CN115203496A - 基于大数据的项目智能预测及评估方法、系统及可读存储介质 - Google Patents

基于大数据的项目智能预测及评估方法、系统及可读存储介质 Download PDF

Info

Publication number
CN115203496A
CN115203496A CN202210529307.5A CN202210529307A CN115203496A CN 115203496 A CN115203496 A CN 115203496A CN 202210529307 A CN202210529307 A CN 202210529307A CN 115203496 A CN115203496 A CN 115203496A
Authority
CN
China
Prior art keywords
project
information
data
evaluation
item
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210529307.5A
Other languages
English (en)
Inventor
张祥宇
王勇
燕卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGDONG R&D CENTER FOR TECHNOLOGICAL ECONOMY
Original Assignee
GUANGDONG R&D CENTER FOR TECHNOLOGICAL ECONOMY
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GUANGDONG R&D CENTER FOR TECHNOLOGICAL ECONOMY filed Critical GUANGDONG R&D CENTER FOR TECHNOLOGICAL ECONOMY
Priority to CN202210529307.5A priority Critical patent/CN115203496A/zh
Publication of CN115203496A publication Critical patent/CN115203496A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供了基于大数据的项目智能预测及评估方法、系统及可读存储介质。该方法包括：获取待测评项目的项目属性信息和特征信息，根据待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据测评项目特征画像提取测评数据包，根据第一预设模型对测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据，根据第二预设模型对测评项目特征画像进行项目测评获取项目预期数据，根据待测评项目的项目测评数据集和项目指标吻合度数据对项目预期数据进行修正获取项目目标数据；从而基于测评信息数据生成测评项目特征画像进行项目测评获取项目预期数据并结合项目指标吻合度数据和项目测评数据集进行修正获取项目目标数据，获得实现根据大数据对项目进行智能预测评估的高精准度技术。

Description

基于大数据的项目智能预测及评估方法、系统及可读存储 介质
技术领域
本申请涉及大数据及智慧数据处理技术领域，具体而言，涉及一种基于大数据的项目智能预测及评估方法、系统及可读存储介质。
背景技术
项目评审是针对企业或机构根据攻关课题或研究任务或招标项目进行的项目设计和申报的审查评判，当前随着经济的发展和多个行业的衍生，带动科技创新项目数量快速增长，因而各类行业的项目申报数量、类别、门列也越来越多样化、复杂化，对于不同专业、不同课题、不同门类的项目如何进行有针对性的评审是个社会性问题。
目前，针对不同行业、不同单位机构申报的项目通常采取人为评审的方法，导致评审效率和效果受限，由于人为评审主观性影响较大，易造成误差或分歧，可能会导致项目之间的评审结果存在偏差，影响项目的正确可观评审，进而导致评审存在不合理、不准确、低效的普通现象。
因此，针对上述问题，目前亟待实现一种可针对不同类别、不同行业、不同课题的项目进行智能化评审的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于大数据的项目智能预测及评估方法、系统及可读存储介质，可以实现通过大数据对项目的高精准度的智能预测评估。
本申请实施例还提供了一种基于大数据的项目智能预测及评估方法，包括以下步骤：
获取待测评项目的项目属性信息和特征信息；
根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据所述测评项目特征画像提取测评数据包；
根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据；
根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据；
根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据。
可选地，在本申请实施例所述的基于大数据的项目智能预测及评估方法中，所述获取待测评项目的项目属性信息和特征信息，包括：
获取待测评项目的申请信息和项目描述信息；
提取所述申请信息和项目描述信息中项目属性信息，包括：研发核心信息、技术领域信息、技术背景信息以及攻关主体信息；
根据所述项目描述信息和项目属性信息获取特征信息，包括：关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据。
可选地，在本申请实施例所述的基于大数据的项目智能预测及评估方法中，所述根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，包括：
根据所述待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息生成项目特征树；
所述项目特征树包括所述待测评项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息；
根据所述项目特征树提取测评信息数据，包括：团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息；
根据所述团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像。
可选地，在本申请实施例所述的基于大数据的项目智能预测及评估方法中，所述根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据，包括：
