CN116468534A - 一种集体经济组织信用信息等级分析方法及系统 - Google Patents

一种集体经济组织信用信息等级分析方法及系统 Download PDF

Info

Publication number
CN116468534A
CN116468534A CN202310263783.1A CN202310263783A CN116468534A CN 116468534 A CN116468534 A CN 116468534A CN 202310263783 A CN202310263783 A CN 202310263783A CN 116468534 A CN116468534 A CN 116468534A
Authority
CN
China
Prior art keywords
thread
coefficient
user
target
credit rating
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
CN202310263783.1A
Other languages
English (en)
Inventor
贺晓冬
张展
牟方才
周静
谭希敏
王彦
张先鹏
吴玄
邱川林
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.)
Easy Weather Beijing Technology Co ltd
Original Assignee
Easy Weather Beijing Technology Co ltd
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 Easy Weather Beijing Technology Co ltd filed Critical Easy Weather Beijing Technology Co ltd
Priority to CN202310263783.1A priority Critical patent/CN116468534A/zh
Publication of CN116468534A publication Critical patent/CN116468534A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供的一种集体经济组织信用信息等级分析方法及系统，在确定目标检测事项的目标用户信用评价线程系数时，不仅考虑了待处理检测事项的知识字符数据，还引入了目标检测事项的用户要素种类的种类划分信息，以及与种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数，通过知识字符数据和种类划分信息对指定用户信用评价线程系数进行更新，可以使得到的目标用户信用评价线程系数与目标检测事项的目标用户要素种类更为关联，从而能够有效提高目标线程系数的精确性和可靠性，进而能够提高信用评价等级的可信度。

Description

一种集体经济组织信用信息等级分析方法及系统
技术领域
本申请涉及数据分析技术领域，具体而言，涉及一种集体经济组织信用信息等级分析方法及系统。
背景技术
随着社会的不断进步和发展，计算机的应用越来越广泛，农村集体经济组织数量越来越多，集体经济组织的用户信用信息需要根据定量和定性多层因素进行评估，在评估的过程中可能存在分析线程的性能不完善的情况，这样一来，无法精确的进行信用安全评估，因此亟需一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了一种集体经济组织信用信息等级分析方法及系统。
第一方面，提供一种集体经济组织信用信息等级分析方法，所述方法至少包括：获得涵盖目标检测事项的待分析用户信息；通过事先配置的人工智能分析线程，抽取所述待分析用户信息的知识字符数据，并对所述目标检测事项的用户要素种类进行种类划分，得到所述目标检测事项对应的种类划分信息；获得与所述种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数；依据所述知识字符数据和所述种类划分信息，对所述目标用户要素种类关联的指定用户信用评价线程系数进行更新，得到用于表示所述目标检测事项的目标用户信用评价线程系数。
