[發(fā)明專利]一種多目標(biāo)對象的評價因子篩選方法及其相關(guān)設(shè)備

有效

• 申請?zhí)枺?/td>: 202110051453.7
• 申請日: 2021-01-15
• 公開（公告）號: CN112365202B
• 公開（公告）日: 2021-04-16
• 發(fā)明（設(shè)計）人: 郝宇騰
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/23;G06F16/215
• 代理公司: 深圳市世聯(lián)合知識產(chǎn)權(quán)代理有限公司 44385
• 代理人: 汪琳琳

本申請屬于大數(shù)據(jù)技術(shù)領(lǐng)域，涉及一種多目標(biāo)對象的評價因子篩選方法及其相關(guān)設(shè)備，所述方法包括:讀取全部目標(biāo)對象的結(jié)果數(shù)據(jù)和過程數(shù)據(jù)，從中提取若干指標(biāo)的信息，該信息包括指標(biāo)名；基于各指標(biāo)的特征向量生成表征所有目標(biāo)對象的全部指標(biāo)的特征矩陣輸入預(yù)設(shè)的基于MLP算法的分類模型中，得到多個分類維度的指標(biāo)集合；對各指標(biāo)集合中的指標(biāo)依次進行數(shù)據(jù)質(zhì)量篩選、指標(biāo)重要性篩選和指標(biāo)自相關(guān)性篩選，將篩選預(yù)設(shè)條件的指標(biāo)作為評價因子，得到多個分類維度的評價因子集合。此外，本申請還涉及區(qū)塊鏈技術(shù)，結(jié)果數(shù)據(jù)和過程數(shù)據(jù)中的保密信息可存儲于區(qū)塊鏈中。本申請分為多個維度對目標(biāo)對象的評價更加全面，前瞻性強，可在任意時間點上進行動態(tài)評價。

技術(shù)領(lǐng)域

本申請涉及大數(shù)據(jù)技術(shù)領(lǐng)域，具體涉及多目標(biāo)對象的評價因子篩選方法、裝置、計算機設(shè)備及存儲介質(zhì)。

背景技術(shù)

目前在對實體機構(gòu)這類目標(biāo)對象進行評價采用的評價指標(biāo)不充分，主觀性強，難以通過技術(shù)手段把沉淀的數(shù)據(jù)進行整合并計算出各種指標(biāo)對于目標(biāo)對象的目標(biāo)指標(biāo)的相關(guān)性，即無法對目標(biāo)對象的原子粒度數(shù)據(jù)進行充分的使用和挖掘，且難以挖掘前瞻性的評價數(shù)據(jù)，評價滯后性較強，此外現(xiàn)有評價過程難以系統(tǒng)化和自動化，無法在不同的時間點上基于目標(biāo)對象的動態(tài)數(shù)據(jù)進行動態(tài)評價。

發(fā)明內(nèi)容

本申請實施例的目的在于提出一種多目標(biāo)對象的評價因子篩選方法、裝置、計算機設(shè)備及存儲介質(zhì)，以解決現(xiàn)有技術(shù)中對實體機構(gòu)這類目標(biāo)對象進行評價時無法對目標(biāo)對象的原子粒度數(shù)據(jù)進行充分的使用和挖掘，且難以挖掘前瞻性的評價數(shù)據(jù)，評價滯后性較強的問題。

為了解決上述技術(shù)問題，本申請實施例提供一種多目標(biāo)對象的評價因子篩選方法，采用了如下所述的技術(shù)實施例：

一種多目標(biāo)對象的評價因子篩選方法，包括下述步驟：

根據(jù)評價因子篩選指令讀取全部目標(biāo)對象的結(jié)果數(shù)據(jù)和過程數(shù)據(jù)，從所述結(jié)果數(shù)據(jù)和所述過程數(shù)據(jù)中提取若干指標(biāo)的信息，所述指標(biāo)的信息至少包括指標(biāo)名；

對各所述指標(biāo)的信息進行向量化處理，得到各所述指標(biāo)的特征向量，并基于各所述特征向量生成表征各所述目標(biāo)對象的特征矩陣，將所述特征矩陣作為入模特征輸入預(yù)設(shè)的基于MLP算法的分類模型中，輸出各所述指標(biāo)的分類結(jié)果，得到多個分類維度的指標(biāo)集合；

對各所述指標(biāo)集合中的指標(biāo)依次進行數(shù)據(jù)質(zhì)量篩選、指標(biāo)重要性篩選和指標(biāo)自相關(guān)性篩選，將所述數(shù)據(jù)質(zhì)量、所述指標(biāo)重要性和所述指標(biāo)自相關(guān)性均滿足預(yù)設(shè)條件的指標(biāo)作為評價因子，得到多個分類維度的評價因子集合，以根據(jù)各所述評價因子集合進行評價因子的分布計算，并基于分布計算結(jié)果對各所述目標(biāo)對象進行對應(yīng)評價。

在一些實施例中，所述從所述結(jié)果數(shù)據(jù)和所述過程數(shù)據(jù)中提取若干指標(biāo)的信息包括:

判斷所述結(jié)果數(shù)據(jù)和所述過程數(shù)據(jù)的數(shù)據(jù)類型，所述數(shù)據(jù)類型包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)；當(dāng)判定為結(jié)構(gòu)化數(shù)據(jù)時，從其對應(yīng)的數(shù)據(jù)表中提取若干表字段，當(dāng)判定為非結(jié)構(gòu)化數(shù)據(jù)時執(zhí)行數(shù)據(jù)轉(zhuǎn)換操作，對轉(zhuǎn)換后的數(shù)據(jù)執(zhí)行分詞操作，得到若干分詞；將所述若干分詞和所述表字段進行指標(biāo)名匹配，將同義的不同分詞或表字段映射至同一個字段，得到若干指標(biāo)名，即得到若干指標(biāo)的信息。

在一些實施例中，所述指標(biāo)的信息還包括指標(biāo)來源、指標(biāo)均值和指標(biāo)中位數(shù)，所述對各所述指標(biāo)的信息進行向量化處理，得到各所述指標(biāo)的特征向量，并基于各所述特征向量生成表征各所述目標(biāo)對象的特征矩陣包括：

將各所述指標(biāo)名轉(zhuǎn)換為one-hot向量，將各所述指標(biāo)名的one-hot向量作為預(yù)設(shè)的Word-to-Vector模型的輸入進行降維處理，輸出各所述指標(biāo)名的低維詞向量，并對所述指標(biāo)來源進行賦值操作；

將所述指標(biāo)名的低維詞向量、賦值后的指標(biāo)來源、指標(biāo)均值和指標(biāo)中位數(shù)根據(jù)一定的拼接順序進行拼接得到每個所述指標(biāo)的特征向量，再將各所述特征向量進行拼接得到所述特征矩陣。