信用大数据背景下的异源共享信息融合研究

With the development of public credit information sharing and public review of enterprise declaration, the design and implementation of credit reporting system covering the whole credit information network in China is becoming one of the most important revolutions in public administration, and the credit information value-added utilization is the emerging research area in E-government. This project proposes to study the following three questions as knowledge acquisition, algorithm design, application and verification with multiple methodologies including survey, modeling and information fusion analysis. Firstly, we will explore the factors and mechanism of credit big data adoption, and conduct a measurement model of shared credit information quality in the infomediary. Secondly, we will design state estimation algorithms for multi-source credit information in the following three layers: data layer, feature layer and decision-makers layer. Lastly, we will present and verify the enhancement strategy of credit big data adoption according to the information processing theory. This project provides not only a new perspective to understand how to comprehensively use credit big data, but also the new methods for shared information quality measurement and heterogeneous source information fusion. It also gives positive academic significance to other information sharing in infomediary. At the same time, the findings from this project are helpful for making credit-related decisions in the bank, enhancing the value of public credit information, and improving information service level of credit institutions.

随着公共信用信息资源共享和企业申报公示制度的推进，构建覆盖全社会信息网络的征信系统成为公共管理领域的重要变革之一，而社会化信用信息的增值利用则成为电子政务的新兴领域。课题拟采用问卷调查、建模分析、信息融合分析等研究方法，围绕知识获取、算法设计、应用与验证展开研究。在知识获取环节，重点研究应对信息不对称时信用大数据采纳的影响要素及机理，构建基于中介的共享信用信息质量度量模型；在算法设计环节，重点研究能够适应于数据层、特征层、决策层需求的多源状态估计融合算法；在应用与验证环节，研究设计符合信息加工规律的信用大数据提升策略并验证。本项目为信用大数据综合集成利用提供了新的视角，为异源共享信息质量度量与融合提供了新方法和手段，对其他领域基于中介的共享研究也具有积极的学术意义。同时，本项目的研究对于帮助银行科学授信、提高公共信用信息应用成效、提升征信机构的信息服务能力，具有重要的现实意义。

本项目就社会化信用信息共享下的企业征信信息的增值利用进行了探索。项目采用问卷调查、建模分析、信息融合分析、计量经济分析等研究方法，围绕知识获取、算法设计与应用、效果验证展开了研究。首先，通过问卷调查和建模分析，在知识获取阶段，构建了社会化信用信息质量度量模型，剖析清楚了信息不对称环境下信用大数据采纳的影响因素和机理，发现信息源信用通过准确性、及时性、完整性作用于信息质量的评价，而信息相关性作为独立于信息源信用的变量，与所要承担的具体任务密切相关；其次，通过算法设计与应用阶段的研究，可以发现：通过数据层的有冲突证据融合，可形成关于企业信息质量的判断，明确信息可用性；通过特征层信用行为的广义证据推理，补充达到一定质量要求的信用“硬”信息，能够进一步加深或修正原有判断，加深对于信用品质的准确完整认识；通过决策层的改进表决融合算法，可获取带有可信度估计的关于企业实体的信用评价，提高决策科学性。最后，在验证阶段，通过对于有融合信息支持与无融合信息支持的决策效果和决策效率的分析，可以发现融合信息支持系统具有更高的决策支持效能，从而有效验证了信息融合在信用大数据支持决策过程中所发挥重要作用。本项目中所利用的关键数据有异源共享信用信息质量评价的问卷调查数据、面向共享信用信息质量度量的企业征信系统数据、信用信息融合评价的企业实例数据、融合效果实证分析的决策支持效果数据。本项目针对信用大数据综合集成应用进行了初步的探索，为共享信息质量度量与融合提供了新工具、新方法，对于信息融合技术在信用信息领域的应用及其效果评价研究也具有一定的理论借鉴意义。同时，本项目的研究对于支持银行开展科学授信、提高社会信用信息的应用成效、提升征信机构的信息增值服务水平，具有重要的现实意义。