排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
随着金融科技的不断进步,人工智能算法在金融风控领域的应用也逐渐深化。信用评分模型作为一种应用最广泛的风险评估模型,主要使用个人信息、征信等结构化数据进行模型构建,对图像、文本、语音等非结构化数据的利用存在局限性。为了有效利用各种形态的数据,文章研究提出一种利用多模态数据的框架,融合结构化数据和非结构化数据中的有效信息,进而提升模型的风险识别能力。该算法可应用于其他涉及非结构化数据的领域中,算法组件可以根据实际业务数据进行任意替换。实验证明,与只使用结构化数据的基线模型对比,非结构化数据特征能够有效提升模型的风险识别能力,其中AUC提升4%,KS提升6%,模型稳定性指标PSI稳定在0.01。 相似文献
1