[发明专利]数据评估方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种数据评估方法、装置、电子设备及存储介质，所述方法包括：每隔预设周期从预设的多个数据源中获取目标对象的内部信息数据及外部信息数据进行融合处理得到目标数据；从关联报表中提取多个第一属性特征及从参数信息中提取多个第二属性特征；并分别输入至类别对应的信用风险模型及经营风险模型中；获取信用风险值和经营风险值；根据信用风险值及经营风险值计算得到目标对象的最终风险值。本发明根据类别对应的风险模型计算目标对象的信用风险值和经营风险值，提高了目标对象数据评估的准确率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种数据评估方法、装置、电子设备及存储介质。

背景技术

随着一系列关于规范地方政府债务管理、防范财政风险等方面的策略的出台，需要清楚的掌握每个目标对象的经营情况及债务情况，进而得到每个目标对象的风险评级，根据风险评级进行数据评估。

然而，现有技术只是根据每个目标对象的关联报表进行风险评估，风险评估的维度单薄，分析能力不高，未考虑到目标对象的参数信息的维度数据，使得风险评估的评估结果不准确，无法正确的进行目标对象数据评估，导致计算得到的目标对象风险值的正确率低。

发明内容

鉴于以上内容，有必要提出一种数据评估方法、装置、电子设备及存储介质，根据类别对应的风险模型计算目标对象的信用风险值和经营风险值，提高了目标对象的数据评估的准确率。

本发明的第一方面提供一种数据评估方法，所述方法包括：

每隔预设周期利用网络爬虫技术从预设的多个数据源中获取目标对象的内部信息数据及外部信息数据；

融合处理所述内部信息数据及所述外部信息数据并得到目标数据，其中，所述目标数据包括目标对象的类别、关联报表及参数信息；

从所述关联报表中提取多个第一属性特征，及从所述参数信息中提取多个第二属性特征；

将所述多个第一属性特征输入至所述类别对应的信用风险模型，及将所述多个第二属性特征输入至所述类别对应的经营风险模型；

获取所述信用风险模型输出的信用风险值和所述经营风险模型输出的经营风险值；

根据所述信用风险值及所述经营风险值计算得到所述目标对象的最终风险值。

优选的，所述融合处理所述内部信息数据及所述外部信息数据并得到目标数据包括：

提取所述内部消息数据中的多个第一关键字段及所述外部信息数据中的多个第二关键字段；

将所述多个第一关键字段转换成预设类型的第一结构化数据及将所述多个第二关键字段转换成预设类型的第二结构化数据；

按照预设的识别规则识别所述第一结构化数据及所述第二结构化数据之间的关联关系，并按照所述关联关系连接所述第一结构化数据及所述第二结构化数据得到所述目标对象的目标数据。

优选的，所述从所述关联报表中提取多个第一属性特征，及从所述参数信息中提取多个第二属性特征包括：

使用第一深度学习算法从所述关联报表中提取与预先设定的信用风险特征词的相似度大于预设相似度阈值的多个信用风险特征标签，将所述多个信用风险特征标签作为多个第一属性特征；

使用第二深度学习算法从所述参数信息中提取与预先设定的经营风险特征词的相似度大于预设相似度阈值的多个经营风险特征标签，将所述多个经营风险特征标签作为多个第二属性特征。

优选的，所述信用风险模型的训练过程包括：

获取每个类别对应的多个目标对象；

提取每个目标对象的多个第一属性特征及对应的权重值和信用风险值，形成数据集；