CN114331188A - 一种基于大数据的项目价值评估参考方法及系统 - Google Patents

Abstract

本发明提供了一种基于大数据的项目价值评估参考方法及系统，方法包括：对第一项目基于项目类型进行聚类分析，获得第一聚类结果；根据第一聚类结果获得第一类型项目，匹配第一类型评估指标；根据第一聚类结果获得第N类型项目，匹配第N类型评估指标；依次将第一类型评估指标直到第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果；根据第一权重分配结果和第一类型评估指标对第一类型项目进行评分，获得第一评分结果；根据第N权重分配结果和第N类型评估指标对第N类型项目进行评分，获得第N评分结果，设为第一项目的项目价值评估参考数据。

Description

一种基于大数据的项目价值评估参考方法及系统

技术领域

本发明涉及人工智能相关技术领域，具体涉及一种基于大数据的项目价值评估参考方法及系统。

背景技术

作为无形资产的项目，诸如专利权、商标、专有技术等，具有一定价值的项目产品可以在合资时进行入股，可以在质押贷款，可以增加注册资金等好处，所以对于项目的价值评估是较为核心的一步。

目前技术中的项目价值评估一般是通过将项目相关信息传递至专家人员进行综合评估，此种方式由于全部依赖人工评估，导致存在评估效率较低的技术问题。

发明内容

本申请实施例通过提供了一种基于大数据的项目价值评估参考方法及系统，解决了目前技术中的项目价值评估技术问题由于全部依赖人工评估，导致存在评估效率较低的技术问题。

鉴于上述问题，本申请实施例提供了一种基于大数据的项目价值评估参考方法及系统。

第一方面，本申请实施例提供了一种基于大数据的项目价值评估参考方法，其中，所述方法包括：对第一项目基于知产类型进行聚类分析，获得第一聚类结果；根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标；根据所述第一聚类结果获得第N类型项目，匹配第N类型评估指标；依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果；根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果；根据所述第N权重分配结果和所述第N类型评估指标对所述第N类型项目进行评分，获得第N评分结果；将所述第一评分结果直到所述第N评分结果设为所述第一项目的项目价值评估参考数据。

另一方面，本申请实施例提供了一种基于大数据的项目价值评估参考系统，其中，所述系统包括：第一获得单元，用于对第一项目基于项目类型进行聚类分析，获得第一聚类结果；第一匹配单元，用于根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标；第二匹配单元，用于根据所述第一聚类结果获得第N类型项目，匹配第N类型评估指标；第二获得单元，用于依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果；第三获得单元，用于根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果；第四获得单元，用于根据所述第N权重分配结果和所述第N类型评估指标对所述第N类型项目进行评分，获得第N评分结果；第一设定单元，用于将所述第一评分结果直到所述第N评分结果设为所述第一项目的项目价值评估参考数据。

第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过对项目中存在的项目类型进行提取，得到N个项目类型，再为每一种项目类型匹配多组不同的评估指标，更进一步为每组中不同评估指标赋予权重，再使用智能化模型基于赋予权重结果和多组评估指标对N种类型的项目进行打分，作为专家评估项目价值的参考数据的技术方案，由于通过结合人工智能进行评分，降低了专家评估的难度，达到了提高项目价值评估效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种基于大数据的项目价值评估参考方法流程示意图；

图2为本申请实施例提供了一种基于大数据的项目价值评估参考方法中项目价值评分模型的构建流程示意图；

图3为本申请实施例提供了一种基于大数据的项目价值评估参考系统结构示意图；

图4为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第一匹配单元12，第二匹配单元13，第二获得单元14，第三获得单元15，第四获得单元16，第一设定单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请实施例通过提供了一种基于大数据的项目价值评估参考方法及系统，解决了目前技术中的项目价值评估技术问题由于全部依赖人工评估，导致存在评估效率较低的技术问题，通过对项目中存在的项目类型进行提取，得到N个项目类型，再为每一种项目类型匹配多组不同的评估指标，更进一步为每组中不同评估指标赋予权重，再使用智能化模型基于赋予权重结果和多组评估指标对N种类型的项目进行打分，作为专家评估项目价值的参考数据的技术方案，由于通过结合人工智能进行评分，降低了专家评估的难度，达到了提高项目价值评估效率的技术效果。

