[发明专利]一种确定评估结果的方法及装置

说明书

本发明公开了一种确定评估结果的方法及装置，包括：获取待评估对象的多维度评估数据，将多维度评估数据输入神经网络模型，通过神经网络模型中的各隐藏层，得到待评估对象的评估结果，其中，神经网络模型是根据预设的网络模型进行训练后得到的，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当前隐藏层的后面的任一隐藏层的神经元中。根据待评估对象的不同的多维度评估数据对待评估对象进行评估，以从多维度分析不同类型的待评估对象的价值，不再使用单一的评价模型反映待评估对象的价值，提升了企业的投资价值评估的全面性，准确性。

技术领域

本发明涉及大数据领域，尤其涉及一种确定评估结果的方法及装置。

背景技术

企业的投资价值评估是投资中的一个核心问题。目前企业使用的传统投资价值评估方法一般包括三种：自由现金流量折现法、经济增加值模型、市盈率法。上述方法大多利用固定评估模型对企业进行投资价值评估。例如，只使用企业的税后经营利润、债务和股票成本对该企业进行投资价值评估。但这种利用固定评估模型对企业进行投资价值评估的方法取得的参考价值并不全面。随着企业的转型、人们的思维方式及社会的进步等，企业所产生的经营数据也随着技术的发展呈现指数级的增加。例如企业的年报、财物信息、经营信息、资产信息、税务信息、知识产权等企业的多个维度的经营数据，但上述方法并不能通过使用多个维度的经营数据评价一个企业的投资价值。

因此，现亟需一种通过多个维度的经营数据分析企业的投资价值。

发明内容

本发明实施例提供一种确定评估结果的方法及装置，用于提升企业的投资价值评估的全面性，准确性，并减少确定评估结果时的计算量。

第一方面，本发明实施例提供一种评估的方法，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。

上述技术方案中，根据待评估对象的不同的多维度评估数据对待评估对象进行评估，以从多维度分析不同类型的待评估对象的价值，不再使用单一的评价模型反映待评估对象的价值，提升了企业的投资价值评估的全面性，准确性。在预设的网络模型进行前向传播时，当前隐藏层的神经元的输出值可以跳转至当前隐藏层的后面的任一隐藏层，以减少预设的网络模型中的隐藏层的数量，减小预设的网络模型的隐藏层的神经元的数量及神经网络模型的大小，增加神经网络模型计算待评估对象的评估结果的速度而不降低准确率。通过设置阈值，以使网络模型在训练至阈值的训练次数时，检测网络模型是否符合标准，以减少网络模型训练的次数，提高了神经网络模型训练时的效率，根据误差阈值提高了神经网络模型的准确度。

利用神经网络的自学习功能得到待评估对象的评估结果，不再需要通过复杂的公式计算待评估对象的评估结果，减少确定待评估对象的评估结果时的计算量。

可选的，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。

上述技术方案中，对多维度评估数据进行数据预处理，以减少多维度评估数据之间的差异性，提高神经网络模型输出的效率，并提高神经网络模型输出的准确度。

可选的，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；