所述测评数据包通过所述测评项目特征画像中测评信息数据进行提取；
所述测评数据包包括项目测评数据集，包括团队研发价值数据、成果价值数据、项目研发专利数、政策资金扶持数据以及项目拟利润数据；
根据所述项目测评数据集输入第一预设模型对所述待测评项目进行指标吻合度计算获取所述项目指标吻合度数据。
可选地，在本申请实施例所述的基于大数据的项目智能预测及评估方法中，所述根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据，包括：
获取项目数据库，所述项目数据库包括各类别已完成测评项目的项目测评信息数据以及项目成果数据；
根据所述项目数据库中所述各类别已完成测评项目的项目测评信息数据以及项目成果数据进行训练获得第二预设模型；
根据所述待测评项目的团队研发能力信息、课题前景信息、项目等级信息、财政支持信息输入至训练好的所述第二预设模型中获得对应项目成果数据；
所述项目成果数据包括专利研发数据、研产转化价值数据、项目利润数据以及二次研发价值数据；
根据获取的所述项目成果数据的项目利润数据作为所述待测评项目的项目预期数据。
可选地，在本申请实施例所述的基于大数据的项目智能预测及评估方法中，所述根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据，包括：
根据所述待测评项目的项目测评数据集和项目指标吻合度数据结合所述待测评项目的项目参数对所述项目利润数据进行修正获取项目目标数据；
所述项目目标数据计算公式为：
Figure BDA0003645915160000031
其中，V为项目目标数据，σ为团队业界价值系数，P为团队研发价值数据，
Figure BDA0003645915160000041
为项目社会价值系数，H为成果价值数据，τ为政策扶持力系数，R为获取的所述项目利润数据，a为项目风险系数，Q为项目指标吻合度数据，所述团队业界价值系数、项目社会价值系数、政策扶持力系数以及项目风险系数为根据所述待测评项目在第三方项目测评平台中查询获取。
第二方面，本申请实施例提供了一种基于大数据的项目智能预测及评估系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的项目智能预测及评估方法的程序，所述基于大数据的项目智能预测及评估方法的程序被所述处理器执行时实现以下步骤：
获取待测评项目的项目属性信息和特征信息；
根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据所述测评项目特征画像提取测评数据包；
根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据；
根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据；
根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据。
可选地，在本申请实施例所述的基于大数据的项目智能预测及评估系统中，所述获取待测评项目的项目属性信息和特征信息，包括：
获取待测评项目的申请信息和项目描述信息；
提取所述申请信息和项目描述信息中项目属性信息，包括：研发核心信息、技术领域信息、技术背景信息以及攻关主体信息；
根据所述项目描述信息和项目属性信息获取特征信息，包括：关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据。
可选地，在本申请实施例所述的基于大数据的项目智能预测及评估系统中，所述根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，包括：
根据所述待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息生成项目特征树；
所述项目特征树包括所述项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息；
根据所述项目特征树提取测评信息数据，包括：团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息；
根据所述团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像。
第三方面，本申请实施例还提供了一种可读存储介质，所述可读存储介质中包括基于大数据的项目智能预测及评估方法程序，所述基于大数据的项目智能预测及评估方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的项目智能预测及评估方法的步骤。
由上可知，本申请实施例提供的基于大数据的项目智能预测及评估方法、系统及可读存储介质通过获取待测评项目的项目属性信息和特征信息，根据待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据测评项目特征画像提取测评数据包，根据第一预设模型对测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据，根据第二预设模型对测评项目特征画像进行项目测评获取项目预期数据，根据待测评项目的项目测评数据集和项目指标吻合度数据对项目预期数据进行修正获取项目目标数据；从而基于测评信息数据生成测评项目特征画像进行项目测评获取项目预期数据并结合项目指标吻合度数据和项目测评数据集进行修正获取项目目标数据，获得实现根据大数据对项目进行智能预测评估的高精准度技术。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于大数据的项目智能预测及评估方法的一种流程图；
图2为本申请实施例提供的基于大数据的项目智能预测及评估方法的一种流程图；
图3为本申请实施例提供的基于大数据的项目智能预测及评估方法的一种流程图；
图4为本申请实施例提供的基于大数据的项目智能预测及评估系统的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种基于大数据的项目智能预测及评估的流程图。该基于大数据的项目智能预测及评估方法用于终端设备中，例如手机、电脑等。该基于大数据的项目智能预测及评估方法，包括以下步骤：
S101、获取待测评项目的项目属性信息和特征信息；
S102、根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据所述测评项目特征画像提取测评数据包；
S103、根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据；
S104、根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据；
