(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 202210774086.8 (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 潘磊　李阳　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 30/06(2012.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06N 3/08(2006.01) G06N 5/02(2006.01) (54)发明名称 一种基于知识图谱与深度学习的信用评估 方法及其系统 (57)摘要 本发明公开了一种基于知识图谱与深度学 习的信用评估 方法及其系统。 该方法包括如下步 骤： 抽取源信用数据中的信用信息， 基于抽取的 信用信息构建待评估实体的信用知识图谱； 信用 知识图谱对待评估实体进行评估， 生成待评估实 体的知识信用评分； 将源信用数据输入深度学习 进行深度学习信用评分； 根据知识信用评分和深 度学习信用评分， 生成待评估实体的最终信用评 估模型。 本发明利用大数据、 知识图谱等技术构 建信用主体及指标的关联， 对信用主体进行精准 画像， 使得信用评分具有更高的稳定性和可信 度， 解决了信用数据质量良莠不齐、 来自不同信 用数据源的知识重复、 层次结构缺失造成的信用 评估缺乏准确性的问题。 权利要求书2页 说明书7页 附图3页 CN 115358754 A 2022.11.18 CN 115358754 A 1.一种基于知识图谱与深度学习的信用评估方法， 其特 征在于包括以下步骤： S1： 获取待评估实体的源信用数据； S2： 对所述源信用数据抽取信用信息， 基于抽取的信用信息构建所述待评估实体的信 用知识图谱； S3： 基于所述信用知识图谱对所述待评估实体进行评估， 生成所述待评估实体的知识 信用评分； S4： 将源信用数据输入深度学习进行深度学习信用评分； S5： 根据所述知识信用评分和深度学习信用评分， 生成所述待评估实体的最终信用评 分。 2.如权利要求1所述的基于知识图谱与深度学习的信用评估方法， 其特征在于对所述 源信用数据抽取信用信息， 包括如下子步骤： 抽取信用实体和信用指标； 基于抽取 过程所得到的数据， 构建信用实体和信用指标的关联关系。 3.如权利要求1所述的基于知识图谱与深度学习的信用评估方法， 其特 征在于： 所述待评估实体包括个人实体和信用指标实体， 所述个人实体至少对应一个信用指标 实体。 4.如权利要求3所述的基于知识图谱与深度学习的信用评估方法， 其特征在于基于所 述信用知识图谱 对所述待评估实体进行评估， 包括如下子步骤： 抽取以所述个人实体为中心的个人信用知识图谱； 利用TransH模型对所述个人信用知识图谱进行个人实体信用评估， 生成个人实体信用 评分。 5.如权利要求4所述的基于知识图谱与深度学习的信用评估方法， 其特征在于基于所 述信用知识图谱 对所述待评估实体进行评估， 还 包括如下子步骤： 在生成个人实体信用评分之前， 利用TransH模型对所述个人信用知识图谱进行个人实 体信用编码， 生成个人实体信用向量， 将个人实体信用向量依次输入到线性层和得分层。 6.如权利要求1所述的基于知识图谱与深度学习的信用评估方法， 其特征在于所述步 骤S2中还 包括： 在构建所述待评估实体的信用知识图谱之前， 进行信用实体抽取、 信用指标抽取、 实体 对齐、 知识推理。 7.如权利要求1所述的基于知识图谱与深度学习的信用评估方法， 其特征在于所述深 度学习信用评分， 包括如下子步骤： 对信用指标实体数据进行组合， 将组合后的信用指标实体数据输入Transformer模型 得到个人信用语义向量， 将个人语义信息向量输入得分层， 得到深度学习的个人信用得分。 8.如权利要求7 所述的基于知识图谱与深度学习的信用评估方法， 其特 征在于： 所述Transformer模型采用多层注意力机制， 包括编码器和解码器， 编码器和解码器的 每一层分别包括多头自注意力模块层和全连接前馈网络层； 其中， 多头自注意力模块层和全连接前馈网络层包括残差连接层和规范化层； 编码器和解码器分别包括自注意力 机制， 解码器在自注意力 机制的基础上加入编码器 的反馈信息形成多头自注意力机制；权　利　要　求　书 1/2 页 2 CN 115358754 A 2所述Transformer模型用于使输入的信用指标实体数据经过嵌入层转换成对应向量， 依次经过编码器、 解码器得到深度学习的个人信用得分。 9.一种基于知识图谱与深度学习的信用评估系统， 其特征在于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 行以下操作： S1： 获取待评估实体的源信用数据； S2： 对所述源信用数据抽取信用信息， 基于抽取的信用信息构建所述待评估实体的信 用知识图谱； S3： 基于所述信用知识图谱对所述待评估实体进行评估， 生成所述待评估实体的知识 信用评分； S4： 将源信用数据输入深度学习进行深度学习信用评分； S5： 根据所述知识信用评分和深度学习信用评分， 生成所述待评估实体的最终信用评 分。权　利　要　求　书 2/2 页 3 CN 115358754 A 3