买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利集机器学习模型和专家知识经验的客户信用风险评价方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120070041B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510229465.2，技术领域涉及：G06Q40/03；该发明授权集机器学习模型和专家知识经验的客户信用风险评价方法是由张超;汪俊;张睿;操玮设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本集机器学习模型和专家知识经验的客户信用风险评价方法在说明书摘要公布了：本发明涉及一种集机器学习模型和专家知识经验的客户信用风险评价方法，通过集成历史交易数据、外部数据、补录数据形成DW数据仓库，针对历史交易数据、外部数据、补录数据构建不同维度数据的风险评级指标，计算指标实际数值并按四分位数规则对指标进行赋值，基于数据仓库构建学习模型并生成指标权重，计算客户内、外部数据风险得分并按照四分位数划定内、外部维度评级，对内、外部数据风险等级进行融合得到客户综合评级，对补录数据设定强规则，划定谨慎客商，修订综合评级；本发明设计的方法结合内部历史交易大数据、客户外部大数据以及由交易经验积累的人工补录数据，有效评价了客户信用风险，为企业优化客户合作和防范客户风险提供了信息支撑。

本发明授权集机器学习模型和专家知识经验的客户信用风险评价方法在权利要求书中公布了：1.一种集机器学习模型和专家知识经验的客户信用风险评价方法，其特征在于，具体包括有以下步骤： S1.数据集成； S1.1.使用ETL工具每月定时从NC数据库抽取企业沉淀的客户历史交易数据，通过与其他平台合作，获取外部数据并按照一定频率更新； S1.2.人工按月补录与客户相关的诉讼、不合格名单数据；集成历史交易数据、外部数据、补录数据形成基于客户内部数据和外部数据的数据仓库，该数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持风险分析； S1.3.通过编写SQL脚本从数据仓库中获取所需的多年会计科目数据用于内部历史交易数据建模，以及从数据仓库中获取企业公开信息用于外部数据建模； S2.构建不同维度数据的风险评级指标； S2.1.针对历史交易数据，设置前一年、前两年应收账款周转率，前一年、前两年应收账款收回率四个指标，其中，S2.2.针对外部数据，设置注册资本、实缴资本、实缴出资未到位情况、对外投资企业经营异常数量占比、经营状态、财务四大能力指标、是否存在经营异常信息、是否严重违法失信、是否失信被执行、担保金额合计占注册资本比、是否纳税非正常户、累计涉案金额占注册资本比的指标； S2.3.针对补录数据，设置是否与本单位诉讼、是否在本单位不合格名单指标； S3.计算指标实际数值并按四分位数规则对指标进行赋值； S3.1.针对历史交易数据，计算应收账款周转率、应收账款收回率指标，利用pandas中的quantile函数计算指标的四分位数，按照四分位数划分正常、警惕、谨慎三个风险区间，当指标实际值落入上述三个风险区间时，分别对指标赋予0、1、2三个数值； S3.2.针对外部数据，对注册资本、实缴资本直接进行排序并划定四分位数，按照上述相同的方法赋予风险分值0、1、2；对实缴出资未到位情况、对外投资企业经营异常数量占比、担保金额合计占注册资本比、累计涉案金额占注册资本比的比率指标进行计算、排序和划定四分位数，按照相同的方法赋予风险分值0、1、2；对于是否有行政处罚、是否有环保处罚、是否欠税的一般性是否型指标，根据客户是、否触发相关指标分别赋值1、0；对于是否严重违法失信、是否失信被执行、是否重大税收违法的重要风险指标，根据客户是、否触发分别赋值2、0； S4.构建学习模型并生成指标权重； S4.1.针对历史交易数据，将应收账款连续两年挂账的客户设定为不合格名单客户；将前一年、前两年应收账款周转率，前一年、前两年应收账款收回率四个指标的风险分值之和小于或等于2的客户设定为合格名单客户；对不合格名单、合格名单客户分别赋值1、0，分别代表谨慎客户和正常客户；将历史交易维度设计的指标及指标风险分值纳入机器学习模型，并将行业作为控制变量赋予到模型学习数据集中；采用随机森林对学习数据进行数据建模，通过调参得到最优化的模型及指标权重； S4.2.针对外部数据，基本设置等权，但对于累计涉案金额占注册资本比指标，其指标权重设定为其他指标的2倍，最后所有外部数据的指标权重之和等于1；使用python的第三方工具pandas和numpy构建风险评价指标，对于绝对值指标，按照四分位数划分指标正常、警惕、谨慎区间，进而根据指标数值落入不同的区间，得到指标的正常、警惕、谨慎等级类型，分别赋值为0、1、2；对于一般性是、否型指标，按照指标是、否触发分别赋值为1、0；对于重要的是、否型指标，按照指标是、否触发分别赋值为2、0；依据每一客户各项指标的风险得分×指标权重求和，初步得出外部数据风险得分；按照得分数据分布聚类设置得分阈值划分客户外部数据风险等级区间，进而得到该客户外部数据的风险等级，正常、警惕、谨慎分别赋值为0、1、2； S5.计算客户内、外部数据风险得分并按照四分位数划定内、外部维度评级； 分别对内、外部数据采用指标权重×指标风险分值的方法，计算内、外部数据风险得分，对内、外部数据风险得分排序得到四分位数，按照四分位数划分正常、警惕、谨慎三个风险区间，当风险得分落入风险区间时，得到风险得分对应的风险等级，从而得到内、外部维度风险等级； S6.对内、外部数据风险等级进行融合得到客户综合评级； 将内、外部数据风险等级分别放置于第一象限横、纵坐标轴上，形成客户评级九宫格热力图；当内、外部数据风险等级组合为正常，正常、正常，警惕、警惕，正常三种时，客户综合评级为正常；当内、外部数据风险等级组合为警惕，警惕、正常，谨慎、谨慎，正常三种时，客户综合评级为警惕；当内、外部数据风险等级组合为谨慎，谨慎、警惕，谨慎、谨慎，警惕三种时，客户综合评级为谨慎； S7.对补录数据设定强规则，划定谨慎客商； 在S6的基础上，根据客户是否与本单位诉讼或是否在本单位不合格名单修订客户风险等级，当客户与本单位诉讼或客户在本单位不合格名单，则部分客户会由S6得到的正常、警惕修订为谨慎，参照补录数据修订综合评级。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。