S105、根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据。
需要说明的是，首先获取待测评项目的项目属性信息和特征信息并提取测评信息数据生成测评项目特征画像并提取测评数据包，根据测评数据包中项目测评数据集输入第一预设模型对待测评项目进行指标吻合度计算获取项目指标吻合度数据，再根据训练好的第二预设模型对测评项目特征画像中的数据信息进行项目测评获得项目利润数据作为项目预期数据，再根据项目测评数据集中的数据结合项目指标吻合度数据以及项目系数进行修正获得项目目标数据，实现根据大数据对项目进行预测和评审的智能化技术，提高对项目数据的评审判断准确性。
请参照图2，图2是本申请一些实施例中的一种基于大数据的项目智能预测及评估的流程图。根据本发明实施例，所述获取待测评项目的项目属性信息和特征信息，具体为：
S201、获取待测评项目的申请信息和项目描述信息；
S202、提取所述申请信息和项目描述信息中项目属性信息，包括：研发核心信息、技术领域信息、技术背景信息以及攻关主体信息；
S203、根据所述项目描述信息和项目属性信息获取特征信息，包括：关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据。
需要说明的是，为实现对待测评项目的准确预测和评审，需收集项目的相关数据信息，项目的数据信息包括项目主题、核心课题、团队信息以及财务信息、政策扶持信息等方面的信息，通过获取待测评项目的申请信息和项目描述信息，提取申请信息和项目描述信息中项目属性信息包括研发核心信息、技术领域信息、技术背景信息以及攻关主体信息，并根据项目描述信息和项目属性信息获取特征信息包括关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据，为项目预测评审做好数据信息收集准备，以保证对项目预测评审的准确率。
请参照图3，图3是本申请一些实施例中的一种基于大数据的项目智能预测及评估的流程图。根据本发明实施例，所述根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，具体为：
S301、根据所述待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息生成项目特征树；
S302、所述项目特征树包括所述待测评项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息；
S303、根据所述项目特征树提取测评信息数据，包括：团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息；
S304、根据所述团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像。
需要说明的是，项目特征树是描述待测评项目的背景架构和项目硬件的数据信息结构，其通过第三方项目测评平台进行依存，通过项目特征树可查询待测评项目各项背景数据和组成信息，本案中项目特征树由待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息进行收集生成，包括待测评项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息，根据项目特征树提取测评信息数据包括团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像，测评项目特征画像是对项目各项资源信息包括人力资源、课题背景、项目级别、财政资源以及投资回报信息情况的数字化描绘，是反映项目实施背景资源和组织结构的数字图，方便实时获取项目资源和项目信息的背景情况。
根据本发明实施例，所述根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据，具体为：
所述测评数据包通过所述测评项目特征画像中测评信息数据进行提取；
所述测评数据包包括项目测评数据集，包括团队研发价值数据、成果价值数据、项目研发专利数、政策资金扶持数据以及项目拟利润数据；
根据所述项目测评数据集输入第一预设模型对所述待测评项目进行指标吻合度计算获取所述项目指标吻合度数据。
需要说明的是，为评价项目课题、研发主题以及财务预算等数据信息与项目招标信息的指标数据间的匹配度，需获取项目的指标吻合度数据，通过测评项目特征画像中提取的测评数据包中项目测评数据集包括团队研发价值数据、成果价值数据、项目研发专利数、政策资金扶持数据以及项目拟利润数据输入第一预设模型进行指标吻合度计算获取项目指标吻合度数据，其中，第一预设模型是通过第三方项目测评平台获取的计算模型；
所述项目指标吻合度数据计算公式为：
Figure BDA0003645915160000091
其中，Q表示项目指标吻合度数据，Y0表示项目拟利润数据，Y1表示团队研发价值数据，Y2表示成果价值数据，Y3表示项目研发专利数，Y4表示政策资金扶持数据，ε、
Figure BDA0003645915160000092
γ、λ为对应的数据响应系数(通过第一预设模型获取)。
根据本发明实施例，所述根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据，具体为：
获取项目数据库，所述项目数据库包括各类别已完成测评项目的项目测评信息数据以及项目成果数据；
根据所述项目数据库中所述各类别已完成测评项目的项目测评信息数据以及项目成果数据进行训练获得第二预设模型；
根据所述待测评项目的团队研发能力信息、课题前景信息、项目等级信息、财政支持信息输入至训练好的所述第二预设模型中获得对应项目成果数据；
所述项目成果数据包括专利研发数据、研产转化价值数据、项目利润数据以及二次研发价值数据；
根据获取的所述项目成果数据的项目利润数据作为所述待测评项目的项目预期数据。
需要说明的是，为获取待测评项目的预期数据，通过第二预设模型进行数据处理获取，第二预设模型是通过第三方项目测评平台获取的数据处理模型，与项目数据库进行数据链接，项目数据库包括大量已完成测评的各类别项目的数据信息，通过已完成测评项目的项目测评信息数据以及项目成果数据对第二预设模型进行训练获得训练后的第二预设模型，通过第二预设模型可以处理项目测评信息数据得到对应项目成果数据，数据量越大则第二预设模型的数据处理准确率越高，根据待测评项目的团队研发能力信息、课题前景信息、项目等级信息、财政支持信息输入至第二预设模型中获得对应项目成果数据包括专利研发数据、研产转化价值数据、项目利润数据以及二次研发价值数据，将其中的项目利润数据作为待测评项目的项目预期数据，通过大量数据训练得到的第二预设模型的处理可获得项目数据信息对应的成果数据。
根据本发明实施例，所述根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据，具体为：