申请概述

作为无形资产的项目，诸如专利权、商标、专有技术等，具有一定价值的项目产品可以在合资时进行入股，可以在质押贷款，可以增加注册资金等好处，所以对于项目的价值评估是较为核心的一步。但是由于现有的项目价值评估由于全部依赖人工评估，导致存在评估效率较低的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于大数据的项目价值评估参考方法及系统，基于大数据采集不同类型项目的评估指标，并对每组评估指标进行权重分配，再使用智能化模型基于权重分配结果和多组评估指标对待评估项目中的所有类型的项目进行打分，进而发送至专家组作为项目价值评估的参考数据，达到了提高项目价值评估的技术效果。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于大数据的项目价值评估参考方法，其中，所述方法包括：

S100：对第一项目基于项目类型进行聚类分析，获得第一聚类结果；

具体而言，所述第一项目指的是需要进行围绕某一个研发项目产生的多项项目产品集合，示例性地：以古画风茶杯举例，包括商标、实用新型、外观、发明等多种类型项目产品；所述第一聚类结果指的是基于项目类型对第一项目进行聚类拆分得到的结果，示例性地如：商标权、著作权、专利权、软件等项目类型。

通过对第一项目进行项目类型拆分，这是由于不同的项目类型的价值评估指标具有一定差别，因此通过提取不同的项目类型便于后步快速匹配不同的价值评估指标，分开评估，保障了价值评估的准确性。

S200：根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标；

S300：根据所述第一聚类结果获得第N类型项目，匹配第N类型评估指标；

具体而言，基于大数据中的项目价值评估历史数据为第一类型项目匹配第一类型评估指标；为第二类型项目匹配第二类型评估指标；直到为第N类型项目匹配第N类型评估指标。示例性地：若是项目类型为实用新型或发明专利，匹配的评估指标包括但不限于：研发成本、利润、市场占有率、无效次数等；若是项目类型为商标，匹配的评估指标包括但不限于：知名程度；影响范围，纯利润等。

通过为多个类型项目匹配多组评估指标，将项目价值评估的过程实现量化，可通过各个指标的得分值对项目价值进行打分，进而可以通过智能化模型对多个类型项目进行价值评估，提高了评估效率，同时提高了价值评估的过程可视化，可为专家评估提供有力的参考数据。

S400：依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果；

具体而言，所述第一权重分配通道指的是根据多组类型评估指标中的多个指标对各自相应类型的项目进行价值评估的重要程度进行权重分配的处理端，相同类型的项目对应于相同的评估指标，但是针对不同的项目可能权重会有不同。

将第一类型评估指标输入第一权重分配通道进行权重分配，得到第一权重分配结果；将第二类型评估指标输入第一权重分配通道进行权重分配，得到第二权重分配结果；直到将第N类型评估指标输入第一权重分配通道进行权重分配，得到第N权重分配结果。通过基于项目对各个类型的项目产品的多组评估指标进行权重分配，使得最终对于项目产品的价值评估结果更加准确。

S500：根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果；

S600：根据所述第N权重分配结果和所述第N类型评估指标对所述第N类型项目进行评分，获得第N评分结果；

进一步的，基于所述根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果，步骤S500包括：

S510：构建项目价值评分模型；

S520：基于所述第一类型项目对所述第一类型评估指标进行具体数值加载，获得第一指标加载数据；

S530：将所述第一指标加载数据和所述第一权重分配结果输入所述项目价值评分模型，获得所述第一评分结果。

S700：将所述第一评分结果直到所述第N评分结果设为所述第一项目的项目价值评估参考数据。

具体而言，基于大数据训练构建项目价值评分模型，所述项目价值评分模型优选为基于深层神经网络模型监督训练的对第一类型项目、第二类型项目直到第N类型项目的评估指标进行评分的模型。

所述第一指标加载数据指的是对第一类型评估指标进行具体数值加载，示例性地：若是第一类型项目为发明专利，则相应的评估指标为：研发成本-利润、市场占有率、无效次数等，将评估指标的具体数值添加至各指标中。进一步的，将第一指标加载数据和第一权重分配结果输入项目价值评分模型，评分过程举不设限制的一例：若是研发成本-利润越大，则此指标评分越低；若是市场占有率越大，则此指标评分越高；无效次数越多，则此指标评分越高，具体的分值，可根据第一类型项目同类产品市场的历史价值评估数据和对应的指标数据进行设定，在此不做限制。最后根据权重乘以相应的评分，得到第一类型项目的总评分，记为所述第一评分结果，评分越高项目价值越大。

