利用聚类方法改善新西兰儿童福利系统的预测风险建模

本文使用聚类和机器学习算法，包括NLP，通过验证报告中的文本信息来识别和分类信用风险模型中的问题。作者使用嵌入式生成和四个预训练模型分析645个标题和观察结果，并使用聚类方法将相似特征的发现分组，以更有效地识别和分类验证维度和严重程度中的常见问题。作者证明了聚类和机器学习可以有效地分析验证报告中的文本信息，并提供了信用风险模型开发和验证中的洞见。