氪信基于“非或然引擎”的行业智能解决方案

结果显示，通过我们的预测分析框架（模型5）的总体性能非常接近基于强大财务数据的预测模型，这证实了使用非财务数据预测贷款违约风险的可行性。

目标是使用unsupervised embeddings来保留用户信息以及用户和位置的相邻信息。

输入文本经过在全量文本上训练的word2vec转换，降维成较低维度、信息密度更高的矩阵，并通过训练编码器和解码器、拟合输出文本的word2vec矩阵，使得中间层能够更好地表达由输入至输出的语意转换逻辑。