基于自然语言处理与深度学习的信用贷款评估模型

• 作者: 吴伟伟 时辉凝 赵雪峰
• 来源期刊: 系统管理学报
• 学科: 社会科学
• 关键词: 自然语言处理 卷积神经网络 深度学习 信用贷款
• 年，卷（期）: 2020,（4）
• 页码范围: 629-638
• 页数: 10页
• 分类号: C932.1
• 字数: 8435字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2542.2020.04.002

摘要

针对信用贷款评估模型存在特征预处理复杂、受主观因素干扰、准确率较低等现象,提出一种新模型.该模型首先组建连续性信贷特征文本数据,然后使用Word2Vec算法进行词向量化后通过词嵌入层衔接卷积神经网络(CNN)进行评估,通过Keras框架并依据2008～2018年的银行个人信贷数据进行实证分析.结果表明:新模型的总体评估准确率高达91.7％,无需对缺失特征进行处理并可直接评估,且评估准确率更优异,达到85.8％.新模型将离散型的信贷特征转变为连续性文本,降低特征预处理复杂度,结合Word2Vec与自然语言处理实现直接评估缺失信贷特征的目的,并基于CNN优异的特征分析能力最终提高信贷评估模型鲁棒性,进一步改善信用贷款评估模型中存在的部分问题,同时避免评估中主观因素的干扰.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴伟伟	哈尔滨工业大学管理学院	52	528	12.0	20.0
2	赵雪峰	哈尔滨工业大学管理学院	18	915	15.0	18.0
3	时辉凝	广东外语外贸大学会计学院	1	0	0.0	0.0