在一种独立实施的实施例中，所述人工智能分析线程按照以下方式配置得到：抽取涵盖了范例检测事项的用户信息示例的范例知识字符数据，并对所述范例检测事项的范例用户要素种类进行种类划分，得到所述范例检测事项对应的范例种类划分信息；获得与所述范例种类划分信息指示的范例用户要素种类关联的指定范例用户信用评价线程系数；依据所述范例知识字符数据和所述范例种类划分信息，对所述指定范例用户信用评价线程系数进行更新，得到用于表示所述范例检测事项的目标范例用户信用评价线程系数；依据所述范例检测事项对应的目标范例用户信用评价线程系数和所述范例检测事项对应的当前用户信用评价线程系数，对初始人工智能分析线程中的线程系数值进行更新，在配置完成后得到所述人工智能分析线程，所述当前用户信用评价线程系数涵盖于事先批注的与所述范例检测事项对应的当前检测事项信息中。
在一种独立实施的实施例中，所述获得与所述种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数，包括：依据所述种类划分信息，确定所述目标检测事项所属的目标用户要素种类；在事先搭建的检测事项历史数据集中获得与所述目标用户要素种类关联的指定用户信用评价线程系数；所述检测事项历史数据集中涵盖若干种指定用户信用评价线程系数，每一种指定用户信用评价线程系数用于表示所述目标检测事项的一种用户要素种类。
在一种独立实施的实施例中，所述依据所述知识字符数据和所述种类划分信息，对所述目标用户要素种类关联的指定用户信用评价线程系数进行更新，得到用于表示所述目标检测事项的目标用户信用评价线程系数，包括：依据所述知识字符数据和所述种类划分信息，确定用户信用评价线程系数误差，所述用户信用评价线程系数误差用于表示所述目标检测事项的当前用户信用评价线程系数和所述目标用户要素种类关联的指定用户信用评价线程系数之间的区别数据；依据所述用户信用评价线程系数误差，对所述目标用户要素种类关联的指定用户信用评价线程系数进行更新后，得到用于表示所述目标检测事项的目标用户信用评价线程系数。
在一种独立实施的实施例中，所述抽取所述待分析用户信息的知识字符数据，并对所述目标检测事项的用户要素种类进行种类划分，得到所述目标检测事项对应的种类划分信息，包括：依据所述待分析用户信息和事先配置的数据翻译单元，抽取所述待分析用户信息的知识字符数据；依据所述知识字符数据和事先配置的种类划分单元，对所述目标检测事项的用户要素种类进行种类划分，得到所述目标检测事项对应的种类划分信息。
在一种独立实施的实施例中，所述种类划分信息涵盖在若干个用户要素种类下的特征值搭建的特征值队列；所述依据所述种类划分信息，确定所述目标检测事项所属的目标用户要素种类，包括：获得所述特征值队列中最高的特征值对应的用户要素种类确定为目标用户要素种类。
在一种独立实施的实施例中，在得到用于表示所述目标检测事项的目标用户信用评价线程系数之后，所述集体经济组织信用信息等级分析方法还包括：依据所述目标用户信用评价线程系数，优化并输出与所述目标检测事项对应的用户信用评价线程。
在一种独立实施的实施例中，所述获得与所述范例种类划分信息指示的范例用户要素种类关联的指定范例用户信用评价线程系数，包括：依据所述范例种类划分信息，确定所述范例检测事项所属的范例用户要素种类；在事先搭建的范例检测事项历史数据集中获得与所述范例用户要素种类关联的指定范例用户信用评价线程系数；所述范例检测事项历史数据集中涵盖若干种指定范例用户信用评价线程系数，每一种指定范例用户信用评价线程系数用于表示所述范例检测事项的一种范例用户要素种类。
在一种独立实施的实施例中，所述依据所述范例知识字符数据和所述范例种类划分信息，对所述指定范例用户信用评价线程系数进行更新，得到用于表示所述范例检测事项的目标范例用户信用评价线程系数，包括：依据所述范例知识字符数据和所述范例种类划分信息，确定范例用户信用评价线程系数误差，所述范例用户信用评价线程系数误差用于表示所述范例检测事项对应的当前范例用户信用评价线程系数和所述范例用户要素种类关联的指定范例用户信用评价线程系数之间的区别数据；依据所述范例用户信用评价线程系数误差对所述范例检测事项对应的指定范例用户信用评价线程系数进行更新后，得到用于表示所述范例检测事项的目标范例用户信用评价线程系数。