更进一步的，使用相同的方式对第二类型评估指标进行具体数值加载采集第二指标加载数据，直到对第N类型评估指标进行具体数值加载采集第N指标加载数据；更进一步的，将第二指标加载数据和第二权重分配结果输入项目价值评分模型输出第二评分结果，直到将第N指标加载数据和第N权重分配结果输入项目价值评分模型输出第N评分结果。

通过第一评分结果、第二评分结果直到第N评分结果表征第一项目的所有类型项目产品价值得分，且由于基于大数据构建的深层神经网络模型进行评分输出的结果具有较高的准确性，为项目价值评估提供了有力的参考数据支撑，进而达到了提高项目价值评估效率的技术效果。

进一步的，基于所述根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标，步骤S200包括：

S210：基于大数据，构建评估指标匹配数据库，其中，所述评估指标匹配数据库具有一一对应的项目类型和评估指标；

S220：将所述第一类型项目输入所述评估指标匹配数据库，获得所述第一类型评估指标。

具体而言，基于大数据，提取项目价值评估的历史数据，可以多组一一对应的项目类型和评估指标，示例性地：发明专利，研发成本-利润、市场占有率、无效次数等；医药产品，临床效果，适用病症等，将每种项目类型和多个评估指标优选的以一对多的形式进行存储，并生成项目类型的索引号，构建评估指标匹配数据库，即可在评估指标匹配数据库搜索栏输入项目类型的关键词，就能匹配出相应的评估指标，且工作人员可以根据实际需求对匹配出的评估指标进行增加、删除、修改。

评估指标匹配数据库需要根据大数据周期性进行数据更新，优选的更新周期为一年，以保障数据的时效性，将第一类型项目、第二类型项目直到第N类型项目输入评估指标匹配数据库中进行评估指标匹配，进一步的通过工作人员对匹配出的评估指标进行增加、删除、修改等调整之后，即可得到第一类型评估指标、第二类型评估指标和第N类型评估指标。

通过基于大数据构建的指标匹配数据库为第一类型项目、第二类型项目直到第N类型项目匹配第一类型评估指标、第二类型评估指标和第N类型评估指标，保障了评估指标的代表性；周期性的对指标匹配数据库进行更新，保障了匹配的评估指标数据的时效性。

进一步的，基于所述依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果，步骤S400包括：

S410：根据所述第一权重分配通道，获得第一参与方，第二参与方直到第M参与方，两两所述参与方之间处于信息隔离状态；

S420：将所述第一类型评估指标并行输入所述第一参与方，所述第二参与方直到所述第M参与方进行打分，获得第一打分结果，第二打分结果直到第M打分结果，其中，所述打分结果表征所述评估指标重要程度；

S430：根据所述第一打分结果，所述第二打分结果直到所述第M打分结果，获得所述第一权重分配结果。

更进一步的，基于所述根据所述第一打分结果，所述第二打分结果直到所述第M打分结果，获得所述第一权重分配结果，步骤S430包括：

S431：构建第一权重分配公式：

S432：根据所述第一权重分配公式对所述第一类型评估指标进行权重分配，获得所述第一权重分配结果。

具体而言，所述第一参与方，所述第二参与方直到所述第M参与方指的是M个处于信息交互隔离状态的用于对评估指标对于相应类型的项目的重要程度进行打分的专家组。

具体权重赋予过程以第一类型评估指标举不设限制的一例：若是M＝6，将第一类型评估指标并行一同输入第一参与方、第二参与方、第三参与方、第四参与方、第五参与方、第六参与方；六个参与方的专家小组基于第一类型项目在第一项目中的实际情况进行分析，评估多个第一类型评估指标对于第一类型项目价值评估的重要程度并进行打分，得到所述第一打分结果；进一步的，根据第一权重分配公式：

遍历第一打分结果对第一类型评估指标进行权重分配，进一步的，将分配结果反馈至各个参与方，当超过百分之60的参与方同意分配结果，则将分配结果设为第一权重分配结果。使用相同的方式对第二类型评估指标直到第N类型评估指标进行处理，确定第二权重分配结果直到第N权重分配结果，便于后步进行评分。

