[发明专利]一种项目数据处理方法及装置

权利要求书

1.一种项目数据处理方法，其特征在于，包括：

获取待处理项目的发起人的属性信息及历史项目参与信息；获取所述待处理项目的项目内容信息；

根据所述发起人的属性信息、历史项目参与信息、所述项目内容信息，以及预先训练的项目可信度计算模型，确定所述待处理项目的可信度，所述可信度表示待处理项目为真实项目的可信程度；

确定所述待处理项目与已上线的各项目的相似度，并根据所述相似度确定所述待处理项目的创新性，其中，项目的相似度与创新性成反比关系；

确定所述待处理项目的发起人，历史发起的真实项目和虚假项目的个数；

至少根据所述待处理项目的可信度，对所述待处理项目进行数据处理，包括：

根据所述待处理项目的可信度、所述待处理项目的创新性，以及所述历史发起的真实项目和虚假项目的个数，确定所述待处理项目的评价结果；

根据所述待处理项目的评价结果，对所述待处理项目进行数据处理。

2.根据权利要求1所述的方法，其特征在于，所述项目可信度计算模型包括发起人可信度计算子模型、项目内容可信度计算子模型和项目可信度计算子模型；

所述根据所述发起人的属性信息、历史项目参与信息、所述项目内容信息，以及预先训练的项目可信度计算子模型，确定所述待处理项目的可信度，包括：

根据所述发起人的属性信息、历史项目参与信息和所述发起人可信度计算子模型，确定所述发起人的可信度，所述发起人的可信度表示该发起人发起真实项目的概率；

根据所述项目内容信息及所述项目内容可信度计算子模型，确定所述项目内容的可信度，所述项目内容的可信度表示该项目内容可信的概率；

根据所述发起人的可信度、所述项目内容的可信度及所述项目可信度计算子模型，确定所述待处理项目的可信度。

3.根据权利要求2所述的方法，其特征在于，所述发起人可信度计算子模型的训练过程，包括：

获取正负样本数据，所述正负样本数据包括：样本标签标记为发起虚假项目的用户的属性信息及历史项目参与信息，以及样本标签标记为发起真实项目的用户的属性信息及历史项目参与信息；

根据所述正负样本数据，利用机器学习算法训练发起人可信度计算子模型，得到训练后的发起人可信度计算子模型。

4.根据权利要求2所述的方法，其特征在于，所述项目内容可信度计算子模型的训练过程，包括：

获取正负样本数据，所述正负样本数据包括：样本标签标记为虚假的项目内容信息，以及样本标签标记为真实的项目内容信息；

根据所述正负样本数据，利用机器学习算法训练项目内容可信度计算子模型，得到训练后的项目内容可信度计算子模型。

5.根据权利要求2所述的方法，其特征在于，所述项目可信度计算子模型的训练过程，包括：

获取正负样本数据，所述正负样本数据包括：样本标签标记为虚假项目的发起人的可信度和项目内容的可信度，以及样本标签标记为真实项目的发起人的可信度和项目内容的可信度；

根据所述正负样本数据，利用机器学习算法训练项目可信度计算子模型，得到训练后的项目可信度计算子模型。

6.根据权利要求1所述的方法，其特征在于，所述待处理项目的项目内容包括项目描述文本；所述确定所述待处理项目与已上线的各项目的相似度，包括：

对所述待处理项目及已上线的各项目的项目描述文本进行文本分析，得到待处理项目及已上线各项目的主题向量；

根据待处理项目的主题向量与已上线的每一项目的主题向量，计算待处理项目与已上线的每一项目的相似性；

根据待处理项目与已上线的每一项目的相似性，确定所述待处理项目与已上线各项目的相似度。