[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

说明书

本申请属于大数据技术领域，涉及一种多目标对象的评价因子筛选方法及其相关设备，所述方法包括:读取全部目标对象的结果数据和过程数据，从中提取若干指标的信息，该信息包括指标名；基于各指标的特征向量生成表征所有目标对象的全部指标的特征矩阵输入预设的基于MLP算法的分类模型中，得到多个分类维度的指标集合；对各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，将筛选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。此外，本申请还涉及区块链技术，结果数据和过程数据中的保密信息可存储于区块链中。本申请分为多个维度对目标对象的评价更加全面，前瞻性强，可在任意时间点上进行动态评价。

技术领域

本申请涉及大数据技术领域，具体涉及多目标对象的评价因子筛选方法、装置、计算机设备及存储介质。

背景技术

目前在对实体机构这类目标对象进行评价采用的评价指标不充分，主观性强，难以通过技术手段把沉淀的数据进行整合并计算出各种指标对于目标对象的目标指标的相关性，即无法对目标对象的原子粒度数据进行充分的使用和挖掘，且难以挖掘前瞻性的评价数据，评价滞后性较强，此外现有评价过程难以系统化和自动化，无法在不同的时间点上基于目标对象的动态数据进行动态评价。

发明内容

本申请实施例的目的在于提出一种多目标对象的评价因子筛选方法、装置、计算机设备及存储介质，以解决现有技术中对实体机构这类目标对象进行评价时无法对目标对象的原子粒度数据进行充分的使用和挖掘，且难以挖掘前瞻性的评价数据，评价滞后性较强的问题。

为了解决上述技术问题，本申请实施例提供一种多目标对象的评价因子筛选方法，采用了如下所述的技术实施例：

一种多目标对象的评价因子筛选方法，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；

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。

在一些实施例中，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。

在一些实施例中，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。