通过多个信息互相隔离的参与方对第一类型评估指标、第二类型评估指标直到第N类型评估指标进行权重分配，提高了权重分配结果的客观性。

进一步的，如图2所示，基于所述构建项目价值评分模型，步骤S510包括：

S511：基于大数据，获得第一数据集，其中，所述第一数据集具有一一对应的指标具体数值和评分标识信息；

S512：将所述第一数据集划分为10等份，随机取9份设为第一训练数据集，剩余1份设为第一验证数据集；

S513：通过所述第一训练数据集和所述第一验证数据集，训练所述项目价值评分模型。

具体而言，所述第一数据集指的是基于大数据采集的多组用于训练构建项目价值评分模型的训练数据，每组数据都包括一一对应的指标具体数值和评分标识信息；优选的将第一数据集划分为9：1等份，其中9等份设为第一训练数据集，剩余一份设为第一验证数据集。

进一步的，通过第一训练数据集，将指标具体数值作为输入训练数据，将评分标识信息作为输出监督数据，训练项目价值评分模型；当项目价值评分模型达到预设准确率之后，调用第一验证数据集的指标具体数值验证项目价值评分模型的泛化能力，避免过拟合。当第一验证数据集的验证输出值满足预设准确率，则生成项目价值评分模型，即可针对不同的项目类型做出较准确的价值评分。

更进一步的，基于所述通过所述第一训练数据集和所述第一验证数据集，训练所述项目价值评分模型，步骤S513包括：

S5131：通过所述第一训练数据集和所述第一验证数据集，构建第一子模型；

S5132：对所述第一子模型的输出结果进行偏差分析，获得第一偏差训练数据集和第一偏差值；

S5133：基于所述第一偏差值对所述第一偏差训练数据集的所述评分标识信息进行拟合，获得第二训练数据集；

S5134：通过所述第二训练数据集和所述第一验证数据集，构建第二子模型；

S5135：将所述第一子模型和所述第二子模型合并，获得所述项目价值评分模型。

具体而言，所述第一子模型指的是使用第一训练数据集和第一验证数据集训练构建的智能化模型，其包含于项目价值评分模型；所述第一偏差训练数据集指的是训练第一子模型时的输出数据和输出监督数据具有偏差的数据集，进一步的，将输出数据小于输出监督数据称为负向偏差，将输出数据大于输出监督数据称为正向偏差，将第一偏差训练数据集分为两组数据进行存储。

所述第一偏差值指的是第一偏差训练数据集的输出数据和输出监督数据的具体偏差值，优选形式为：正向偏差值＝输出数据-输出监督数据；负向偏差值＝输出数据-输出监督数据。

所述第二训练数据集指的是通过第一偏差值对第一偏差训练数据集的评分标识信息进行拟合，示例性地：当第一偏差训练数据集的偏差属于正向偏差值时，说明输出数据较大，则将评分标识信息-第一偏差值作为新的输出监督数据，进而使得第一偏差训练数据集的输出数据满足原本的评分标识信息。

使用拟合完成的第二训练数据集基于深层神经网络模型训练第二子模型，当第二子模型达到预设准确率之后，使用第一验证数据集验证第二子模型的泛化能力，当第二子模型的验证数据集的输出数据满足于预设准确率，则生成第二子模型。

进一步的，将第一子模型和第二子模型进行连接，将第一子模型和第二子模型的输出结果拟合即得到最终的评分结果，使得到的第一项目评分结果具有较小的偏差值，进而提高了项目价值评估的准确性，为专家组评估项目价值提供了较准确的参考数据。

综上所述，本申请实施例所提供的一种基于大数据的项目价值评估参考方法及系统具有如下技术效果：

1.本申请实施例通过提供了一种基于大数据的项目价值评估参考方法及系统，解决了目前技术中的项目价值评估技术问题由于全部依赖人工评估，导致存在评估效率较低的技术问题，通过对项目中存在的项目类型进行提取，得到N个项目类型，再为每一种项目类型匹配多组不同的评估指标，更进一步为每组中不同评估指标赋予权重，再使用智能化模型基于赋予权重结果和多组评估指标对N种类型的项目进行打分，作为专家评估项目价值的参考数据的技术方案，由于通过结合人工智能进行评分，降低了专家评估的难度，达到了提高项目价值评估效率的技术效果。

2.通过基于大数据构建的指标匹配数据库为第一类型项目、第二类型项目直到第N类型项目匹配第一类型评估指标、第二类型评估指标和第N类型评估指标，保障了评估指标的代表性；周期性的对指标匹配数据库进行更新，保障了匹配的评估指标数据的时效性。