在一种独立实施的实施例中，所述当前检测事项信息还包括所述范例检测事项的当前用户要素种类对应的当前指定范例用户信用评价线程系数；所述线程系数值包括用于抽取范例知识字符数据的数据翻译单元对应的第一线程系数值，用于确定所述范例种类划分信息的种类划分单元对应的第二线程系数值，以及用于确定所述范例用户信用评价线程系数误差的系数预测单元对应的第三线程系数值；所述依据所述范例检测事项对应的目标范例用户信用评价线程系数和所述范例检测事项对应的当前用户信用评价线程系数，对初始人工智能分析线程中的线程系数值进行更新，包括：依据所述指定范例用户信用评价线程系数和所述当前指定范例用户信用评价线程系数，确定所述指定范例用户信用评价线程系数对应的第一质量指标线程；依据所述范例检测事项对应的目标范例用户信用评价线程系数和所述范例检测事项对应的当前用户信用评价线程系数，确定所述目标范例用户信用评价线程系数对应的第二质量指标线程；依据所述第一质量指标线程和所述第二质量指标线程，对所述第一线程系数值、所述第二线程系数值和所述第三线程系数值进行更新。
在一种独立实施的实施例中，所述人工智能分析线程的线程系数值还包括所述事先搭建的范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新值，所述依据所述第一质量指标线程和所述第二质量指标线程，对所述第一线程系数值、所述第二线程系数值和所述第三线程系数值进行更新，包括：依据所述系数更新值，确定所述范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新质量指标线程；依据所述第一质量指标线程、所述第二质量指标线程和所述系数更新质量指标线程，对所述第一线程系数值、所述第二线程系数值、所述第三线程系数值和所述系数更新值进行更新。
在一种独立实施的实施例中，所述集体经济组织信用信息等级分析方法还包括：依据所述事先搭建的范例检测事项历史数据集中的每个指定范例用户信用评价线程系数各自对应的更新后的系数更新值，对所述范例检测事项历史数据集中各个指定范例用户信用评价线程系数进行更新，得到涵盖若干个指定用户信用评价线程系数的检测事项历史数据集。
第二方面，提供一种集体经济组织信用信息等级分析系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的一种集体经济组织信用信息等级分析方法及系统，在确定目标检测事项的目标用户信用评价线程系数时，不仅考虑了待处理检测事项的知识字符数据，还引入了目标检测事项的用户要素种类的种类划分信息，以及与种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数，通过知识字符数据和种类划分信息对指定用户信用评价线程系数进行更新，可以使得到的目标用户信用评价线程系数与目标检测事项的目标用户要素种类更为关联，从而能够有效提高目标线程系数的精确性和可靠性，进而能够提高信用评价等级的可信度。
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为本申请实施例所提供的一种集体经济组织信用信息等级分析方法的流程图。
图2为本申请实施例所提供的一种用户信用信息等级分析装置的框图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种集体经济组织信用信息等级分析方法，该方法可以包括以下步骤S101-S104描述的技术方案。
S101，获得涵盖目标检测事项的待分析用户信息。
可以理解的，目标检测事项可以理解为目标对象。
S102，抽取待分析用户信息的知识字符数据，并对目标检测事项的用户要素种类进行种类划分，得到目标检测事项对应的种类划分信息。
抽取的待分析用户信息的知识字符数据，该过程将数据集中的目标检测事项转换为知识字符数据，进一步地，可以趋向于抽取待分析用户信息中用于表示目标检测事项的知识字符数据。
