2023年人工智能和人机交互国际学术会议（ArtInHCI 2023）于2023年10月27-28日由原定中国武汉举行改为线上举行，会议集结了数十名来自世界各地的研究学者、工程师和科学家，为其提供了一个人工智能与人机交互等相关领域的技术进步展示和研究成果发布交流的国际会议平台。会上各专家学者围绕深度学习、模式识别、遗传算法、神经网络、自然语言处理、机器人学、群体智能等多个方向的前沿成果作了专题报告。
js333线路检测大数据与人工智能学院人工智能研究所所长、重庆数宜信信用管理有限公司风控中心总经理李华林博士受邀审稿并参会，同时于10月28日就其团队的研究成果作了题为“机器学习在中小企业信用风险评估中的可解释性”的学术报告，得到了与会专家的高度认可和肯定。
李华林博士提到，信用贷款已逐渐成为满足中小企业融资需求的重要渠道。此外，现有的公开信息在评估信贷绩效方面收效甚微，因为大多数中小企业的信用历史记录不足，因此在贷款审批方面存在困难。因此，大多数金融机构都会对贷款审批进行尽职调查，从而产生人力和时间成本。在传统方法中，最终的信贷额度是基于调查人员的风险偏好和历史经验。尽管这种人为的方法大大避免了坏账风险，但金融机构在时间和空间上都是有限的，所以智能化方案就显得尤为重要。
此次方案由校企合作（js333线路检测与重庆数宜信信用管理有限公司）团队共同完成，校内导师黄博雅与企业导师张欣彤共同完成业务逻辑相关工作，校内导师赵飞扬与本校毕业生张德全共同完成算法逻辑相关工作。最终论文由黄博雅老师和赵飞扬老师共同编写，张欣彤老师完成翻译工作，张德全同学完成排版工作，李华林博士完成论文指导与润色并作相关学术报告。
团队选取了重庆市425家企业的发票数据，开发了四种机器学习算法和一种集成方法来建立预测分类器，然后与SHAP值相结合来解释特定输出的特征贡献。研究表明，衍生的特征与未来的拖欠之间有很强的相关性。更重要的是，团队提供了信用风险评估模型新的可解释维度和相关特征，如发票领域，以评估企业的经营状况和抗风险能力，供进一步分析。
李华林博士提到，目前研究仅考虑了有限中小企业的发票数据，这可能会导致数据不足的问题，从而降低模型的泛化能力。未来的研究不仅应该关注发票数据，还应该增加数据源的维度。此外，在建模信贷风险时，应考虑极端事件的影响，如气候灾难中的绿天鹅事件，与历史数据相比，它们可能提供不同的数据模式和业务表现。