(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 202210280741.4 (22)申请日 2022.03.21 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 蔡素贤　夏成扬　罗燕龙　俞泱　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 李彩玲 (51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01) G06Q 40/02(2012.01) (54)发明名称 自动化授信方法、 装置、 设备、 介质和程序产 品 (57)摘要 本发明涉及人工智能技术， 公开了一种自动 化授信方法、 装置、 设备、 介质和程序产品。 自动 化授信方法包括： 获取财务数据， 所述财务数据 包括多个样 本的财务报表数据和审 批文本数据； 将所述财务报表数据和所述审批文本数据输入 第一分类模 型， 得到对授信审 批有贡献的特征数 据； 根据所述对授信审批有贡献的特征数据， 将 所述样本中对应的特征数据输入第二分类模型， 得到预测审批决策。 与现有技术相比， 本发明实 施例丰富了财务指标的评估信息量、 提升了授信 审批的客观性。 权利要求书2页 说明书12页 附图5页 CN 114662903 A 2022.06.24 CN 114662903 A 1.一种自动化授信方法， 其特 征在于， 包括： 获取财务数据， 所述财务数据包括多个样本的财务报表数据和审批文本数据； 将所述财务报表数据和所述审批文本数据输入第 一分类模型， 得到对授信审批有贡献 的特征数据； 根据所述对授信审批有贡献的特征数据， 将所述样本 中对应的特征数据输入第 二分类 模型， 得到预测审批决策。 2.根据权利要求1所述的方法， 其特征在于， 所述对授信审批有贡献的特征数据的获取 方法具体包括： 对所述财务报表数据中的财务信息进行分类， 构造多种财务特 征； 对所述审批文本数据进行分析并提取评价信 息， 构造多个第 一黑标签和多个第 一白标 签； 所述第一 黑标签或所述第一白标签与一个所述财务特 征对应； 所述第一分类模型根据 所述财务特征、 所述第 一黑标签和所述第 一白标签计算所述财 务特征的重要性 排名， 得到所述对授信审批有贡献的特 征数据。 3.根据权利要求2所述的方法， 其特征在于， 所述财务特征包括： 反应财务欺诈的特征、 反应企业财务数据质量评分的特征、 反应偿债的特征、 反应盈利的特征、 反应营运的特征、 反应成长的特征、 反应现金流量能力的特征和计量利润操控水平的盈余管理指标特征中的 至少一种。 4.根据权利要求2所述的方法， 其特 征在于， 所述财务特 征的构造方法具体包括： 对所述财务报表数据建立评分规则， 滤除评分低于阈值的数据， 并对剩余的数据进行 完善； 基于金融审批业务的角度， 对所述财务报表数据中的初始财务特征进行重新认定、 筛 选、 解释和分析， 并衍 生反应企业状况的中间财务特 征； 对所述初始财务特征和所述中间财务特征按照财务功能进行归并， 得到所述财务特 征。 5.根据权利要求 4所述的方法， 其特 征在于， 在建立所述评分规则之前， 还 包括： 验证所述财务报表数据的真实性、 完整性和勾稽关系； 根据验证结果 甄别所述财务报表数据的财务信息质量。 6.根据权利要求4所述的方法， 其特征在于， 完善数据的方式包括： 数据清洗、 缺失值填 补、 异常值处 理、 特征分箱、 特 征重要性检验和特 征相关性处 理中的至少一种。 7.根据权利要求1 ‑6任一项所述的方法， 其特征在于， 所述第一分类模型包括Xgboost 分类模型。 8.根据权利要求1 ‑6任一项所述的方法， 其特征在于， 所述第二分类模型包括机器学习 分类模型。 9.根据权利要求8所述的方法， 其特征在于， 所述机器学习分类模型的获取方法具体包 括： 提取所述多个样本的对授信审批有贡献的特 征数据； 若所述样本的审批结论为续议或否决， 则将所述样本打标为第二黑标签， 对应的样本 为黑样本； 若 所述样本的审 批结论为通过， 则将所述样本 打标为第二白标签， 对应的样 本为 白样本；权　利　要　求　书 1/2 页 2 CN 114662903 A 2按照所述黑样本的数量和所述白样本的数量为第 一预设比例的规则， 构建训练集和测 试集； 根据所述训练集和所述测试集训练所述机器学习分类模型。 10.根据权利要求9所述的方法， 其特征在于， 所述训练集和所述测试集的构建方法具 体包括： 根据所述第一预设比例， 判断所述黑样本的数量和所述白样本的数量是否平衡； 若是， 则从所述样本中抽取对应数量的黑样本和白样本； 否则， 所述黑样本为全量选择， 根据所述第一预设比例抽取相应数量的所述白样本； 以 相同的规则构建多个数据集； 将所述数据集按第二预设比例分为训练集和 测试集。 11.根据权利要求9所述的方法， 其特征在于， 所述根据所述训练集和所述测试集训练 所述机器学习分类模型， 包括： 将所述训练集输入 模型池， 得到模型池输出 结果； 将所述模型池输出 结果输入神经网络， 得到待评价机器学习分类模型； 将所述测试集输入所述待评价机器学习分类模型， 以进行模型评价和后续调优。 12.根据权利要求1所述的方法， 其特征在于， 在得到对授信审批有贡献的特征数据之 后， 还包括： 生成财务体检表并输出， 所述财务体检表包括所述对授信审批有贡献的特征数据类型 和数值范围。 13.一种授信审批装置， 其特 征在于， 包括： 数据获取模块， 用于获取财务数据， 所述财务数据包括多个样本的财务报表数据和审 批文本数据； 第一评价模块， 用于将所述财务报表数据和所述审批文本数据输入第一分类模型， 得 到对授信审批有贡献的特 征数据； 第二评价模块， 用于根据所述对授信审批有贡献的特征数据， 将所述样本中对应的特 征数据输入第二分类模型， 得到预测审批决策。 14.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行权利要求 1‑12中任一项 所述的 自动化授信方法。 15.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指 令用于使处理器执行时实现权利要求 1‑12中任一项 所述的自动化授信方 法。 16.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序在被处 理器执行时实现根据权利要求1 ‑12中任一项所述的自动化授信方法。权　利　要　求　书 2/2 页 3 CN 114662903 A 3