在得到待分析用户信息的知识字符数据后，可以基于该知识字符数据来对目标检测事项的用户要素种类进行种类划分，从而得到目标检测事项对应的种类划分信息。种类划分信息可以是用于表示目标检测事项的用户要素种类的信息。
S103，获得与种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数。
目标用户要素种类是指与待分析用户信息中的目标检测事项关联的用户要素种类，目标用户要素种类关联的指定用户信用评价线程系数是指用于表示该目标用户要素种类对应的用户信用评价线程的系数值。
S104，基于知识字符数据和种类划分信息，对目标用户要素种类关联的指定用户信用评价线程系数进行更新，得到用于表示目标检测事项的目标用户信用评价线程系数。
上述得到的目标用户要素种类关联的指定用户信用评价线程系数能够粗略表示目标检测事项的用户要素种类，这里提出基于知识字符数据和种类划分信息，对该指定用户信用评价线程系数进行更新，知识字符数据能够趋向于表示待分析用户信息中目标检测事项的特征，基于该知识字符数据和种类划分信息，可以首先确定出需要更新的系数值，然后基于确定的需要更新的系数值对指定用户信用评价线程系数进行更新，可以得到目标用户信用评价线程系数。具体更新过程，将在后文进行详细阐述。
下面将针对上述S101～S104将结合具体的实施例进行详细阐述。
针对上述步骤S102，可以包括以下内容。
(1)基于待分析用户信息和事先配置的数据翻译单元，抽取待分析用户信息的知识字符数据。
(2)基于知识字符数据和事先配置的种类划分单元，确定目标检测事项的用户要素种类进行种类划分，得到目标检测事项对应的种类划分信息。
在一些可能实施的实施例中，数据翻译单元可以用于对待分析用户信息进行特征提取，并抽取待分析用户信息中的知识字符数据，数据翻译单元在抽取知识字符数据时，可以趋向于抽取待分析用户信息中的目标检测事项的知识字符数据。
在一些可能实施的实施例中，种类划分单元可以基于待分析用户信息的知识字符数据，对待分析用户信息中的目标检测事项的用户要素种类进行种类划分，得到目标检测事项对应的种类划分信息。
举例而言，种类划分信息可以涵盖在若干个用户要素种类下的特征值搭建的特征值队列，事先配置的种类划分单元可以基于知识字符数据对目标检测事项属于每个用户要素种类进行打分，得到该特征值队列。
在一些可能实施的实施例中，获得与该种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数，具体可以包括以下内容。
(1)基于种类划分信息，确定目标检测事项所属的目标用户要素种类。
其中，种类划分信息可以涵盖在若干个用户要素种类下的特征值搭建的特征值队列，在基于种类划分信息，确定目标检测事项所属的目标用户要素种类时，可以获得该特征值队列中最高的特征值对应的用户要素种类确定为该目标用户要素种类。
(2)在事先搭建的检测事项历史数据集中获得与目标用户要素种类关联的指定用户信用评价线程系数，其中，检测事项历史数据集中涵盖若干种指定用户信用评价线程系数，每一种指定用户信用评价线程系数用于表示目标检测事项的一种用户要素种类。
举例而言，当种类划分信息涵盖在若干个用户要素种类下的特征值搭建的特征值队列时，特征值队列中涵盖的特征值个数与检测事项历史数据集中涵盖的用户要素种类的个数相同，可以基于特征值队列中特征值的高低，在事先搭建的检测事项历史数据集中获得与该目标用户要素种类对应的指定用户信用评价线程系数。
譬如，可以事先为特征值队列中每个位置的特征值设置对应的用户要素种类标识，譬如针对检测事项历史数据集中涵盖n个用户要素种类对应的指定用户信用评价线程系数时，可以同样事先为特征值队列设置n个特征值，每个特征值对应一个用户要素种类标识，譬如特征值队列中的第一个特征值对应的用户要素种类标识为1，第二个特征值对应的用户要素种类标识为2，依次类推，第n个特征值对应的用户要素种类标识为n。
