【技术实现步骤摘要】
数据处理方法、装置、设备及存储介质
本专利技术涉及人工智能领域,尤其涉及一种数据处理方法、装置、设备及存储介质。
技术介绍
目前宏观政策制定、地方招商以及量化投资等都需要参考行业研究数据。例如,行业研究数据可以为行业景气度、地区行业排名、行业中企业供应链上游风险等。因而,需要一种数据处理工具,来对行业的相关数据进行处理,以生成行业研究数据。
技术实现思路
本专利技术的主要目的在于提供一种数据处理方法、装置、设备及存储介质,旨在能够自动生成行业研究数据,以提升行业研究数据的生成效率。为实现上述目的,第一方面,本专利技术提供一种数据处理方法,包括:获取目标行业的待评估项目对应的评估指标信息,其中,所述待评估项目对应于至少一项评估指标信息以及一个基于深度学习的评估模型;根据所述评估模型和所述评估指标信息,确定所述待评估项目的评估结果;根据所述待评估项目的评估结果,生成所述目标行业的行业研究数据。第二方面,本专利技术提供一种数据处理系统,包括:数据采集服务器和评估服务器;所述数据采集服务器,用于获取目标行业的待评估项目对应的评估指标信息,将所述评估指标信息发送至所述评估服务器;其中,所述待评估项目对应于至少一项评估指标信息以及一个基于深度学习的评估模型;所述评估模型存储于所述评估服务器;所述评估服务器,用于根据所述评估模型和所述评估指标信息,确定所述待评估项目的评估结果;并根据所述待评估项目的评估结果,生成所述目标行业的行业研究数据。第三方面,本专利 ...
【技术保护点】
1.一种数据处理方法,其特征在于,包括:/n获取目标行业的待评估项目对应的评估指标信息,其中,所述待评估项目对应于至少一项评估指标信息以及一个基于深度学习的评估模型;/n根据所述评估模型和所述评估指标信息,确定所述待评估项目的评估结果;/n根据所述待评估项目的评估结果,生成所述目标行业的行业研究数据。/n
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:
获取目标行业的待评估项目对应的评估指标信息,其中,所述待评估项目对应于至少一项评估指标信息以及一个基于深度学习的评估模型;
根据所述评估模型和所述评估指标信息,确定所述待评估项目的评估结果;
根据所述待评估项目的评估结果,生成所述目标行业的行业研究数据。
2.根据权利要求1所述的方法,其特征在于,每项评估指标信息对应于一个权重值;所述方法还包括:
获取所述目标行业的多个历史评估项目的历史评估结果,以及各历史评估项目对应的多项候选评估指标的历史信息;
根据所述多个历史评估项目的历史评估结果,各历史评估项目对应的多项候选评估指标的历史信息以及相关性分析算法,确定各候选评估指标与评估结果的相关度;
将相关度大于预设相关度阈值的候选评估指标,确定为所述待评估项目对应的评估指标,并根据各评估指标对应的相关度,确定所述待评估项目对应的各评估指标的权重值;所述评估指标信息为所述评估指标对应的数据;
所述根据所述评估模型和所述评估指标信息,确定所述待评估项目的评估结果,包括:
将各评估指标信息以及相应的权重值输入所述评估模型,以得到所述评估模型输出的所述待评估项目的评估结果。
3.根据权利要求2所述的方法,其特征在于,所述待评估项目包括目标企业的供应链上游风险评估项目;所述评估模型包括风险评估模型;所述方法还包括:
获取历史风险企业的各上游企业的评估指标历史信息,其中,历史风险企业为目标预设历史时段内发生供应链上游风险的企业;
根据所述评估指标历史信息生成目标训练集;
根据所述目标训练集对所述风险评估模型进行训练;
所述将各评估指标信息及其相应的权重值输入所述评估模型,以得到所述评估模型输出的所述待评估项目的评估结果,包括:
将所述目标企业的各上游企业的各评估指标信息以及相应的权重,输入到所述风险评估模型,以得到所述风险评估模型输出的所述目标企业的供应链上游风险评估结果。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述目标企业的供应链上游风险评估结果表征所述目标企业的供应链上游风险程度超过预设上游风险阈值时,向所述目标企业对应的终端设备推送预警消息。
5.根据权利要求1所述的方法,其特征在于,所述待评估项目包括目标企业的供应链上游风险评估项目,和/或供应链下游风险评估项目;
所述方法还包括:
在所述目标企业的供应链上游风险评估结果表征所述目标企业的供应链上游风险程度超过预设上游风险阈值时,获取多个第一候选企业的至少一项第一推荐指标信息;根据基于深度学习的供应商推荐模型和所述第一推荐指标信息,从所述多个第一候选企业中,确定所述目标企业的潜在供应商;向所述目标企业对应的终端设备推送第一推荐消息,所述第一推荐消息中包括所述潜在供应商的标识;
和/或,
在所述目标企业的供应链下游风险评估结果表征所述目标企业的供应链下游风险程度超过预设下游风险阈值时,获取多个第二候选企业的至少一项第二推荐指标信息;根据基于深度学习的客户推荐模型和所述第二推荐指标信息,从所述多个第二候选企业中,确定所述目标企业的潜在客户;向所述目标企业对应的终端设备推送第二推荐消息,所述第二推荐消息中包括所述潜在客户的标识。
<...
【专利技术属性】
技术研发人员:李超,吴海山,殷磊,
申请(专利权)人:深圳前海微众银行股份有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。