1.一種基于半監(jiān)督學習的企業(yè)信用評估方法，其特征在于，包括：
2.如權利要求1所述的基于半監(jiān)督學習的企業(yè)信用評估方法，其特征在于，所述針對每一個類別的貸款企業(yè)，選擇貸款違約企業(yè)和優(yōu)質(zhì)貸款企業(yè)作為代表企業(yè)的步驟，具體包括：
3.如權利要求2所述的基于半監(jiān)督學習的企業(yè)信用評估方法，其特征在于，所述企業(yè)數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，所述獲取并標注所述貸款違約企業(yè)的企業(yè)數(shù)據(jù)，得到第一標注數(shù)據(jù)，并基于所述第一標注數(shù)據(jù)構(gòu)建正樣本數(shù)據(jù)集的步驟，具體包括：
4.如權利要求3所述的基于半監(jiān)督學習的企業(yè)信用評估方法，其特征在于，所述獲取并標注所述優(yōu)質(zhì)貸款企業(yè)的企業(yè)數(shù)據(jù)，得到第二標注數(shù)據(jù)，并基于所述第二標注數(shù)據(jù)構(gòu)建負樣本數(shù)據(jù)集的步驟，具體包括：
5.如權利要求4所述的基于半監(jiān)督學習的企業(yè)信用評估方法，其特征在于，所述非結(jié)構(gòu)化數(shù)據(jù)包括文本數(shù)據(jù)、語音數(shù)據(jù)、圖像數(shù)據(jù)和視頻數(shù)據(jù)，所述針對所述第一企業(yè)數(shù)據(jù)中的非結(jié)構(gòu)化數(shù)據(jù)進行數(shù)據(jù)結(jié)構(gòu)化處理，得到第一轉(zhuǎn)化數(shù)據(jù)的步驟，具體包括：
6.如權利要求5所述的基于半監(jiān)督學習的企業(yè)信用評估方法，其特征在于，所述針對所述第二企業(yè)數(shù)據(jù)中的非結(jié)構(gòu)化數(shù)據(jù)進行數(shù)據(jù)結(jié)構(gòu)化處理，得到第二轉(zhuǎn)化數(shù)據(jù)的步驟，具體包括：
7.如權利要求1所述的基于半監(jiān)督學習的企業(yè)信用評估方法，其特征在于，基于梯度提升決策樹集成算法訓練生成所述企業(yè)信用評估分類器，所述針對每一個初始分類器，使用對應貸款企業(yè)類別的標注數(shù)據(jù)和未標注數(shù)據(jù)進行迭代訓練，得到若干個企業(yè)信用評估分類器的步驟，具體包括：
8.一種基于半監(jiān)督學習的企業(yè)信用評估裝置，其特征在于，包括：
9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)如權利要求1至7中任一項所述的基于半監(jiān)督學習的企業(yè)信用評估方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的基于半監(jiān)督學習的企業(yè)信用評估方法的步驟。