[發明專利]基于機器學習的設備維保單位評估方法、裝置及電子設備

在審

• 申請號: 202111007177.0
• 申請日: 2021-08-30
• 公開（公告）號: CN113723811A
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 劉佳
• 申請（專利權）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;G06Q10/00;G06K9/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 王曉妍

1.一種基于機器學習的設備維保單位評估方法，其特征在于，包括：

獲取目標維保單位針對目標設備的維保數據，所述維保數據包括所述目標維保單位對應的維保單位數據和所述目標設備對應的設備數據；

根據所述維保單位數據，構建所述目標維保單位對應的企業特征畫像；

根據所述設備數據，構建所述目標設備對應的設備特征畫像；

基于維保單位評估模型的特征向量提取層對所述企業特征畫像和所述設備特征畫像進行處理，得到目標特征向量；其中，所述維保單位評估模型為提前經過機器學習得到的模型；

基于所述維保單位評估模型的預設分類器對所述目標特征向量進行處理，得到分類概率；

根據所述分類概率，確定所述目標維保單位對應的評分信息。

2.如權利要求1所述的基于機器學習的設備維保單位評估方法，其特征在于，所述維保數據還包括所述目標維保單位的維保從業人員數據，在所述基于維保單位評估模型的特征向量提取層對所述企業特征畫像和所述設備特征畫像進行處理，得到目標特征向量之前，還包括：

根據所述維保從業人員數據，構建維保從業人員特征畫像；

對應地，所述基于維保單位評估模型的特征向量提取層對所述企業特征畫像和所述設備特征畫像進行處理，得到目標特征向量，包括：

基于維保單位評估模型的特征向量提取層對所述企業特征畫像、所述設備特征畫像和所述維保從業人員特征畫像進行處理，得到目標特征向量。

3.如權利要求1所述的基于機器學習的設備維保單位評估方法，其特征在于，所述維保數據還包括所述目標設備的使用單位對應的使用單位數據，在所述基于維保單位評估模型的特征向量提取層對所述企業特征畫像和所述設備特征畫像進行處理，得到目標特征向量之前，還包括：

根據所述使用單位數據，構建使用單位特征畫像；

對應地，所述基于維保單位評估模型的特征向量提取層對所述企業特征畫像和所述設備特征畫像進行處理，得到目標特征向量，包括：

基于維保單位評估模型的特征向量提取層對所述企業特征畫像、所述設備特征畫像和所述使用單位特征畫像進行處理，得到目標特征向量。

4.如權利要求1所述的基于機器學習的設備維保單位評估方法，其特征在于，所述維保數據還包括所述目標設備的使用環境數據，在所述基于維保單位評估模型的特征向量提取層對所述企業特征畫像和所述設備特征畫像進行處理，得到目標特征向量之前，還包括：

根據所述使用環境數據，構建環境特征畫像；

對應地，所述基于維保單位評估模型的特征向量提取層對所述企業特征畫像和所述設備特征畫像進行處理，得到目標特征向量，包括：

基于維保單位評估模型的特征向量提取層對所述企業特征畫像、所述設備特征畫像和所述環境特征畫像進行處理，得到目標特征向量。

5.如權利要求1所述的基于機器學習的設備維保單位評估方法，其特征在于，在所述獲取目標維保單位針對目標設備的維保數據之前，還包括：

獲取預設數目攜帶評分信息標簽的預設特征畫像作為目標樣本數據；所述預設特征畫像包括預設企業特征畫像和預設設備特征畫像；

設置訓練參數，并將所述目標樣本數據輸入初始的維保單位評估模型進行訓練，直至預設損失函數的計算結果小于或者等于預設閾值，得到經過機器學習的所述維保單位評估模型。

6.如權利要求1所述的基于機器學習的設備維保單位評估方法，其特征在于，在所述確定所述目標維保單位對應的評分信息之后，還包括：

根據所述目標維保單位對應的評分信息，確定所述目標維保單位對應的風險等級；

若所述風險等級等于或者高于預設等級，則發出風險提示信息。

7.如權利要求1至6任意一項所述的基于機器學習的設備維保單位評估方法，其特征在于，在所述確定所述目標維保單位對應的評分信息之后，還包括：

記錄所述目標維保單位在第一預設時間段內的評分信息，得到所述目標維保單位在第一預設時間段內的第一風險變化趨勢線；

根據所述第一風險變化趨勢線，預測所述目標維保單位在第二預設時間段內的預估風險變化趨勢線。