根据所述待测评项目的项目测评数据集和项目指标吻合度数据结合所述待测评项目的项目参数对所述项目利润数据进行修正获取项目目标数据；
所述项目目标数据计算公式为：
Figure BDA0003645915160000111
其中，V为项目目标数据，σ为团队业界价值系数，P为团队研发价值数据，
Figure BDA0003645915160000112
为项目社会价值系数，H为成果价值数据，τ为政策扶持力系数，R为获取的所述项目利润数据，a为项目风险系数，Q为项目指标吻合度数据，所述团队业界价值系数、项目社会价值系数、政策扶持力系数以及项目风险系数为根据所述待测评项目在第三方项目测评平台中查询获取。
需要说明的是，为获取更加精准的项目利润目标数据，需根据处理获取的项目利润数据进行修正处理，结合项目指标吻合度数据以及项目测评数据集中的多个数据对项目利润数据进行修正，通过项目本身的数据校正后的目标数据具有更高的精确度，可预测出项目的目标价值作为评审依据。
根据本发明实施例，还包括：
根据所述待测评项目的项目属性信息与所述团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据输入第三预设模型中获取项目指标级别；
根据所述项目属性信息输入至第三方项目测评平台中获取与所述待测评项目属性相匹配的第三预设模型；
根据所述团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据与所述第三预设模型中的团队能力阈值、成果价值阈值、研发专利数阈值以及项目利润阈值分别进行阈值对比；
所述团队能力阈值、成果价值阈值、研发专利数阈值以及项目利润阈值均分为四个等级，分别为I、II、III、IV级；
根据所述团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据的四项阈值对比结果对应等级求均值并取整获取所述待测评项目的项目指标级别；
根据所述项目指标级别调整所述待测评项目的项目政策和要求。
需要说明的是，根据待测评项目获取对应的项目政策和要求，项目政策和要求根据项目指标级别进行划分，项目指标级别划分为四级，分别为一到四级，其中一级最高，四级最低，为获取待测评项目对应的项目指标级别，根据待测评项目的项目属性信息通过第三方项目测评平台获取与属性相匹配的第三预设模型，然后将待测评项目的团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据输入至第三预设模型中进行阈值对比，第三预设模型包含与各项数据对应的团队能力阈值、成果价值阈值、研发专利数阈值以及项目利润阈值，四种阈值按照划分的阈值范围均分为四个等级，分别为I、II、III、IV级，其中I级阈值范围为(0.75，1]，II级阈值范围为(0.5,0.75],III级阈值范围为(0.25,0.5],IV级阈值范围为[0,0.25],根据四项数据的阈值对比结果分别获得对应阈值范围级别，将四项阈值范围级别求均值并取整获得的阈值范围级别均值作为待测评项目的项目指标级别，如项目A四项数据阈值对比结果级别分别是II级、II级、III级、IV级，则其阈值范围级别均值为(2+2+3+4)/4＝2.75，取整为3，即项目A阈值范围级别为III级，对应项目指标级别为三级。
根据本发明实施例，还包括：
根据所述待测评项目的项目指标级别获取对应财政支持数据；
根据所述项目目标数据、项目拟利润数据以及相关系数对所述财政支持数据进行加权获得财政预算数据；
根据所述财政预算数据对所述待测评项目进行项目扶持；
所述财政预算数据的加权计算公式为：
Figure BDA0003645915160000121
其中，V为项目目标数据，V0为项目拟利润数据，τ为政策扶持力系数，a为项目风险系数，S为财政支持数据，T为财政预算数据。
需要说明的是，本案中项目实施的财政支持预算根据待测评项目的项目目标数据以及项目拟利润数据进行加权获得，根据项目目标数据以及项目拟利润数据结合第三方项目测评平台中查询的该项目相关系数对招标的财政支持数据进行加权获得财政预算数据作为对该项目的财政实际支持预算，通过系数结合该项目预测目标数据的修正可提高对项目财政支持预算的精准度。
如图4所示，本发明还公开了一种基于大数据的项目智能预测及评估系统4，包括存储器41和处理器42，所述存储器中包括基于大数据的项目智能预测及评估方法程序，所述基于大数据的项目智能预测及评估方法程序被所述处理器执行时实现如下步骤：
获取待测评项目的项目属性信息和特征信息；
根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据所述测评项目特征画像提取测评数据包；
根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据；
根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据；
根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据。
需要说明的是，首先获取待测评项目的项目属性信息和特征信息并提取测评信息数据生成测评项目特征画像并提取测评数据包，根据测评数据包中项目测评数据集输入第一预设模型对待测评项目进行指标吻合度计算获取项目指标吻合度数据，再根据训练好的第二预设模型对测评项目特征画像中的数据信息进行项目测评获得项目利润数据作为项目预期数据，再根据项目测评数据集中的数据结合项目指标吻合度数据以及项目系数进行修正获得项目目标数据，实现根据大数据对项目进行预测和评审的智能化技术，提高对项目数据的评审判断准确性。
根据本发明实施例，所述获取待测评项目的项目属性信息和特征信息，具体为：
获取待测评项目的申请信息和项目描述信息；
提取所述申请信息和项目描述信息中项目属性信息，包括：研发核心信息、技术领域信息、技术背景信息以及攻关主体信息；
根据所述项目描述信息和项目属性信息获取特征信息，包括：关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据。
需要说明的是，为实现对待测评项目的准确预测和评审，需收集项目的相关数据信息，项目的数据信息包括项目主题、核心课题、团队信息以及财务信息、政策扶持信息等方面的信息，通过获取待测评项目的申请信息和项目描述信息，提取申请信息和项目描述信息中项目属性信息包括研发核心信息、技术领域信息、技术背景信息以及攻关主体信息，并根据项目描述信息和项目属性信息获取特征信息包括关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据，为项目预测评审做好数据信息收集准备，以保证对项目预测评审的准确率。
