(19)中华 人民共和国 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 202111641872.2 (22)申请日 2021.12.2 9 (71)申请人 南京星云数字技 术有限公司 地址 211800 江苏省南京市江北新区研创 园团结路9 9号孵鹰大厦834室 (72)发明人 余辉　彭坤　杨明明　 (74)专利代理 机构 北京市万慧达律师事务所 11111 代理人 劳奕琴 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 企业数据处理方法、 装置、 计算机设备和存 储介质 (57)摘要 本申请涉及一种企业数据处理方法、 装置、 计算机设备和存储介质。 该方法包括： 获取待评 估企业对应的企业数据， 将企业数据输入至训练 好的信用风险评估模型中， 通过信用风险评估模 型根据企业数据对待评估企业进行预测， 输出待 评估企业对应的信用评估数值， 其中， 信用风险 评估模型是通过多特征的企业样本数据进行训 练得到的， 企业样本数据包括企业碳中和数据， 根据信用评估数值确定待评估企业对应的目标 企业类别。 采用本方法能够基于企业贷款场景数 据， 使用行业和品类的碳中和数据等进行企业风 控建模， 得到信用风险评估模型， 信用风险评估 模型能够准确地预测出企业的类别， 根据企业的 类别进而进行后续的贷款 业务。 权利要求书2页 说明书16页 附图7页 CN 114372866 A 2022.04.19 CN 114372866 A 1.一种企业数据处 理方法， 所述方法包括： 获取待评估企业对应的企业数据； 将所述企业数据输入至训练好的信用风险评估模型中， 通过所述信用风险评估模型根 据所述企业数据对所述待评估企业进行预测， 输出所述待评估企业对应的信用评估数值， 其中， 所述信用风险评估模型是通过多特征 的企业样本数据进行训练得到的， 企业样本数 据包括企业 碳中和数据； 根据所述信用评估数值确定所述待评估企业对应的目标企业类别。 2.根据权利要求1所述的方法， 其特 征在于， 所述信用风险评估 模型的训练步骤， 包括： 获取各候选企业对应的企业样本数据， 所述企业样本数据包括多个不同特征下的训练 数据， 其中所述多个特征为所述候选企业基本信息特征、 所述候选企业客户电力数据特征、 所述候选企业 碳排放数据特 征； 通过对各所述候选企业对应的企业样本数据进行数据筛选， 得到各所述候选企业对应 的企业训练数据； 根据所述企业训练数据确定对应的候选企业的实际标签； 将各所述候选企业对应的所述企业训练数据输入至初始信用风险评估模型， 通过所述 初始信用风险评估模型对所述企业训练数据进 行计算， 得到各所述候选企业对应的输出标 签； 根据所述实际标签和所述输出标签计算得到训练损失值， 根据 所述训练损失值不断地 调整所述初始信用风险评估模型 的模型参数， 直至满足收敛条件， 得到训练好的信用风险 评估模型。 3.根据权利要求2所述的方法， 其特征在于， 所述通过对各所述候选企业对应的企业样 本数据进行 数据筛选， 得到各 所述候选企业对应的企业训练数据， 包括： 根据各所述候选企业对应的多个不同特征下的训练数据筛选得到各所述候选企业对 应的中间特 征集； 根据各所述候选企业对应的中间特 征集筛选得到各 所述候选企业对应的目标 特征集； 将目标特征集下的训练数据确定为对应的候选企业的企业训练数据。 4.根据权利要求3所述的方法， 其特征在于， 所述根据各所述候选企业对应的多个不同 特征下的训练数据筛 选得到各 所述候选企业对应的中间特 征集， 包括： 获取当前候选企业对应的当前特征下的当前训练数据， 根据所述当前训练数据计算得 到当前特征评估值， 所述当前特征评估值是用来体现所述当前特征对所述当前候选企业对 应的预测能力的； 根据所述当前特征评估值确定所述当前特征是否为所述当前候选企业对应的中间特 征； 从所述当前候选企业对应的多个不同特征中确定下一特征， 将所述下一特征确定为当 前特征， 返回所述获取当前候选企业对应的当前特征下 的当前训练数据的步骤， 直至得到 所述当前候选企业对应的中间特 征集。 5.根据权利要求3所述的方法， 其特征在于， 所述根据各所述候选企业对应的中间特征 集筛选得到各 所述候选企业对应的目标 特征集， 包括： 计算所述当前候选企业对应的中间特 征集中的各 特征之间的特 征相似值；权　利　要　求　书 1/2 页 2 CN 114372866 A 2根据所述特征相似值对所述中间特征集进行筛选， 得到所述当前候选企业对应的目标 特征集； 或 从所述当前候选企业对应的中间特征集中确定当前特征， 获取所述当前特征对应的当 前训练数据； 根据所述当前训练数据计算得到所述当前 特征对应的当前 特征系数； 根据所述当前特征系数计算得到所述当前特征对应的当前特征变量值， 所述当前特征 变量值是剔除所述当前 特征的共线性 严重程度的； 在所述当前特征变量值小于特征变量阈值 时， 确定所述当前特征为所述当前候选企业 对应的目标 特征； 从所述当前候选企业对应的多个不同特征中确定下一特征， 将所述下一特征确定为当 前特征， 返回所述获取所述当前特征对应的当前训练数据的步骤， 直至得到各所述候选企 业对应的目标 特征集。 6.根据权利要求2所述的方法， 其特征在于， 所述根据所述实际标签和所述输出标签计 算得到训练损失值， 包括： 获取预设第一模型参数和预设第二模型参数； 根据所述预设第一模型参数、 所述第二模型参数和所述输出标签计算得到第一损失 值； 根据所述第二模型参数、 所述实际标签和所述输出 标签计算得到第二损失值； 根据所述第一损失值和所述第二损失值计算得到训练损失值。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述信用评估数值确定所述待评 估企业对应的目标企业类别， 包括： 在所述信用评估数值超过预设信用评估阈值 时， 确定所述待评估企业对应的目标企业 类别为第一类企业， 允许 所述待评估企业进行信贷申请； 在所述信用评估数值未超过预设信用评估阈值 时， 确定所述待评估企业对应的目标企 业类别为第二类企业， 拒绝所述待评估企业进行信贷申请。 8.一种企业数据处 理装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待评估企业对应的企业数据； 输入模块， 用于将所述企业数据输入至训练好的信用风险评估模型中， 通过所述信用 风险评估模型根据所述企业数据对所述待评估企业进 行预测， 输出所述待评估企业对应的 信用评估数值， 其中， 所述信用风险评估模型是通过多特征 的企业样本数据进行训练得到 的， 企业样本数据包括企业 碳中和数据； 确定模块， 用于根据所述信用评估数值确定所述待评估企业对应的目标企业类别。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至7中任一项所 述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114372866 A 3