数据处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种数据处理方法、装置、设备及存储介质，所述方法包括：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。本发明专利技术针对待评估项目，利用其所对应的评估指标信息以及基于深度学习的评估模型，能够自动得到待评估项目的评估结果，进而根据待评估项目的评估结果自动生成目标行业的行业研究数据。

【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，本专利技术提供一种数据处理装置，包括：数据采集模块，用于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；处理模块，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；生成模块，用于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。第四方面，本专利技术提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序被所述处理器执行时实现如上第一方面所述的数据处理方法的步骤。第五方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现如上第一方面所述的数据处理方法的步骤。本专利技术中，获取目标行业的待评估项目对应的评估指标信息，其中，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；根据评估模型和评估指标信息，确定待评估项目的评估结果；根据待评估项目的评估结果，生成目标行业的行业研究数据。针对待评估项目，利用其所对应的评估指标信息以及基于深度学习的评估模型，能够自动得到待评估项目的评估结果，进而根据待评估项目的评估结果自动生成目标行业的行业研究数据。附图说明图1为本专利技术一实施例的示例运行环境的示意图；图2为本专利技术一实施例提供的数据处理方法的流程示意图；图3为本专利技术一实施例提供的采集评估指标信息的示意图；图4为本专利技术又一实施例提供的数据处理方法的流程示意图；图5为本专利技术另一实施例提供的数据处理方法的流程示意图；图6为本专利技术一实施例提供的数据处理系统的架构示意图；图7为本专利技术又一实施例提供的数据处理系统的架构示意图；图8为本专利技术一实施例提供的数据处理装置的结构示意图；图9为本专利技术一实施例提供的电子设备的硬件结构示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。本专利技术实施例提出一种数据处理工具，该数据处理工具利用深度学习技术，通过采集待评估项目的评估指标信息，利用基于深度学习的评估模型对评估指标信息进行处理，自动得到待评估项目的评估结果，并自动根据评估结果生成行业研究数据。在描述本专利技术实施例提供的数据处理方法之前，先根据图1来了解下本专利技术实施例的示例运行环境。如图1所示，在左侧示出了查询行业研究数据的主体，例如个人11、企业12、行业协会13等。还可以有其他的主体，在此不作限定。这些主体可以通过终端设备向系统平台14请求查询目标行业的行业研究数据。来自各个主体的查询请求通过网络被提供给系统平台14。另外，系统平台14也可以定期将行业研究数据通过网络发送给各个主体的终端设备。系统平台14用于执行行业研究数据生成任务。系统平台14可以包括数据采集模块、处理模块、生成模块、预警模块和推荐模块中的部分或全部，在此不作限定。其中，数据采集模块用于通过网络从各个数据源平台(如网络平台15、企业数据库16、诉讼案件数据库17等)采集目标行业相关的源数据，通过爬虫技术、自然语言处理技术等从源数据中提取并保存目标行业的待评估项目对应的评估指标信息。处理模块用于通过待评估项目对应的深度学习的评估模型，对评估指标信息进行处理，以得到待评估项目的评估结果。生成模块用于根据待评估项目的评估结果，生成目标行业的行业研究数据，并进行保存或者通过网络推送给相应主体的电子设备。预警模块用于根据行业研究数据确定存在风险的企业，并通过网络向相关的企业或个人的电子设备推送预警消息。推荐模块用于根据行业研究数据确定企业的企业推荐潜在供应商和/或潜在客户，通过网络向企业的电子设备推荐潜在供应商和/或潜在客户。系统平台14可以由数据处理装置或电子设备实现。在上述示例运行环景中，个人11可以使用各种设备访问网络，例如个人计算机、服务器、平板、手机、笔记本电脑或其它任何具有联网功能的电子设备。而企业12、行业协会13、系统平台14、各种数据源15-17可以利用上述电子设备，也可以利用具有更强大处理能力和更高安全性的一个服务器或服务器组来实现。而它们之间所使用的网络可以包括各种类型的有线和无线网络，例如但不局限于：互联网、局域网、WIFI(WirelessFidelity，无线保真)、WLAN(WirelessLocalAreaNetwork，无线局域网)、蜂窝通信网络(CDMA(CodeDivisionMultipleAccess，码分多址)、2G/3G/4G/5G蜂窝网络)、卫星通信网络等等。需要说明的是，上述示例运行环景仅用于示例，本专利技术实施例提供的数据处理方法还可以应用于其他的运行环景，不作为限定。传统的行业专家根据专业经验对行业信息进行分析，得到行业研究数据，存在以下缺点：行业研究数据的生成效率低；由于行业专家的行业偏好、知识面受限等，导致行业研究数据具有主观性，准确性较差；行业专家局限于传统的关系数据库，如企业的日常经营数据，行业宏观数据等，利用结构化数据进行分析，数据较少导致准确本文档来自技高网...

【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