[发明专利]一种基于聚类的专家分类画像方法、装置及存储介质

权利要求书

1.一种基于聚类的专家分类画像方法，其特征在于，包括：

建立专家评分规范体系；

在所述专家评分规范体系的基础上，建立评分预测模型，结合对标书的智能分析，判断出评分是否属于异常值，将属于异常值的评分数据进行输出；

建立异常评分历史数据库，将所述评分预测模型输出的异常值的评分数据输入至所述异常评分历史数据库中；

建立专家评价模型，所述专家评价模型基于所述异常评分历史数据库，计算并得出考评分值；

自定义专家标签类型，结合所述考评分值，通过聚类算法为专家设置标签，得到标签数据；

将所述标签数据输入标签数据库；

所述专家评价模型为：

通过基于大数据分析的方法获得与专家关联最密切的评价因子；

利用Logistic回归算法以及评价因子以及专家数据仓库中的历史数据计算出考评分值，所述考评分值为0至1；

所述建立专家评分规范体系包括：

采集专家评审历史数据以及同项目其他专家评分数据；

基于采集到的数据结合异常值分析算偏离模型，对每一个评分指标设定一个合理范围；

当所述评分指标符合所述合理范围时，则认为是正常值，当所述评分指标超出所述合理范围时，则认为是异常值；

所述评分预测模型为深度学习模型，所述建立评分预测模型包括：

获取专家数据仓库中的历史数据；

通过采集到的数据分析出专家评分的行为规则；

根据专家评分的行为规则，输出预测的专家评分分数。

2.根据权利要求1所述的基于聚类的专家分类画像方法，其特征在于，所述评分预测模型的训练方法为：使用快速学习网络、Elman神经网络以及趋势分析算法对所述评分预测模型进行训练。

3.根据权利要求1所述的基于聚类的专家分类画像方法，其特征在于，所述评价因子包括：评分、参与度、所在领域以及异常行为。

4.根据权利要求1所述的基于聚类的专家分类画像方法，其特征在于，所述专家评价模型还包括：

加入人为控制因素，对特殊情况单独处理，以完善所述专家评价模型。

5.根据权利要求1所述的基于聚类的专家分类画像方法，其特征在于，所述标签类型包括：属性标签、行为标签、项目标签。

6.一种具有基于聚类的专家分类画像的装置，其特征在于，包括：

体系建立模块，所述体系建立模块建立专家评分规范体系；

模型建立模块，所述模型建立模块在所述专家评分规范体系的基础上，建立评分预测模型，结合对标书的智能分析，判断出评分是否属于异常值，将属于异常值的评分数据进行输出；

数据库建立模块，所述数据库建立模块建立异常评分历史数据库，将所述评分预测模型输出的异常值的评分数据输入至所述异常评分历史数据库中；

评价模型建立模块，所述评价模型建立模块建立专家评价模型，所述专家评价模型基于所述异常评分历史数据库，计算并得出考评分值；

标签建立模块，所述标签建立模块自定义专家标签类型，结合所述考评分值，通过聚类算法为专家设置标签，得到标签数据；

存储模块，所述存储模块将所述标签数据输入标签数据库；

所述专家评价模型为：

通过基于大数据分析的方法获得与专家关联最密切的评价因子；

利用Logistic回归算法以及评价因子以及专家数据仓库中的历史数据计算出考评分值，所述考评分值为0至1；

所述建立专家评分规范体系包括：

采集专家评审历史数据以及同项目其他专家评分数据；

基于采集到的数据结合异常值分析算偏离模型，对每一个评分指标设定一个合理范围；

当所述评分指标符合所述合理范围时，则认为是正常值，当所述评分指标超出所述合理范围时，则认为是异常值；

所述评分预测模型为深度学习模型，所述建立评分预测模型包括：

获取专家数据仓库中的历史数据；

通过采集到的数据分析出专家评分的行为规则；

根据专家评分的行为规则，输出预测的专家评分分数。

7.一种存储介质，其特征在于，存储有计算机程序，所述计算机程序执行权利要求1~5任一项所述的方法。