基于深度图半监督学习的金融信用评估方法

摘要

本发明公开了一种基于深度图半监督学习的金融信用评估方法。这里的“深度”并非指深度学习当中网络结构的深层性，而是指在图信息挖掘层面上的深层性，对于金融特征数据所构建的图，进行了两层信息挖掘：首先是用深度图嵌入的方法进行了图结构信息的挖掘，接着再用图卷积神经网络对于图节点的邻域信息进行了聚合。与传统的图半监督学习方法相比，本发明所提出的方法有效缓解了标签稀缺条件下信息量稀疏的问题，在图信息的挖掘当中具有深层性，故称为深度图半监督学习。本发明所提出的基于深度图半监督学习的方法提升了标签稀缺条件下金融信用评估的准确性，同时也加快了模型训练速度，从而实现对于标签稀缺的金融数据高效、准确的信用评估。