[發(fā)明專利]數(shù)據(jù)處理方法、裝置、設備及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202011096201.8 | 申請日: | 2020-10-14 |
| 公開(公告)號: | CN112231533A | 公開(公告)日: | 2021-01-15 |
| 發(fā)明(設計)人: | 李超;吳海山;殷磊 | 申請(專利權(quán))人: | 深圳前海微眾銀行股份有限公司 |
| 主分類號: | G06F16/951 | 分類號: | G06F16/951;G06F16/9535;G06F16/28;G06F16/36;G06F40/30;G06N3/04;G06N3/08;G06Q10/06;G06Q50/26 |
| 代理公司: | 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205 | 代理人: | 吳梅錫;臧建明 |
| 地址: | 518027 廣東省深圳市*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 數(shù)據(jù)處理 方法 裝置 設備 存儲 介質(zhì) | ||
1.一種數(shù)據(jù)處理方法,其特征在于,包括:
獲取目標行業(yè)的待評估項目對應的評估指標信息,其中,所述待評估項目對應于至少一項評估指標信息以及一個基于深度學習的評估模型;
根據(jù)所述評估模型和所述評估指標信息,確定所述待評估項目的評估結(jié)果;
根據(jù)所述待評估項目的評估結(jié)果,生成所述目標行業(yè)的行業(yè)研究數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,每項評估指標信息對應于一個權(quán)重值;所述方法還包括:
獲取所述目標行業(yè)的多個歷史評估項目的歷史評估結(jié)果,以及各歷史評估項目對應的多項候選評估指標的歷史信息;
根據(jù)所述多個歷史評估項目的歷史評估結(jié)果,各歷史評估項目對應的多項候選評估指標的歷史信息以及相關性分析算法,確定各候選評估指標與評估結(jié)果的相關度;
將相關度大于預設相關度閾值的候選評估指標,確定為所述待評估項目對應的評估指標,并根據(jù)各評估指標對應的相關度,確定所述待評估項目對應的各評估指標的權(quán)重值;所述評估指標信息為所述評估指標對應的數(shù)據(jù);
所述根據(jù)所述評估模型和所述評估指標信息,確定所述待評估項目的評估結(jié)果,包括:
將各評估指標信息以及相應的權(quán)重值輸入所述評估模型,以得到所述評估模型輸出的所述待評估項目的評估結(jié)果。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述待評估項目包括目標企業(yè)的供應鏈上游風險評估項目;所述評估模型包括風險評估模型;所述方法還包括:
獲取歷史風險企業(yè)的各上游企業(yè)的評估指標歷史信息,其中,歷史風險企業(yè)為目標預設歷史時段內(nèi)發(fā)生供應鏈上游風險的企業(yè);
根據(jù)所述評估指標歷史信息生成目標訓練集;
根據(jù)所述目標訓練集對所述風險評估模型進行訓練;
所述將各評估指標信息及其相應的權(quán)重值輸入所述評估模型,以得到所述評估模型輸出的所述待評估項目的評估結(jié)果,包括:
將所述目標企業(yè)的各上游企業(yè)的各評估指標信息以及相應的權(quán)重,輸入到所述風險評估模型,以得到所述風險評估模型輸出的所述目標企業(yè)的供應鏈上游風險評估結(jié)果。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述方法還包括:
在所述目標企業(yè)的供應鏈上游風險評估結(jié)果表征所述目標企業(yè)的供應鏈上游風險程度超過預設上游風險閾值時,向所述目標企業(yè)對應的終端設備推送預警消息。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述待評估項目包括目標企業(yè)的供應鏈上游風險評估項目,和/或供應鏈下游風險評估項目;
所述方法還包括:
在所述目標企業(yè)的供應鏈上游風險評估結(jié)果表征所述目標企業(yè)的供應鏈上游風險程度超過預設上游風險閾值時,獲取多個第一候選企業(yè)的至少一項第一推薦指標信息;根據(jù)基于深度學習的供應商推薦模型和所述第一推薦指標信息,從所述多個第一候選企業(yè)中,確定所述目標企業(yè)的潛在供應商;向所述目標企業(yè)對應的終端設備推送第一推薦消息,所述第一推薦消息中包括所述潛在供應商的標識;
和/或,
在所述目標企業(yè)的供應鏈下游風險評估結(jié)果表征所述目標企業(yè)的供應鏈下游風險程度超過預設下游風險閾值時,獲取多個第二候選企業(yè)的至少一項第二推薦指標信息;根據(jù)基于深度學習的客戶推薦模型和所述第二推薦指標信息,從所述多個第二候選企業(yè)中,確定所述目標企業(yè)的潛在客戶;向所述目標企業(yè)對應的終端設備推送第二推薦消息,所述第二推薦消息中包括所述潛在客戶的標識。
6.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述方法還包括:
根據(jù)第一預設歷史時段內(nèi)所述供應商推薦模型確定的所述目標企業(yè)的潛在供應商數(shù)據(jù),以及所述目標企業(yè)的新增供應商數(shù)據(jù),構(gòu)建第一訓練集和第一測試集;根據(jù)所述第一訓練集和所述第一測試集對所述供應商推薦模型進行優(yōu)化和評估;
和/或,
根據(jù)第二預設歷史時段內(nèi)所述客戶推薦模型確定的所述目標企業(yè)的潛在客戶數(shù)據(jù),以及所述目標企業(yè)的新增客戶數(shù)據(jù),構(gòu)建第二訓練集和第二測試集;根據(jù)所述第二訓練集和所述第二測試集對所述客戶推薦模型進行優(yōu)化和評估。
該專利技術資料僅供研究查看技術是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳前海微眾銀行股份有限公司,未經(jīng)深圳前海微眾銀行股份有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011096201.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 數(shù)據(jù)處理設備,數(shù)據(jù)處理方法,和數(shù)據(jù)處理程序
- 數(shù)據(jù)處理電路、數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法、數(shù)據(jù)處理控制方法
- 數(shù)據(jù)處理設備、數(shù)據(jù)處理方法和數(shù)據(jù)處理程序
- 數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法及數(shù)據(jù)處理程序
- 數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法及計算機可讀取的記錄介質(zhì)
- 數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法和數(shù)據(jù)處理程序
- 數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法和數(shù)據(jù)處理程序
- 數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法以及數(shù)據(jù)處理程序
- 數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法以及數(shù)據(jù)處理程序
- 數(shù)據(jù)處理裝置、數(shù)據(jù)處理方法和數(shù)據(jù)處理程序