根据本发明实施例，所述根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，具体为：
根据所述待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息生成项目特征树；
所述项目特征树包括所述待测评项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息；
根据所述项目特征树提取测评信息数据，包括：团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息；
根据所述团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像。
需要说明的是，项目特征树是描述待测评项目的背景架构和项目硬件的数据信息结构，其通过第三方项目测评平台进行依存，通过项目特征树可查询待测评项目各项背景数据和组成信息，本案中项目特征树由待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息进行收集生成，包括待测评项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息，根据项目特征树提取测评信息数据包括团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像，测评项目特征画像是对项目各项资源信息包括人力资源、课题背景、项目级别、财政资源以及投资回报信息情况的数字化描绘，是反映项目实施背景资源和组织结构的数字图，方便实时获取项目资源和项目信息的背景情况。
根据本发明实施例，所述根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据，具体为：
所述测评数据包通过所述测评项目特征画像中测评信息数据进行提取；
所述测评数据包包括项目测评数据集，包括团队研发价值数据、成果价值数据、项目研发专利数、政策资金扶持数据以及项目拟利润数据；
根据所述项目测评数据集输入第一预设模型对所述待测评项目进行指标吻合度计算获取所述项目指标吻合度数据。
需要说明的是，为评价项目课题、研发主题以及财务预算等数据信息与项目招标信息的指标数据间的匹配度，需获取项目的指标吻合度数据，通过测评项目特征画像中提取的测评数据包中项目测评数据集包括团队研发价值数据、成果价值数据、项目研发专利数、政策资金扶持数据以及项目拟利润数据输入第一预设模型进行指标吻合度计算获取项目指标吻合度数据，其中，第一预设模型是通过第三方项目测评平台获取的计算模型；
所述项目指标吻合度数据计算公式为：
Figure BDA0003645915160000151
其中，Q表示项目指标吻合度数据，Y0表示项目拟利润数据，Y1表示团队研发价值数据，Y2表示成果价值数据，Y3表示项目研发专利数，Y4表示政策资金扶持数据，ε、
Figure BDA0003645915160000161
γ、λ为对应的数据响应系数(通过第一预设模型获取)。
根据本发明实施例，所述根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据，具体为：
获取项目数据库，所述项目数据库包括各类别已完成测评项目的项目测评信息数据以及项目成果数据；
根据所述项目数据库中所述各类别已完成测评项目的项目测评信息数据以及项目成果数据进行训练获得第二预设模型；
根据所述待测评项目的团队研发能力信息、课题前景信息、项目等级信息、财政支持信息输入至训练好的所述第二预设模型中获得对应项目成果数据；
所述项目成果数据包括专利研发数据、研产转化价值数据、项目利润数据以及二次研发价值数据；
根据获取的所述项目成果数据的项目利润数据作为所述待测评项目的项目预期数据。
需要说明的是，为获取待测评项目的预期数据，通过第二预设模型进行数据处理获取，第二预设模型是通过第三方项目测评平台获取的数据处理模型，与项目数据库进行数据链接，项目数据库包括大量已完成测评的各类别项目的数据信息，通过已完成测评项目的项目测评信息数据以及项目成果数据对第二预设模型进行训练获得训练后的第二预设模型，通过第二预设模型可以处理项目测评信息数据得到对应项目成果数据，数据量越大则第二预设模型的数据处理准确率越高，根据待测评项目的团队研发能力信息、课题前景信息、项目等级信息、财政支持信息输入至第二预设模型中获得对应项目成果数据包括专利研发数据、研产转化价值数据、项目利润数据以及二次研发价值数据，将其中的项目利润数据作为待测评项目的项目预期数据，通过大量数据训练得到的第二预设模型的处理可获得项目数据信息对应的成果数据。
根据本发明实施例，所述根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据，具体为：
根据所述待测评项目的项目测评数据集和项目指标吻合度数据结合所述待测评项目的项目参数对所述项目利润数据进行修正获取项目目标数据；
所述项目目标数据计算公式为：
Figure BDA0003645915160000171
其中，V为项目目标数据，σ为团队业界价值系数，P为团队研发价值数据，
Figure BDA0003645915160000172
为项目社会价值系数，H为成果价值数据，τ为政策扶持力系数，R为获取的所述项目利润数据，a为项目风险系数，Q为项目指标吻合度数据，所述团队业界价值系数、项目社会价值系数、政策扶持力系数以及项目风险系数为根据所述待测评项目在第三方项目测评平台中查询获取。
需要说明的是，为获取更加精准的项目利润目标数据，需根据处理获取的项目利润数据进行修正处理，结合项目指标吻合度数据以及项目测评数据集中的多个数据对项目利润数据进行修正，通过项目本身的数据校正后的目标数据具有更高的精确度，可预测出项目的目标价值作为评审依据。
根据本发明实施例，还包括：
根据所述待测评项目的项目属性信息与所述团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据输入第三预设模型中获取项目指标级别；
根据所述项目属性信息输入至第三方项目测评平台中获取与所述待测评项目属性相匹配的第三预设模型；
根据所述团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据与所述第三预设模型中的团队能力阈值、成果价值阈值、研发专利数阈值以及项目利润阈值分别进行阈值对比；
所述团队能力阈值、成果价值阈值、研发专利数阈值以及项目利润阈值均分为四个等级，分别为I、II、III、IV级；
根据所述团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据的四项阈值对比结果对应等级求均值并取整获取所述待测评项目的项目指标级别；
根据所述项目指标级别调整所述待测评项目的项目政策和要求。
