今、技術の発展に伴い、平均的な消費者ユーザーのために、より簡単になっているインターネット上で過ごすためにいくつかのお金を借りたい、技術は私たちにますます顕著に利便性を提供します。一方、消費者金融の上昇、クレジットシステムで大量の信用詐欺の背後にある消費者金融会社の発展に大きな障害の一つとなっています。これは、金融業界の発展を十分に解決することができない多くの融資慣行で、その結果、大きな障害をもたらしていいます。
中央銀行は、中国の6カ月延滞クレジットカードの総与信優れ88098000000元、16.43パーセントの成長という「決済システムの一般的な状況2018年第三四半期」のショーをリリースしました。
これは、リスクコントロールの異常な緊急金融業界の需要。両方のセキュリティコンプライアンス・サービスを確保する必要があるため、沈没顧客基盤に直面し、より多くの複雑なユーザ情報、またリスク管理規模と顧客体験の間のバランスを制御する必要があります。
、伝統的な金融機関は、金融リスク管理部門、資格監査人および他の融資マニュアルのレビューを聞いてきますが、仕事関連の従業員のために高い需要が、我々は、顧客の信用状況の包括的な理解を行うことができ、関連する背景知識を持っている必要がありますそれは厳格な、独立した判断が必要です。一方、人間の消費のための毛の何千ものプラットフォーム上で毎日練習を貸しインターネットバンキングの発展、と非常に巨大で、統一の監査基準、効率が保証することは困難です。
また、伝統的なリスクコントロールモデリング技術が教師付き学習の小さなサンプルに基づいており、鉱業の特性に応じて、それは人材の多くを必要とし、個人的な経験に依存します。一方、小さなサンプルを処理するデータのテキストタイプは、しばしば文脈の理解欠如、フォーカスは、ユーザの理解のずれが生じる、抽出することができません。
学位Xiaomanは現在、教育と教育ローン現金ローンやその他のサービスをユーザ、目的のヘルプのユーザーに「お金を使うために、すべての夢を作る」ためのさらなる教育そのものを提供したり、新しい仕事のスキルを学び、非常にプラット・アンド・ホイットニーのプロジェクトです。
百度との協力のリトル・ムーンは、Baiduの目標は、リトル・ムーンのシーンに意味理解、リスク管理の枠組みERNIEアプリケーションユーザの研究から学ぶし続けることです。
ERNIEは、大規模なデータ・ワードをモデル化して、エンティティとエンティティ間の関係は、従来のニューラルネットワークより深くに比べて中国の意味理解のためにこのように現実の世界で豊富なセマンティックな知識を習得し、することができます。事前研修言語モデルERNIEが豊富なセマンティック知識が含まれているので、シーンの意味理解をテキストにそれを適用できるようにする必要があり、単に事前研修ERNIEを手動でラベルされたデータの数が少ないに微調整することが、あなたはERNIEモデルのカスタマイズされたタスクを取得することができます。カスタマイズERNIEモデルは、トレーニングデータ内の特定のタスクについての情報を学ぶ、モデルは、モデルは非常に良い結果を得ることができそうという、その前の訓練を受けた言語に関する情報が含まれていないだけ。
ERNIEによって深さユーザ行動情報のセマンティックレベルでモデル化されたリスク管理Xiaomanユーザシナリオの程度、風力制御ERNIEユーザモデルのカスタマイズされた出力。ユーザーコントロールのスタイルタグの小さな注釈テキストやユーザーの行動データと結合モデリング機能モデルの事前訓練を受け、セマンティック知識を、使用してERNIE長いテキストは、ERNIEの細かい微調整した2程度のトレーニング時間内に完了風を制御することができ、ユーザ収束モデルは、従来のモデルでは、頻繁に収束させるために100個のモデルを訓練する必要があります。モデルの50倍速く収束、我々はERNIEは高速コンバージェンス、強力なフィット感と優れた一般化を持って見ることができます。
金融リスク管理モデルKS XiaomanインデックスERNIEの度合いに基づいて、絶対効果的に効果的に融資のリスクを低減、高品質な顧客基盤の数を向上させる、一種のユーザーの21.5％を最適化し、大幅に人員監査を減らすために1.5、AUC指標絶対的増加1.5をアップグレード。
金融は金融業界の顧客の健全な発展を獲得し、与信管理、ヘルプ：双方は、今後の更なる協力は、強力な意味理解のようなより多くの金融アプリケーションのシナリオに適用アーニーますされます。
