[发明专利]一种确定评估结果的方法及装置

权利要求书

1.一种确定评估结果的方法，其特征在于，包括：

获取待评估对象的多维度评估数据；

将所述多维度评估数据输入神经网络模型，通过所述神经网络模型中的各隐藏层，得到所述待评估对象的评估结果；所述神经网络模型是根据预设的网络模型进行训练后得到的，所述预设的网络模型在训练过程中进行前向传播时，根据当前隐藏层的神经元的输出值，将当前隐藏层的神经元的输出值跳转连接至所述当前隐藏层的后面的任一隐藏层的神经元中。

2.如权利要求1所述的方法，其特征在于，将所述多维度评估数据输入神经网络模型之前，还包括：

对所述多维度评估数据进行预处理，确定出神经网络模型的输入层的输入值。

3.如权利要求1所述的方法，其特征在于，所述神经网络模型是根据预设的网络模型进行训练后得到的，包括：

将样本数据输入至预设的网络模型进行训练；所述预设的网络模型包括多个隐藏层；多个所述隐藏层用于确定样本数据之间的关系的权重值；

在所述网络模型的训练次数达到阈值，或所述网络模型训练的损失函数小于误差阈值，则得到所述神经网络模型。

4.如权利要求3所述的方法，其特征在于，所述多个隐藏层为四层；其中，与输入层连接的第一隐藏层的神经元与所述输入层的神经元一一对应；所述输入层的神经元数量与多维度评估数据的数量相对应；与第一隐藏层连接的第二隐藏层具有12个神经元，与第二隐藏层连接的第三隐藏层具有7个神经元，与输出层连接的隐藏层具有7个神经元。

5.一种确定评估结果的装置，其特征在于，包括：

获取模块，用于获取待评估对象的多维度评估数据；

处理模块，用于将所述多维度评估数据输入神经网络模型，通过所述神经网络模型中的各隐藏层，得到所述待评估对象的评估结果；所述神经网络模型是根据预设的网络模型进行训练后得到的，所述预设的网络模型在训练过程中进行前向传播时，根据当前隐藏层的神经元的输出值，将当前隐藏层的神经元的输出值跳转连接至所述当前隐藏层的后面的任一隐藏层的神经元中。

6.如权利要求5所述的装置，其特征在于，所述处理模块还用于：

将所述多维度评估数据输入神经网络模型之前，对所述多维度评估数据进行预处理，确定出神经网络模型的输入层的输入值。

7.如权利要求5所述的装置，其特征在于，所述处理模块具体用于：

将样本数据输入至预设的网络模型进行训练；所述预设的网络模型包括多个隐藏层；多个所述隐藏层用于确定样本数据之间的关系的权重值；

在所述网络模型的训练次数达到阈值，或所述网络模型训练的损失函数小于误差阈值，则得到所述神经网络模型。

8.如权利要求7所述的装置，其特征在于，所述多个隐藏层为四层；其中，与输入层连接的第一隐藏层的神经元与所述输入层的神经元一一对应；所述输入层的神经元数量与多维度评估数据的数量相对应；与第一隐藏层连接的第二隐藏层具有12个神经元，与第二隐藏层连接的第三隐藏层具有7个神经元，与输出层连接的隐藏层具有7个神经元。

9.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至4任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至4任一项所述的方法。