基于时序深度学习和法律文书信息的信用风险评估方法

摘要

本发明涉及一种基于时序深度学习和法律文书信息的信用风险评估方法，包括：确定最佳观察周期，并根据贷款申请人的诉讼状况和判决结果对判决进行分类；爬取设定时间内的法律判决文书，配置文书实体抽取规则和词典，采用基于规则的抽取方法进行法律文书实体抽取；对抽取的法律文书数据进行了预处理，并对法律文书文本信息进行事件抽取；利用RFE递归特征选择方法选择出预测能力强的法律文书特征；设置混合数据集并进行LSTM模型的训练获得评估模型进行信用风险的评估。本发明能够实现风险早识别、早预警、早发现，及时发起客户风险预警，提升风险把控质量为银行反欺诈应用决策提供更精准、更可靠的依据，推进算法实践赋能用户风险管理，有效降低银行的不良率与不良额。