对应地，事先搭建的检测事项历史数据集中涵盖的用户要素种类也可以设置与特征值队列中的用户要素种类标识对应的标识，譬如检测事项历史数据集中涵盖的n个用户要素种类，可以将这n个用户要素种类的标识依次记为1～n，这样，可以在确定特征值队列中最高的特征值对应的用户要素种类标识后，按照该用户要素种类标识和检测事项历史数据集中的各个用户要素种类对应的标识，抽取与最高特征值的用户要素种类标识对应标识的指定用户信用评价线程系数确定为与目标用户要素种类关联的指定用户信用评价线程系数，譬如，获得到的特征值队列中最高的特征值对应的类别标识为2，则在事先搭建的检测事项历史数据集中，选择第2个用户要素种类的指定用户信用评价线程系数确定为与目标用户要素种类对应的指定用户信用评价线程系数。
本公开实施例中，按照上述方式可以在事先搭建的检测事项历史数据集中选择与待分析用户信息中目标检测事项的用户要素种类最接近的指定用户信用评价线程系数，进而便于基于该最接近的指定用户信用评价线程系数进一步准确得到目标检测事项的目标用户信用评价线程系数。
在得到待分析用户信息中的目标检测事项对应的指定用户信用评价线程系数后，可以进一步基于待分析用户信息的知识字符数据和目标检测事项对应的种类划分信息，对指定用户信用评价线程系数进行更新，得到用于表示目标检测事项的目标用户信用评价线程系数，具体可以包括以下内容。
(1)基于知识字符数据和种类划分信息，确定用户信用评价线程系数误差，该用户信用评价线程系数误差用于表示目标检测事项的当前用户信用评价线程系数和目标用户要素种类关联的指定用户信用评价线程系数之间的区别数据。
(2)基于该用户信用评价线程系数误差，对目标用户要素种类关联的指定用户信用评价线程系数进行更新后，得到用于表示目标检测事项的目标用户信用评价线程系数。
基于待分析用户信息的知识字符数据和目标检测事项对应的种类划分信息，来确定用户信用评价线程系数误差，确定目标检测事项对应的当前线程系数信息与原型系数信息之间的区别数据，具体可以基于事先配置的人工智能分析线程来确定。
引入的用户信用评价线程系数误差用来表示目标检测事项对应的指定用户信用评价线程系数与当前用户信用评价线程系数之间的差异。
在得到用户信用评价线程系数误差后，可以通过将指定用户信用评价线程系数和用户信用评价线程系数误差进行求和，可得到目标检测事项对应的目标用户信用评价线程系数。
引入通过知识字符数据和种类划分信息来确定用于表示目标检测事项的当前用户信用评价线程系数和目标用户要素种类关联的指定用户信用评价线程系数之间的区别数据，然后基于该区别数据对指定用户信用评价线程系数进行更新，可以得到更靠近当前用户信用评价线程系数的目标用户信用评价线程系数，进一步提升目标用户信用评价线程系数的精确性。
针对上述提到的基于知识字符数据和种类划分信息，确定用户信用评价线程系数误差的过程，可以按照以下方式确定。
(1)对知识字符数据和种类划分信息进行融合，得到融合信息。
(2)基于融合信息和事先配置的系数预测单元，得到用户信用评价线程系数误差。
然后将融合搭建的数值队列输入事先配置的系数预测单元，可以得到的用户信用评价线程系数误差。
得到用户信用评价线程系数误差后，可以基于该用户信用评价线程系数误差对目标用户要素种类关联的指定用户信用评价线程系数进行更新，得到目标检测事项对应的目标用户信用评价线程系数信息，具体如下：将目标用户要素种类关联的的指定用户信用评价线程系数与用户信用评价线程系数误差进行相加，可以得到目标检测事项对应的目标用户信用评价线程系数。
检测事项历史数据集中涵盖的用户要素种类的指定用户信用评价线程系数可以通过若干个向量搭建的矩阵来表示，每个用户要素种类的指定用户信用评价线程系数可以通过涵盖若干个系数值的向量表示，这样，若检测事项历史数据集中包括n个用户要素种类，每个用户要素种类的指定用户信用评价线程系数涵盖t个系数时，则检测事项历史数据集中的指定用户信用评价线程系数的矩阵可以由n个t方向的向量搭建。
检测事项历史数据集中的每个指定用户信用评价线程系数中涵盖系数类别与用户信用评价线程系数误差中涵盖的系数类别相同，以及，每个指定用户信用评价线程系数中的系数类别顺序与用户信用评价线程系数误差中的系数类别排序相同。
进一步地，得到与目标检测事项对应的目标用户信用评价线程系数之后，本公开实施例提供的集体经济组织信用信息等级分析方法还包括：基于目标用户信用评价线程系数，优化并输出与目标检测事项对应的用户信用评价线程。
