[发明专利]评估模型生成、评估数据处理方法、装置、设备及介质

权利要求书

1.一种评估模型生成方法，其特征在于，包括：

获取第一目标特征数据集；所述第一目标特征数据集关联一个标准结果；所述标准结果包含对所述第一目标特征数据集对应的评估样本的特性进行预先评估的第一概率评估数据；

将所述第一目标特征数据集输入至包含初始参数的多层感应器中进行处理，并将包含所述初始参数的所述多层感应器的第一输出结果输入至逻辑回归模型，得到第二输出结果；所述第二输出结果包含对所述第一目标特征数据集对应的所述评估样本的特性的第二概率评估数据；

将所述标准结果中的所述第一概率评估数据和所述第二输出结果中的所述第二概率评估数据分别输入所述逻辑回归模型对应的损失函数中进行运算，获取所述损失函数输出的损失值，并判断所述损失值是否小于或等于预设损失值；

若所述损失值小于或等于所述预设损失值，则确认由所述多层感应器与所述逻辑回归模型集成的评估模型训练完成。

2.根据权利要求1所述的评估模型生成方法，其特征在于，所述获取第一目标特征数据集之前，还包括：

获取所述评估样本对应的第一评估标签，对所述第一评估标签进行预先评估，得到与所述第一评估标签关联的所述标准结果；所述第一评估标签是从所述评估样本的待评估信息中提取的具有唯一性的关键要素；

自预设的知识图谱中获取所述第一评估标签的所有第一画像维度，并收集各所述第一评估标签的各类所述第一画像维度对应的第一画像维度数据；各类所述第一画像维度对应的所有所述第一画像维度数据中的其中一个所述第一画像维度数据中包含所述关键要素；

将所述第一评估标签的各类所述第一画像维度对应的所述第一画像维度数据进行数据清洗，并对数据清洗之后的各所述第一画像维度数据执行特征工程以提取各所述第一画像维度数据中的第一目标特征，根据自各所述第一画像维度数据中提取的所述第一目标特征生成与该所述第一评估标签对应的所述第一目标特征数据集，并将所述第一目标特征数据集和与所述第一评估标签对应的所述标准结果关联。

3.根据权利要求2所述的评估模型生成方法，其特征在于，所述对所述第一评估标签进行预先评估，得到与所述第一评估标签关联的所述标准结果，包括：

对获取到的所述第一评估标签进行分类并得到与所述第一评估标签对应的分类结果；一个所述分类结果关联至少一个评分方，一个所述评分方仅关联一个评分规则；

根据所述分类结果确定所述第一评估标签的所述评分方和所述评分规则，接收所述评分方根据所述评分规则对与所述第一评估标签对应的所述评估样本进行评估之后的评估分数；

对所述评估分数进行预处理，并将预处理后的所述评估分数导入预设的标签评估模型后，获取所述标签评估模型的标签评估结果，并根据所述标签评估结果以及预设的多分原则确定与所述第一评估标签关联的所述标准结果。

4.根据权利要求2所述的评估模型生成方法，其特征在于，所述将所述第一评估标签的各类所述第一画像维度对应的所述第一画像维度数据进行数据清洗，包括：

通过异常检测方法判断所述第一画像维度数据是否存在数据异常；

若所述第一画像维度数据存在数据异常，则将数据异常的所述第一画像维度数据中的异常进行删除。

5.根据权利要求2所述的评估模型生成方法，其特征在于，所述根据自各所述第一画像维度数据中提取的所述第一目标特征生成与该所述第一评估标签对应的第一目标特征数据集，包括：

检测自各所述第一画像维度数据中提取的所述第一目标特征是否存在预设的数据问题；

在所述第一目标特征存在所述数据问题时，获取与该数据问题对应的数据处理方法，在根据所述数据处理方法对所述数据问题进行数据处理之后，确定已完成数据处理的所述第一目标特征的特征性；

在所述第一目标特征不存在所述数据问题时，确定不存在所述数据问题的所述第一目标特征的特征性；

筛选所述特征性符合预设训练要求的所有所述第一目标特征，并根据筛选的所有所述第一目标特征生成所述第一目标特征数据集。