需要说明的是，根据待测评项目获取对应的项目政策和要求，项目政策和要求根据项目指标级别进行划分，项目指标级别划分为四级，分别为一到四级，其中一级最高，四级最低，为获取待测评项目对应的项目指标级别，根据待测评项目的项目属性信息通过第三方项目测评平台获取与属性相匹配的第三预设模型，然后将待测评项目的团队研发价值数据、成果价值数据、项目研发专利数以及项目拟利润数据输入至第三预设模型中进行阈值对比，第三预设模型包含与各项数据对应的团队能力阈值、成果价值阈值、研发专利数阈值以及项目利润阈值，四种阈值按照划分的阈值范围均分为四个等级，分别为I、II、III、IV级，其中I级阈值范围为(0.75，1]，II级阈值范围为(0.5,0.75],III级阈值范围为(0.25,0.5],IV级阈值范围为[0,0.25],根据四项数据的阈值对比结果分别获得对应阈值范围级别，将四项阈值范围级别求均值并取整获得的阈值范围级别均值作为待测评项目的项目指标级别，如项目A四项数据阈值对比结果级别分别是II级、II级、III级、IV级，则其阈值范围级别均值为(2+2+3+4)/4＝2.75，取整为3，即项目A阈值范围级别为III级，对应项目指标级别为三级。
根据本发明实施例，还包括：
根据所述待测评项目的项目指标级别获取对应财政支持数据；
根据所述项目目标数据、项目拟利润数据以及相关系数对所述财政支持数据进行加权获得财政预算数据；
根据所述财政预算数据对所述待测评项目进行项目扶持；
所述财政预算数据的加权计算公式为：
Figure BDA0003645915160000181
其中，V为项目目标数据，V0为项目拟利润数据，τ为政策扶持力系数，a为项目风险系数，S为财政支持数据，T为财政预算数据。
需要说明的是，本案中项目实施的财政支持预算根据待测评项目的项目目标数据以及项目拟利润数据进行加权获得，根据项目目标数据以及项目拟利润数据结合第三方项目测评平台中查询的该项目相关系数对招标的财政支持数据进行加权获得财政预算数据作为对该项目的财政实际支持预算，通过系数结合该项目预测目标数据的修正可提高对项目财政支持预算的精准度。
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括一种基于大数据的项目智能预测及评估方法程序，所述基于大数据的项目智能预测及评估方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的项目智能预测及评估方法的步骤。
本发明公开的一种基于大数据的项目智能预测及评估方法、系统和可读存储介质，通过获取待测评项目的项目属性信息和特征信息，根据待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据测评项目特征画像提取测评数据包，根据第一预设模型对测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据，根据第二预设模型对测评项目特征画像进行项目测评获取项目预期数据，根据待测评项目的项目测评数据集和项目指标吻合度数据对项目预期数据进行修正获取项目目标数据；从而基于测评信息数据生成测评项目特征画像进行项目测评获取项目预期数据并结合项目指标吻合度数据和项目测评数据集进行修正获取项目目标数据，获得实现根据大数据对项目进行智能预测评估的高精准度技术。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.基于大数据的项目智能预测及评估方法，其特征在于，包括：
获取待测评项目的项目属性信息和特征信息；
根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据所述测评项目特征画像提取测评数据包；
根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据；
根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据；
根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据。
2.根据权利要求1所述的基于大数据的项目智能预测及评估方法，其特征在于，所述获取待测评项目的项目属性信息和特征信息，包括：
获取待测评项目的申请信息和项目描述信息；
提取所述申请信息和项目描述信息中项目属性信息，包括：研发核心信息、技术领域信息、技术背景信息以及攻关主体信息；
根据所述项目描述信息和项目属性信息获取特征信息，包括：关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据。
3.根据权利要求2所述的基于大数据的项目智能预测及评估方法，其特征在于，所述根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，包括：
根据所述待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息生成项目特征树；
所述项目特征树包括所述待测评项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息；
根据所述项目特征树提取测评信息数据，包括：团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息；
根据所述团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像。
4.根据权利要求3所述的基于大数据的项目智能预测及评估方法，其特征在于，所述根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据，包括：
所述测评数据包通过所述测评项目特征画像中测评信息数据进行提取；
所述测评数据包包括项目测评数据集，包括团队研发价值数据、成果价值数据、项目研发专利数、政策资金扶持数据以及项目拟利润数据；
根据所述项目测评数据集输入第一预设模型对所述待测评项目进行指标吻合度计算获取所述项目指标吻合度数据。
5.根据权利要求4所述的基于大数据的项目智能预测及评估方法，其特征在于，所述根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据，包括：
获取项目数据库，所述项目数据库包括各类别已完成测评项目的项目测评信息数据以及项目成果数据；
根据所述项目数据库中所述各类别已完成测评项目的项目测评信息数据以及项目成果数据进行训练获得第二预设模型；
根据所述待测评项目的团队研发能力信息、课题前景信息、项目等级信息、财政支持信息输入至训练好的所述第二预设模型中获得对应项目成果数据；
所述项目成果数据包括专利研发数据、研产转化价值数据、项目利润数据以及二次研发价值数据；
