[发明专利]基于机器学习的设备维保单位评估方法、装置及电子设备

权利要求书

1.一种基于机器学习的设备维保单位评估方法，其特征在于，包括：

获取目标维保单位针对目标设备的维保数据，所述维保数据包括所述目标维保单位对应的维保单位数据和所述目标设备对应的设备数据；

根据所述维保单位数据，构建所述目标维保单位对应的企业特征画像；

根据所述设备数据，构建所述目标设备对应的设备特征画像；

基于维保单位评估模型的特征向量提取层对所述企业特征画像和所述设备特征画像进行处理，得到目标特征向量；其中，所述维保单位评估模型为提前经过机器学习得到的模型；

基于所述维保单位评估模型的预设分类器对所述目标特征向量进行处理，得到分类概率；

根据所述分类概率，确定所述目标维保单位对应的评分信息。

2.如权利要求1所述的基于机器学习的设备维保单位评估方法，其特征在于，所述维保数据还包括所述目标维保单位的维保从业人员数据，在所述基于维保单位评估模型的特征向量提取层对所述企业特征画像和所述设备特征画像进行处理，得到目标特征向量之前，还包括：

根据所述维保从业人员数据，构建维保从业人员特征画像；

对应地，所述基于维保单位评估模型的特征向量提取层对所述企业特征画像和所述设备特征画像进行处理，得到目标特征向量，包括：

基于维保单位评估模型的特征向量提取层对所述企业特征画像、所述设备特征画像和所述维保从业人员特征画像进行处理，得到目标特征向量。

3.如权利要求1所述的基于机器学习的设备维保单位评估方法，其特征在于，所述维保数据还包括所述目标设备的使用单位对应的使用单位数据，在所述基于维保单位评估模型的特征向量提取层对所述企业特征画像和所述设备特征画像进行处理，得到目标特征向量之前，还包括：

根据所述使用单位数据，构建使用单位特征画像；

对应地，所述基于维保单位评估模型的特征向量提取层对所述企业特征画像和所述设备特征画像进行处理，得到目标特征向量，包括：

基于维保单位评估模型的特征向量提取层对所述企业特征画像、所述设备特征画像和所述使用单位特征画像进行处理，得到目标特征向量。

4.如权利要求1所述的基于机器学习的设备维保单位评估方法，其特征在于，所述维保数据还包括所述目标设备的使用环境数据，在所述基于维保单位评估模型的特征向量提取层对所述企业特征画像和所述设备特征画像进行处理，得到目标特征向量之前，还包括：

根据所述使用环境数据，构建环境特征画像；

对应地，所述基于维保单位评估模型的特征向量提取层对所述企业特征画像和所述设备特征画像进行处理，得到目标特征向量，包括：

基于维保单位评估模型的特征向量提取层对所述企业特征画像、所述设备特征画像和所述环境特征画像进行处理，得到目标特征向量。

5.如权利要求1所述的基于机器学习的设备维保单位评估方法，其特征在于，在所述获取目标维保单位针对目标设备的维保数据之前，还包括：

获取预设数目携带评分信息标签的预设特征画像作为目标样本数据；所述预设特征画像包括预设企业特征画像和预设设备特征画像；

设置训练参数，并将所述目标样本数据输入初始的维保单位评估模型进行训练，直至预设损失函数的计算结果小于或者等于预设阈值，得到经过机器学习的所述维保单位评估模型。

6.如权利要求1所述的基于机器学习的设备维保单位评估方法，其特征在于，在所述确定所述目标维保单位对应的评分信息之后，还包括：

根据所述目标维保单位对应的评分信息，确定所述目标维保单位对应的风险等级；

若所述风险等级等于或者高于预设等级，则发出风险提示信息。

7.如权利要求1至6任意一项所述的基于机器学习的设备维保单位评估方法，其特征在于，在所述确定所述目标维保单位对应的评分信息之后，还包括：

记录所述目标维保单位在第一预设时间段内的评分信息，得到所述目标维保单位在第一预设时间段内的第一风险变化趋势线；

根据所述第一风险变化趋势线，预测所述目标维保单位在第二预设时间段内的预估风险变化趋势线。