3.通过多个信息互相隔离的参与方对第一类型评估指标、第二类型评估指标直到第N类型评估指标进行权重分配，提高了权重分配结果的客观性。

4.通过将第一子模型和第二子模型进行连接，将第一子模型和第二子模型的输出结果拟合即得到最终的评分结果，使得到的第一项目评分结果具有较小的偏差值，进而提高了项目价值评估的准确性，为专家组评估项目价值提供了较准确的参考数据。

实施例二

基于与前述实施例中一种基于大数据的项目价值评估参考方法相同的发明构思，如图3所示，本申请实施例提供了一种基于大数据的项目价值评估参考系统，其中，所述系统包括：

第一获得单元11，用于对第一项目基于项目类型进行聚类分析，获得第一聚类结果；

第一匹配单元12，用于根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标；

第二匹配单元13，用于根据所述第一聚类结果获得第N类型项目，匹配第N类型评估指标；

第二获得单元14，用于依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果；

第三获得单元15，用于根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果；

第四获得单元16，用于根据所述第N权重分配结果和所述第N类型评估指标对所述第N类型项目进行评分，获得第N评分结果；

第一设定单元17，用于将所述第一评分结果直到所述第N评分结果设为所述第一项目的项目价值评估参考数据。

进一步的，所述系统还包括：

第一构建单元，用于基于大数据，构建评估指标匹配数据库，其中，所述评估指标匹配数据库具有一一对应的项目类型和评估指标；

第五获得单元，用于将所述第一类型项目输入所述评估指标匹配数据库，获得所述第一类型评估指标。

进一步的，所述系统还包括：

第六获得单元，用于根据所述第一权重分配通道，获得第一参与方，第二参与方直到第M参与方，两两所述参与方之间处于信息隔离状态；

第七获得单元，用于将所述第一类型评估指标并行输入所述第一参与方，所述第二参与方直到所述第M参与方进行打分，获得第一打分结果，第二打分结果直到第M打分结果，其中，所述打分结果表征所述评估指标重要程度；

第八获得单元，用于根据所述第一打分结果，所述第二打分结果直到所述第M打分结果，获得所述第一权重分配结果。

进一步的，所述系统还包括：

第二构建单元，用于构建第一权重分配公式：

第九获得单元，用于根据所述第一权重分配公式对所述第一类型评估指标进行权重分配，获得所述第一权重分配结果。

进一步的，所述系统还包括：

第三构建单元，用于构建项目价值评分模型；

第十获得单元，用于基于所述第一类型项目对所述第一类型评估指标进行具体数值加载，获得第一指标加载数据；

第十一获得单元，用于将所述第一指标加载数据和所述第一权重分配结果输入所述项目价值评分模型，获得所述第一评分结果。

进一步的，所述系统还包括：

第十二获得单元，用于基于大数据，获得第一数据集，其中，所述第一数据集具有一一对应的指标具体数值和评分标识信息；

第一处理单元，用于将所述第一数据集划分为10等份，随机取9份设为第一训练数据集，剩余1份设为第一验证数据集；

第一训练单元，用于通过所述第一训练数据集和所述第一验证数据集，训练所述项目价值评分模型。

进一步的，所述系统还包括：

第四构建单元，用于通过所述第一训练数据集和所述第一验证数据集，构建第一子模型；

第十三获得单元，用于对所述第一子模型的输出结果进行偏差分析，获得第一偏差训练数据集和第一偏差值；

第十四获得单元，用于基于所述第一偏差值对所述第一偏差训练数据集的所述评分标识信息进行拟合，获得第二训练数据集；

第五构建单元，用于通过所述第二训练数据集和所述第一验证数据集，构建第二子模型；

第十五获得单元，用于将所述第一子模型和所述第二子模型合并，获得所述项目价值评分模型。

实施例三

基于与前述实施例中一种基于大数据的项目价值评估参考方法相同的发明构思，本申请实施例提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一任一项所述的方法。

示例性电子设备

下面参考图4来描述本申请实施例的电子设备。

基于与前述实施例中一种基于大数据的项目价值评估参考方法相同的发明构思，本申请实施例还提供了一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一任一项所述的方法。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于大数据的项目价值评估参考方法。

可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。

本申请实施例通过提供了一种基于大数据的项目价值评估参考方法及系统，解决了目前技术中的项目价值评估技术问题由于全部依赖人工评估，导致存在评估效率较低的技术问题，通过对项目中存在的项目类型进行提取，得到N个项目类型，再为每一种项目类型匹配多组不同的评估指标，更进一步为每组中不同评估指标赋予权重，再使用智能化模型基于赋予权重结果和多组评估指标对N种类型的项目进行打分，作为专家评估项目价值的参考数据的技术方案，由于通过结合人工智能进行评分，降低了专家评估的难度，达到了提高项目价值评估效率的技术效果。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (10)