根据获取的所述项目成果数据的项目利润数据作为所述待测评项目的项目预期数据。
6.根据权利要求5所述的基于大数据的项目智能预测及评估方法，其特征在于，所述根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据，包括：
根据所述待测评项目的项目测评数据集和项目指标吻合度数据结合所述待测评项目的项目参数对所述项目利润数据进行修正获取项目目标数据；
所述项目目标数据计算公式为：
Figure FDA0003645915150000031
其中，V为项目目标数据，σ为团队业界价值系数，P为团队研发价值数据，
Figure FDA0003645915150000032
为项目社会价值系数，H为成果价值数据，τ为政策扶持力系数，R为获取的所述项目利润数据，a为项目风险系数，Q为项目指标吻合度数据，所述团队业界价值系数、项目社会价值系数、政策扶持力系数以及项目风险系数为根据所述待测评项目在第三方项目测评平台中查询获取。
7.一种基于大数据的项目智能预测及评估系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的项目智能预测及评估方法的程序，所述基于大数据的项目智能预测及评估方法的程序被所述处理器执行时实现以下步骤：
获取待测评项目的项目属性信息和特征信息；
根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，根据所述测评项目特征画像提取测评数据包；
根据第一预设模型对所述测评数据包中的项目测评数据集进行指标吻合度分析获取项目指标吻合度数据；
根据第二预设模型对所述测评项目特征画像进行项目测评获取项目预期数据；
根据所述待测评项目的项目测评数据集和项目指标吻合度数据对所述项目预期数据进行修正获取项目目标数据。
8.根据权利要求7所述的基于大数据的项目智能预测及评估系统，其特征在于，所述获取待测评项目的项目属性信息和特征信息，包括：
获取待测评项目的申请信息和项目描述信息；
提取所述申请信息和项目描述信息中项目属性信息，包括：研发核心信息、技术领域信息、技术背景信息以及攻关主体信息；
根据所述项目描述信息和项目属性信息获取特征信息，包括：关键技术信息、核心攻关信息、项目量级数据、参研团队信息以及项目效益指标数据。
9.根据权利要求8所述的基于大数据的项目智能预测及评估系统，其特征在于，所述根据所述待测评项目的项目属性信息和特征信息提取测评信息数据生成测评项目特征画像，包括：
根据所述待测评项目的研发核心信息、技术领域信息、技术背景信息、攻关主体信息以及关键技术信息、核心攻关信息、项目量级数据、参研团队信息生成项目特征树；
所述项目特征树包括所述项目的团队数据信息、前沿背景信息、核心任务信息、周边政策信息以及预算财务信息；
根据所述项目特征树提取测评信息数据，包括：团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息；
根据所述团队研发能力信息、课题前景信息、项目等级信息、财政支持信息以及投资回报信息生成测评项目特征画像。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的项目智能预测及评估方法程序，所述基于大数据的项目智能预测及评估方法程序被处理器执行时，实现如权利要求1至6中任一项所述的一种基于大数据的项目智能预测及评估方法的步骤。
CN202210529307.5A 2022-05-16 2022-05-16 基于大数据的项目智能预测及评估方法、系统及可读存储介质 Pending CN115203496A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210529307.5A CN115203496A (zh) 2022-05-16 2022-05-16 基于大数据的项目智能预测及评估方法、系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210529307.5A CN115203496A (zh) 2022-05-16 2022-05-16 基于大数据的项目智能预测及评估方法、系统及可读存储介质

Publications (1)

Publication Number Publication Date
CN115203496A true CN115203496A (zh) 2022-10-18

Family

ID=83574615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210529307.5A Pending CN115203496A (zh) 2022-05-16 2022-05-16 基于大数据的项目智能预测及评估方法、系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN115203496A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151670A (zh) * 2023-02-01 2023-05-23 北京共识数信科技有限公司 一种投行业务上市项目质量的智能评估方法、系统及介质
CN116205605A (zh) * 2023-03-08 2023-06-02 广东省技术经济研究发展中心 一种科技项目文件质量智能评估方法、系统及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107093018A (zh) * 2017-04-20 2017-08-25 湖北电信工程有限公司 基于健康模型的电信工程项目信息可视化方法及装置
US20180210728A1 (en) * 2017-01-26 2018-07-26 International Business Machines Corporation Evaluating project maturity from data sources
CN110889575A (zh) * 2018-09-11 2020-03-17 国网上海市电力公司 一种基于情报评价的科技项目立项评估方法
CN111091297A (zh) * 2019-12-20 2020-05-01 崔朋朋 一种项目投资前风险把控的方法及系统
CN111860917A (zh) * 2019-04-24 2020-10-30 中国石油天然气股份有限公司 油气勘探项目的预测方法及装置
CN111985937A (zh) * 2020-08-13 2020-11-24 西安科技大学 交易商价值信息评估方法、系统、存储介质、计算机设备
