[发明专利]一种多目标对象的评价因子筛选方法及其相关设备

权利要求书

1.一种多目标对象的评价因子筛选方法，其特征在于，包括下述步骤：

根据评价因子筛选指令读取全部目标对象的结果数据和过程数据，从所述结果数据和所述过程数据中提取若干指标的信息，所述指标的信息至少包括指标名；所述结果数据为与所述目标对象相关的操作或者任务的最终输出数据，所述过程数据为所述操作或任务的执行过程中，与所述操作或任务相关联的附加数据；

对各所述指标的信息进行向量化处理，得到各所述指标的特征向量，并基于各所述特征向量生成表征各所述目标对象的特征矩阵，将所述特征矩阵作为入模特征输入预设的基于MLP算法的分类模型中，输出各所述指标的分类结果，得到多个分类维度的指标集合；

对各所述指标集合中的指标依次进行数据质量筛选、指标重要性筛选和指标自相关性筛选，将所述数据质量、所述指标重要性和所述指标自相关性均满足预设条件的指标作为评价因子，得到多个分类维度的评价因子集合，以根据各所述评价因子集合进行评价因子的分布计算，并基于分布计算结果对各所述目标对象进行对应评价;

其中，所述根据各所述评价因子集合进行评价因子的分布计算包括：

获取多个数据采集时间节点，基于所述多个数据采集时间节点获取多个目标时间段内的结果数据和过程数据，得到每个分类维度的多个评价因子的数据集合，再根据各所述评价因子的数据集合得到各所述目标对象的一组评价值，并根据该组评价值进行各所述评价因子的分布计算。

2.根据权利要求1所述的多目标对象的评价因子筛选方法，其特征在于，所述从所述结果数据和所述过程数据中提取若干指标的信息包括:

判断所述结果数据和所述过程数据的数据类型，所述数据类型包括结构化数据和非结构化数据；当判定为结构化数据时，从其对应的数据表中提取若干表字段，当判定为非结构化数据时执行数据转换操作，对转换后的数据执行分词操作，得到若干分词；将所述若干分词和所述表字段进行指标名匹配，将同义的不同分词或表字段映射至同一个字段，得到若干指标名，即得到若干指标的信息。

3.根据权利要求2所述的多目标对象的评价因子筛选方法，其特征在于，所述指标的信息还包括指标来源、指标均值和指标中位数，所述对各所述指标的信息进行向量化处理，得到各所述指标的特征向量，并基于各所述特征向量生成表征各所述目标对象的特征矩阵包括：

将各所述指标名转换为one-hot向量，将各所述指标名的one-hot向量作为预设的Word-to-Vector模型的输入进行降维处理，输出各所述指标名的低维词向量，并对所述指标来源进行赋值操作；

将所述指标名的低维词向量、赋值后的指标来源、指标均值和指标中位数根据一定的拼接顺序进行拼接得到每个所述指标的特征向量，再将各所述特征向量进行拼接得到所述特征矩阵。

4.根据权利要求3所述的多目标对象的评价因子筛选方法，其特征在于，在所述将所述特征矩阵作为入模特征输入预设的基于MLP算法的分类模型中之前，所述方法还包括：

从提取的若干指标中随机筛选出预设数量的指标，将其对应的数据发送至目标处理端，并接收所述目标处理端反馈的所述预设数量的指标对应的数据的分类标注信息；将具有分类标注信息的所述预设数量的指标的数据随机划分为训练集和测试集，将所述训练集作为基于MLP算法的分类模型的模型输入进行模型训练，待训练结束后通过所述测试集进行模型验证，当模型验证结果满足预设条件时完成训练，得到所述预设的基于MLP算法的分类模型。

5.根据权利要求1至4任一项所述的多目标对象的评价因子筛选方法，其特征在于，所述对各所述指标集合中的指标依次进行数据质量筛选、指标重要性筛选和指标自相关性筛选包括：

获取各所述指标集合中的指标的数据的非空比例，计算各所述指标集合的指标与对应的目标对象的目标指标的相关系数，并计算各所述指标集合的指标之间的自相关系数；根据所述数据的非空比例、所述相关系数和所述自相关系数依次进行数据质量筛选、指标重要性筛选和指标自相关性筛选。