[发明专利]数据评估方法、装置、电子设备及存储介质

权利要求书

1.一种数据评估方法，其特征在于，数据评估方法包括：

每隔预设周期利用网络爬虫技术从预设的多个数据源中获取目标对象的内部信息数据及外部信息数据；

融合处理所述内部信息数据及所述外部信息数据并得到目标数据，其中，所述目标数据包括目标对象的类别、关联报表及参数信息；

从所述关联报表中提取多个第一属性特征，及从所述参数信息中提取多个第二属性特征；

将所述多个第一属性特征输入至所述类别对应的信用风险模型，及将所述多个第二属性特征输入至所述类别对应的经营风险模型；

获取所述信用风险模型输出的信用风险值和所述经营风险模型输出的经营风险值；

根据所述信用风险值及所述经营风险值计算得到所述目标对象的最终风险值。

2.如权利要求1所述的数据评估方法，其特征在于，所述融合处理所述内部信息数据及所述外部信息数据并得到目标数据包括：

提取所述内部消息数据中的多个第一关键字段及所述外部信息数据中的多个第二关键字段；

将所述多个第一关键字段转换成预设类型的第一结构化数据及将所述多个第二关键字段转换成预设类型的第二结构化数据；

按照预设的识别规则识别所述第一结构化数据及所述第二结构化数据之间的关联关系，并按照所述关联关系连接所述第一结构化数据及所述第二结构化数据得到所述目标对象的目标数据。

3.如权利要求1所述的数据评估方法，其特征在于，所述从所述关联报表中提取多个第一属性特征，及从所述参数信息中提取多个第二属性特征包括：

使用第一深度学习算法从所述关联报表中提取与预先设定的信用风险特征词的相似度大于预设相似度阈值的多个信用风险特征标签，将所述多个信用风险特征标签作为多个第一属性特征；

使用第二深度学习算法从所述参数信息中提取与预先设定的经营风险特征词的相似度大于预设相似度阈值的多个经营风险特征标签，将所述多个经营风险特征标签作为多个第二属性特征。

4.如权利要求1所述的数据评估方法，其特征在于，所述信用风险模型的训练过程包括：

获取每个类别对应的多个目标对象；

提取每个目标对象的多个第一属性特征及对应的权重值和信用风险值，形成数据集；

将所述数据集随机分为第一数量的训练集和第二数量的测试集；

将所述训练集中的多个第一属性特征及对应的权重值和信用风险值输入至预设卷积神经网络中进行训练，得到信用风险模型；

将所述测试集输入至所述信用风险模型中进行测试，得到测试通过率；

判断所述测试通过率是否大于预设通过率阈值；

当所述测试通过率大于或者等于所述预设通过率阈值时，结束所述信用风险模型的训练；或者，当所述测试通过率小于所述预设通过率阈值时，增加所述训练集的数量，重新进行信用风险模型的训练。

5.如权利要求1所述的数据评估方法，其特征在于，所述根据所述信用风险值及所述经营风险值计算得到所述目标对象的最终风险值包括：

计算所述信用风险值与预设的第一权重值的乘积，得到第一最终风险值；

计算所述经营风险值与预设的第二权重值的乘积，得到第二最终风险值；

计算所述第一最终风险值和所述第二最终风险值的总和得到所述目标对象的最终风险值。

6.如权利要求1所述的数据评估方法，其特征在于，在根据所述信用风险值和所述经营风险值计算得到所述目标对象的最终风险值之后，所述方法还包括：

将所述目标对象的最终风险值与预设的风险阈值进行比对；

当所述目标对象的最终风险值大于或者等于所述预设的风险阈值时，标识所述目标对象为可推荐目标对象；

当所述目标对象的最终风险值小于所述预设的风险阈值时，上报风险处置预案至所述目标对象。