KR102198904B1 (ko) * 2020-01-09 2021-01-06 기술보증기금 분산 딥러닝 모델 기반 기술력평가용 인공지능 모듈을 생성하는 방법 및 인공지능모듈을 적용한 기술력예측방법과 이를 구현하는 시스템, 상기 방법이 구현된 프로그램을 기록한 컴퓨터가 읽을 수 있는 기록매체
CN113505936A (zh) * 2021-07-26 2021-10-15 平安信托有限责任公司 项目审批结果的预测方法、装置、设备及存储介质
CN113724057A (zh) * 2021-08-31 2021-11-30 平安国际智慧城市科技股份有限公司 基于大数据的财政预算填报方法、系统、设备及介质
CN113869732A (zh) * 2021-09-28 2021-12-31 浙江大学滨海产业技术研究院 基于因子分析法的科技项目产业化评价方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180210728A1 (en) * 2017-01-26 2018-07-26 International Business Machines Corporation Evaluating project maturity from data sources
CN107093018A (zh) * 2017-04-20 2017-08-25 湖北电信工程有限公司 基于健康模型的电信工程项目信息可视化方法及装置
CN110889575A (zh) * 2018-09-11 2020-03-17 国网上海市电力公司 一种基于情报评价的科技项目立项评估方法
CN111860917A (zh) * 2019-04-24 2020-10-30 中国石油天然气股份有限公司 油气勘探项目的预测方法及装置
CN111091297A (zh) * 2019-12-20 2020-05-01 崔朋朋 一种项目投资前风险把控的方法及系统
KR102198904B1 (ko) * 2020-01-09 2021-01-06 기술보증기금 분산 딥러닝 모델 기반 기술력평가용 인공지능 모듈을 생성하는 방법 및 인공지능모듈을 적용한 기술력예측방법과 이를 구현하는 시스템, 상기 방법이 구현된 프로그램을 기록한 컴퓨터가 읽을 수 있는 기록매체
CN111985937A (zh) * 2020-08-13 2020-11-24 西安科技大学 交易商价值信息评估方法、系统、存储介质、计算机设备
CN113505936A (zh) * 2021-07-26 2021-10-15 平安信托有限责任公司 项目审批结果的预测方法、装置、设备及存储介质
CN113724057A (zh) * 2021-08-31 2021-11-30 平安国际智慧城市科技股份有限公司 基于大数据的财政预算填报方法、系统、设备及介质
CN113869732A (zh) * 2021-09-28 2021-12-31 浙江大学滨海产业技术研究院 基于因子分析法的科技项目产业化评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林振亮: "大数据视角下的广东科研审计与监管探讨", 《科技创新发展战略研究》, vol. 4, no. 1, 29 February 2020 (2020-02-29) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151670A (zh) * 2023-02-01 2023-05-23 北京共识数信科技有限公司 一种投行业务上市项目质量的智能评估方法、系统及介质
CN116151670B (zh) * 2023-02-01 2023-11-24 北京共识数信科技有限公司 一种投行业务上市项目质量的智能评估方法、系统及介质
CN116205605A (zh) * 2023-03-08 2023-06-02 广东省技术经济研究发展中心 一种科技项目文件质量智能评估方法、系统及介质
CN116205605B (zh) * 2023-03-08 2024-04-19 广东省技术经济研究发展中心 一种科技项目文件质量智能评估方法、系统及介质

Similar Documents

Publication Publication Date Title
JP6749468B2 (ja) 評価モデルのためのモデリング方法及び装置
US20180308160A1 (en) Risk assessment method and system
CN108009915A (zh) 一种欺诈用户社区的标记方法及相关装置
CN110992169A (zh) 一种风险评估方法、装置、服务器及存储介质
CN115203496A (zh) 基于大数据的项目智能预测及评估方法、系统及可读存储介质
CN104834731A (zh) 一种自媒体信息的推荐方法及装置
CN107633257B (zh) 数据质量评估方法及装置、计算机可读存储介质、终端
CN109840676B (zh) 基于大数据的风控方法、装置、计算机设备及存储介质
CN113205403A (zh) 一种企业信用等级的计算方法、装置、存储介质及终端
CN112990583A (zh) 一种数据预测模型的入模特征确定方法及设备
CN113407854A (zh) 一种应用推荐方法、装置、设备及计算机可读存储介质
WO2000054186A1 (en) Financial forecasting system and method for risk assessment and management
CN111179055A (zh) 授信额度调整方法、装置和电子设备
CN112950347A (zh) 资源数据处理的优化方法及装置、存储介质、终端
CN111612366A (zh) 渠道质量评估方法、装置、电子设备及存储介质
CN111382909A (zh) 基于生存分析模型扩展坏样本的拒绝推断方法及相关设备
CN115564578B (zh) 欺诈识别模型生成方法
CN115114851A (zh) 基于五折交叉验证的评分卡建模方法及装置
CN113673609B (zh) 一种基于线性隐变量的调查问卷数据分析方法
CN108805603A (zh) 营销活动质量评估方法、服务器及计算机可读存储介质
CN114298829A (zh) 用于授信评估的数据处理方法和装置
CN114463119A (zh) 信用评估方法、装置及电子设备
CN113407827A (zh) 基于用户价值分类的信息推荐方法、装置、设备及介质
CN112163943A (zh) 违约概率的确定方法、装置、设备和介质
CN111815204A (zh) 风险评估方法、装置以及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination