[发明专利]评价养老机构等级的方法、装置、设备及存储介质

说明书

本发明提供了一种评价养老机构等级的方法、装置、设备及存储介质，涉及计算机技术领域。其中，该方法包括：获取待评价的养老机构对应的基础数据；将基础数据输入到已训练的养老机构评价模型中处理，得到养老机构对应各个评价等级时的概率，该养老机构评价模型基于初始GBDT模型对训练样本集进行训练得到；根据每个概率确定养老机构对应的评价等级。上述方式中，该养老机构评价模型是基于初始GBDT模型对训练样本集进行训练得到的，基于该养老机构评价模型对待评价的养老机构对应的基础数据进行处理，使得到的评价结果更准确；且通过养老机构评价模型自动对基础数据进行处理，提升了评价养老机构的效率。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种评价养老机构等级的方法、装置、设备及存储介质。

背景技术

随着我国逐步迈入老龄化社会，养老作为社会问题，逐渐引起社会的关注，为老年人提供全日集中居住和照料服务的养老机构也越来越多。

社会上有几十万家养老机构，这些养老机构的水平参差不齐。目前，在对这些养老机构进行评价的实际工作中，主要依赖相关工作人员的经验对这些养老机构进行评价。然而，这种人工评价的方式评价速度慢、视角单一、容易受主观因素影响，导致对养老机构的评价效率低、评价结果不准确。

发明内容

基于上述现有技术存在的人工评价方式评价速度慢、视角单一、容易受主观因素影响，导致对养老机构的评价效率低、评价结果不准确的问题，本发明实施例提供一种评价养老机构等级的方法、装置、设备及存储介质，可以提高评价养老机构的效率，同时提升评价结果的准确性。

第一方面，本发明实施例提供一种评价养老机构等级的方法，所述方法包括：获取待评价的养老机构对应的基础数据；

将所述基础数据输入到已训练的养老机构评价模型中处理，得到所述养老机构对应各个评价等级时的概率，所述养老机构评价模型基于初始GBDT模型对训练样本集进行训练得到；

根据每个概率确定所述养老机构对应的评价等级。

本发明实施例提供的该评价养老机构等级的方法，通过已训练的养老机构评价模型对待评价的养老机构对应的基础数据进行处理，得到养老机构对应各个评价等级时的概率，根据每个概率确定待评价的养老机构对应的评价等级。上述方式中，该养老机构评价模型是基于初始GBDT模型对训练样本集进行训练得到的。GBDT模型全称梯度下降树模型(Gradient BoostingDecisionTree)，它是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。该GBDT模型是一种泛化能力较强的算法，比单一学习器的学习效果更显著优越。因此，基于初始GBDT模型对训练样本集进行训练得到的养老机构评价模型，其对待评价的养老机构对应的基础数据进行处理时，得到的处理结果更准确，进而使得该养老机构的评价等级更准确；且通过养老机构评价模型自动对基础数据进行处理，无需人工干预，提升了评价养老机构的效率。

可选地，所述基础数据包括所述养老机构对应的注册资本、占地面积、床位数量、入住率、服务项目、员工数量、护理员证书持有率、护理员数量中的任意一种数据或多种数据组合。

可选地，所述养老机构评价模型包括多个决策树，每个决策树对应一个评价等级。

可选地，所述将所述基础数据输入到已训练的养老机构评价模型中处理，得到所述养老机构对应各个评价等级时的概率，包括：

将所述基础数据输入每个决策树进行处理，得到所述养老机构对应各个评价等级时的概率。

可选地，所述每个决策树对应多个节点，每个节点包括一个切分点，所述每个节点对应所述基础数据中的一种数据。

可选地，所述将所述基础数据输入每个决策树进行处理，得到所述养老机构对应各个评价等级时的概率，包括：