[发明专利]一种年报数据质量评价方法、装置、电子设备及存储介质

说明书

本发明涉及数据质量评价技术领域，具体涉及一种年报数据质量评价方法、装置、电子设备及存储介质，该方法包括以下步骤：对获取的企业年报数据进行标准化处理，得到标准化数据；将标准化数据输入由多种异常值检测算法构成的机器学习模型中识别相应的异常值；根据异常值对企业年报数据中相应的数据指标进行投票，若某一数据指标被两个及两个以上的异常值检测算法识别出异常而进行投票，则记录数据指标所关联的企业的异常得分，汇总企业所有数据指标的异常得分，得到企业的总异常得分，本发明实施例采用由多种异常值检测算法构成的机器学习模型集中投票的方式判定，不存在人的主观因素的影响，评价结果准确。

技术领域

本发明涉及数据质量评价技术领域，具体涉及一种年报数据质量评价方法、装置、电子设备及存储介质。

背景技术

2014年10月1日我国正式实施企业年报公示制度，明确规定企业应当依法按时年报。企业年报内容涵盖了企业的资产、运营、税务、行政奖惩等大量数据信息，若能够将企业的年报数据加以科学合理的分析运用，既能为促进经济社会发展提供决策参考，也是政府部门监管能力的集中体现。但是，在年报工作推进过程中发现，尚有部分企业由于经营管理上不够规范、人员流动或交接不到位、财务管理混乱等原因导致年报信息往往随便填写，大大降低了企业年报数据的质量。因此，提供一种可靠的年报数据质量评价方法，对政府经济决策及政府精准监管无疑具有重要意义。

现行的数据质量评价方法主要包括AHP层次分析法、缺陷扣分法等。AHP层次分析法首先将复杂的问题分解成若干层次，建立阶梯层次结构，然后构成判断矩阵，进行单排序一致性检验，最后进行层次总排序和一致性检验，得出结果，该方法的核心是对评价对象进行优劣排序、评价和选择，从而为评价主体提供定量形式的评价依据，具有高度的简明性、有效性、可靠性和广泛的适用性。缺陷扣分法是通过把握评价对象的结构缺陷进行判断的方法，通过计算单位产品的得分值，然后由单位产品的得分值来评价信息质量，其特点是操作简便。

发明人在实践中，发现上述现有技术存在以下缺陷：

AHP层次分析法主要表现在其结果只是针对准则层中的要素，人的主观判断对结果的影响较大，同时，该方法运用具有一定的滞后性，不适用于频繁进行的数据质量评价活动。缺陷扣分法在实际操作中，缺陷扣分跨越太大，评价结果较粗糙，容易偏激。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种年报数据质量评价方法、装置、电子设备及存储介质，所采用的技术方案具体如下：

第一方面，本发明实施例提供了一种年报数据质量评价方法，该检测方法包括以下步骤：

对获取的企业年报数据进行标准化处理，得到标准化数据；

将所述标准化数据输入由多种异常值检测算法构成的机器学习模型中识别相应的异常值；

根据所述异常值对所述企业年报数据中相应的数据指标进行投票，若某一数据指标被两个及两个以上的异常值检测算法识别出异常而进行投票，则记录所述数据指标所关联的企业的异常得分，汇总所述企业所有数据指标的异常得分，得到所述企业的总异常得分。

第二方面，本发明实施例提供了一种年报数据质量评价装置，该装置包括：

预处理模块，用于对获取的企业年报数据进行标准化处理，得到标准化数据；

识别模块，用于将所述标准化数据输入由多种异常值检测算法构成的机器学习模型中识别相应的异常值；

评分模块，用于根据所述异常值对所述企业年报数据中相应的数据指标进行投票，若某一数据指标被两个及两个以上的异常值检测算法识别出异常而进行投票，则记录所述数据指标所关联的企业的异常得分，汇总所述企业所有数据指标的异常得分，得到所述企业的总异常得分。

第三方面，本发明实施例提供了一种电子设备，包括：