1.一种基于大数据的项目价值评估参考方法，其特征在于，所述方法包括：

对第一项目基于项目类型进行聚类分析，获得第一聚类结果；

根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标；

根据所述第一聚类结果获得第N类型项目，匹配第N类型评估指标；

依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果；

根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果；

根据所述第N权重分配结果和所述第N类型评估指标对所述第N类型项目进行评分，获得第N评分结果；

将所述第一评分结果直到所述第N评分结果设为所述第一项目的项目价值评估参考数据。

2.如权利要求1所述的方法，其特征在于，所述根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标，包括：

基于大数据，构建评估指标匹配数据库，其中，所述评估指标匹配数据库具有一一对应的项目类型和评估指标；

将所述第一类型项目输入所述评估指标匹配数据库，获得所述第一类型评估指标。

3.如权利要求1所述的方法，其特征在于，所述依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果，包括：

根据所述第一权重分配通道，获得第一参与方，第二参与方直到第M参与方，两两所述参与方之间处于信息隔离状态；

将所述第一类型评估指标并行输入所述第一参与方，所述第二参与方直到所述第M参与方进行打分，获得第一打分结果，第二打分结果直到第M打分结果，其中，所述打分结果表征所述评估指标重要程度；

根据所述第一打分结果，所述第二打分结果直到所述第M打分结果，获得所述第一权重分配结果。

4.如权利要求3所述的方法，其特征在于，所述根据所述第一打分结果，所述第二打分结果直到所述第M打分结果，获得所述第一权重分配结果，包括：

构建第一权重分配公式：

根据所述第一权重分配公式对所述第一类型评估指标进行权重分配，获得所述第一权重分配结果。

5.如权利要求1所述的方法，其特征在于，所述根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果，包括：

构建项目价值评分模型；

基于所述第一类型项目对所述第一类型评估指标进行具体数值加载，获得第一指标加载数据；

将所述第一指标加载数据和所述第一权重分配结果输入所述项目价值评分模型，获得所述第一评分结果。

6.如权利要求5所述的方法，其特征在于，所述构建项目价值评分模型，包括：

基于大数据，获得第一数据集，其中，所述第一数据集具有一一对应的指标具体数值和评分标识信息；

将所述第一数据集划分为10等份，随机取9份设为第一训练数据集，剩余1份设为第一验证数据集；

通过所述第一训练数据集和所述第一验证数据集，训练所述项目价值评分模型。

7.如权利要求6所述的方法，其特征在于，所述通过所述第一训练数据集和所述第一验证数据集，训练所述项目价值评分模型，包括：

通过所述第一训练数据集和所述第一验证数据集，构建第一子模型；

对所述第一子模型的输出结果进行偏差分析，获得第一偏差训练数据集和第一偏差值；

基于所述第一偏差值对所述第一偏差训练数据集的所述评分标识信息进行拟合，获得第二训练数据集；

通过所述第二训练数据集和所述第一验证数据集，构建第二子模型；

将所述第一子模型和所述第二子模型合并，获得所述项目价值评分模型。

8.一种基于大数据的项目价值评估参考系统，其特征在于，所述系统包括：

第一获得单元，用于对第一项目基于项目类型进行聚类分析，获得第一聚类结果；

第一匹配单元，用于根据所述第一聚类结果获得第一类型项目，匹配第一类型评估指标；

第二匹配单元，用于根据所述第一聚类结果获得第N类型项目，匹配第N类型评估指标；

第二获得单元，用于依次将所述第一类型评估指标直到所述第N类型评估指标输入第一权重分配通道，获得第一权重分配结果直到第N权重分配结果；

第三获得单元，用于根据所述第一权重分配结果和所述第一类型评估指标对所述第一类型项目进行评分，获得第一评分结果；

第四获得单元，用于根据所述第N权重分配结果和所述第N类型评估指标对所述第N类型项目进行评分，获得第N评分结果；

第一设定单元，用于将所述第一评分结果直到所述第N评分结果设为所述第一项目的项目价值评估参考数据。

9.一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，其特征在于，当所述程序被所述处理器执行时，使系统以执行如1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如1至7任一项所述的方法。

Images