入至所述信用评估模型之中， 以得到所述信用评估模型输出 的目标信用信息。 该方 法能够在有效地保证用户数据隐私安全的前提下， 有效结合多方数据对用户的信用进 行评 估。 但是， 该方法并未详细给出如何针对同一信用主体的多 元评价指标生成多层次、 多粒度 的跨平台信用指标关联模型的方法， 进 而形成一套统一的信用指标评价体系。 [0004]但是， 现有的信用指标关联关系局限于服务平台内部， 而且不 同的服务平台内容 标识规则不同， 作用单一， 导致同一信用主体在不同平台上的信用指标存在关联性不高、 不 一致性、 歧义性等现象， 使得多平台信用指标的融合成为了难题。 发明内容 [0005]本发明所要解决的首要技术问题在于提供一种跨平台信用指标关联模型的生成 方法。 [0006]本发明所要解决的另一技术问题在于提供一种跨平台信用指标关联模型的生成 系统。 [0007]为了实现上述目的， 本发明采用以下的技 术方案： [0008]根据本发明实施例的第一方面， 提供一种跨平台信用指标关联模型的生成方法， 包括如下步骤： [0009]获取各平台的关于特定信用主体的信用指标 数据； [0010]对所述信用指标 数据进行异构化处 理； [0011]将所述信用指标 数据输入到双向LSTM模型， 得到各平台的信用指标关联向量； [0012]将各所述平台 的信用指标关联向量输入到注意力模型， 得到特定信用主体的跨平说　明　书 1/6 页 3 CN 115358753 A 3