[發(fā)明專利]基于人工智能的合規(guī)性評價方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010622580.3
• 申請日: 2020-06-30
• 公開（公告）號: CN111798123A
• 公開（公告）日: 2020-10-20
• 發(fā)明（設(shè)計）人: 任凱
• 申請（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/35
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 何春蘭;遲珊珊

1.一種基于人工智能的合規(guī)性評價方法，其特征在于，所述基于人工智能的合規(guī)性評價方法包括：

采用寬度優(yōu)先遍歷策略從指定平臺爬取原始數(shù)據(jù)；

對所述原始數(shù)據(jù)進行預(yù)處理，得到文本數(shù)據(jù)；

對所述文本數(shù)據(jù)進行文本識別，得到待分析數(shù)據(jù)；

基于層次分析法構(gòu)建指標(biāo)體系，所述指標(biāo)體系包括至少一個一級指標(biāo)，每個一級指標(biāo)包括至少一個二級指標(biāo)；

獲取每個二級指標(biāo)對應(yīng)的目標(biāo)字段及每個目標(biāo)字段對應(yīng)的函數(shù)腳本，從所述待分析數(shù)據(jù)中獲取與每個目標(biāo)字段匹配的目標(biāo)參數(shù)，并將每個目標(biāo)參數(shù)添加至對應(yīng)的函數(shù)腳本進行運算，輸出每個二級指標(biāo)的分值；

將每個二級指標(biāo)的分值輸入至預(yù)先構(gòu)建的評分模型進行處理，輸出合規(guī)性評分。

2.如權(quán)利要求1所述的基于人工智能的合規(guī)性評價方法，其特征在于，所述對所述原始數(shù)據(jù)進行預(yù)處理，得到文本數(shù)據(jù)包括：

當(dāng)所述原始數(shù)據(jù)為圖片類型時，將所述原始數(shù)據(jù)轉(zhuǎn)換為初始文本，對所述初始文本進行過濾及清洗，得到過濾后的文本，基于UTF-8編碼算法對所述過濾后的文本進行編碼，得到所述文本數(shù)據(jù)；或者

當(dāng)所述原始數(shù)據(jù)為文本類型時，對所述原始數(shù)據(jù)進行過濾及清洗，得到過濾后的文本，基于UTF-8編碼算法對所述過濾后的文本進行編碼，得到所述文本數(shù)據(jù)。

3.如權(quán)利要求1所述的基于人工智能的合規(guī)性評價方法，其特征在于，所述對所述文本數(shù)據(jù)進行文本識別，得到待分析數(shù)據(jù)包括：

對所述待分析數(shù)據(jù)進行Word Embedding處理，生成詞向量；

對所述詞向量進行卷積運算，輸出特征圖；

將所述特征圖進行最大池化處理，得到多個池化特征；

拼接所述多個池化特征，并將拼接后的池化特征輸入至softmax層，輸出所述待分析數(shù)據(jù)。

4.如權(quán)利要求1所述的基于人工智能的合規(guī)性評價方法，其特征在于，所述基于層次分析法構(gòu)建指標(biāo)體系包括：

獲取待處理數(shù)據(jù)；

基于層次分析法對所述待處理數(shù)據(jù)進行聚類分層處理，得到多個初始一級指標(biāo)，及每個初始一級指標(biāo)包括的至少一個二級指標(biāo)；

確定預(yù)先配置的每個初始一級指標(biāo)的重要度；

對比每兩個初始一級指標(biāo)的重要度以構(gòu)建判斷矩陣；

根據(jù)所述判斷矩陣計算每個初始一級指標(biāo)的權(quán)重；

獲取權(quán)重大于或者等于預(yù)設(shè)權(quán)重的初始一級指標(biāo)作為所述至少一個一級指標(biāo)；

以所述至少一個一級指標(biāo)及每個一級指標(biāo)對應(yīng)的至少一個二級指標(biāo)構(gòu)建所述指標(biāo)體系。

5.如權(quán)利要求1所述的基于人工智能的合規(guī)性評價方法，其特征在于，所述從所述待分析數(shù)據(jù)中獲取與每個目標(biāo)字段匹配的目標(biāo)參數(shù)包括：

獲取預(yù)先配置的知識圖譜；

計算每個目標(biāo)字段與所述知識圖譜中各個節(jié)點上實體的相似度；

從各個節(jié)點上獲取相似度大于或者等于預(yù)設(shè)相似度的至少一個實體作為每個目標(biāo)字段的候選字段；

整合每個目標(biāo)字段與對應(yīng)的候選字段構(gòu)建每個目標(biāo)字段的擴展字段；

利用每個目標(biāo)字段的擴展字段在所述待分析數(shù)據(jù)中進行遍歷；

將遍歷到的數(shù)據(jù)確定為與每個目標(biāo)字段匹配的目標(biāo)參數(shù)。

6.如權(quán)利要求1所述的基于人工智能的合規(guī)性評價方法，其特征在于，所述基于人工智能的合規(guī)性評價方法還包括：

當(dāng)檢測到所述指標(biāo)體系有更新時，獲取更新的指標(biāo)的分值；

根據(jù)所述更新的指標(biāo)的分值，采用反向傳播算法修正所述評分模型。

7.如權(quán)利要求6所述的基于人工智能的合規(guī)性評價方法，其特征在于，所述根據(jù)所述更新的指標(biāo)的分值，采用反向傳播算法修正所述評分模型包括：

采用Lasso算法對所述更新的指標(biāo)的分值進行壓縮估計，得到至少一個第一指標(biāo)值；

采用LSTM算法對所述至少一個第一指標(biāo)值進行時間序列預(yù)測分析，得到至少一個第二指標(biāo)值；

將所述至少一個第二指標(biāo)值輸入至所述評分模型，計算回傳誤差；

根據(jù)所述回傳誤差更新所述評分模型的權(quán)重，直至所述回傳誤差小于或者等于預(yù)設(shè)誤差，停止修正。