因为目标用户信用评价线程系数中涵盖有表示目标检测事项用户要素种类的系数值，则基于这些系数值可以优化展示出该目标检测事项对应的用户信用评价线程。
以上过程是针对如何对待分析用户信息进行处理，得到待分析用户信息中的目标检测事项对应的用户信用评价线程的过程，下面，将针对上文提到的人工智能分析线程的配置过程进行详细阐述，该人工智能分析线程通过涵盖了范例检测事项的用户信息示例以及事先批注的与范例检测事项对应的当前检测事项信息配置得到，当前检测事项信息涵盖范例检测事项对应的当前用户信用评价线程系数，具体过程如下。
本公开实施例提供的人工智能分析线程可以按照以下方式配置得到。
S301，抽取用户信息示例的范例知识字符数据，并对范例检测事项的范例用户要素种类进行种类划分，得到范例检测事项对应的范例种类划分信息。
范例检测事项对应的当前检测事项信息，可以包括表示该范例检测事项的当前范例用户要素种类的当前用户信用评价线程系数，根据该当前用户信用评价线程系数可以生成该范例检测事项对应的当前用户信用评价线程。
抽取用户信息示例的范例知识字符数据与上文介绍的抽取待分析用户信息的知识字符数据的过程相似，以及确定范例检测事项的范例种类划分信息与上文介绍的确定目标检测事项的种类划分信息的过程相似。
S302，获得与范例种类划分信息指示的范例用户要素种类关联的指定范例用户信用评价线程系数。
获得与范例种类划分信息指示的范例用户要素种类关联的指定范例用户信用评价线程系数的过程与上文获得目标用户要素种类关联的指定用户信用评价线程系数的过程详细，在此不进行赘述。
S303，基于范例知识字符数据和范例种类划分信息，对指定范例用户信用评价线程系数进行更新，得到用于表示范例检测事项的目标范例用户信用评价线程系数。
得到用于表示样板检测事项的目标范例用户信用评价线程系数的过程，与上文得到目标检测事项的目标用户信用评价线程系数的过程相似。
S304，基于范例检测事项对应的目标范例用户信用评价线程系数和范例检测事项对应的当前用户信用评价线程系数，对初始人工智能分析线程中的线程系数值进行更新，在配置完成后得到人工智能分析线程。
可以将用户信息示例输入人工智能分析线程中的数据翻译单元后，最终得到用户信息示例中范例检测事项对应的目标用户信用评价线程系数，然后基于范例检测事项对应的目标用户信用评价线程系数以及事先批注的与范例检测事项对应的当前用户信用评价线程系数，确定范例检测事项的目标范例用户信用评价线程系数对应的质量指标线程，然后通过不断更新质量指标线程的质量指标值，对人工智能分析线程中的线程系数值进行更新。
本公开上述步骤S301～S304提出的人工智能分析线程的配置过程，在该配置过程中，通过范例检测事项对应的目标范例用户信用评价线程系数和范例检测事项对应的当前用户信用评价线程系数，对人工智能分析线程中的线程系数值进行更新，可以得到能够对待分析用户信息进行处理，准确得到待分析用户信息中的目标检测事项对应的目标用户信用评价线程系数的人工智能分析线程。
上述在人工智能分析线程的配置过程中，步骤S302提出的获得与范例种类划分信息指示的范例用户要素种类关联的指定范例用户信用评价线程系数的过程，包括以下内容。
(1)基于范例种类划分信息，确定范例检测事项所属的范例用户要素种类。
(2)在事先搭建的范例检测事项历史数据集中获得与范例用户要素种类关联的指定范例用户信用评价线程系数；范例检测事项历史数据集中涵盖若干种指定范例用户信用评价线程系数，每一种指定范例用户信用评价线程系数用于表示范例检测事项的一种范例用户要素种类。
事先搭建的范例检测事项历史数据集中可以涵盖设定个数的范例用户要素种类对应的指定范例用户信用评价线程系数，为了提高人工智能分析线程的精确性，也会更新范例检测事项历史数据集中各个范例用户要素种类对应的指定范例用户信用评价线程系数，该过程在后续进行介绍。
基于范例种类划分信息，确定范例检测事项所属的范例用户要素种类的过程，与上文基于种类划分信息，确定目标检测事项所属的目标用户要素种类的过程相似，在此不进行赘述，以及在事先搭建的范例检测事项历史数据集中获得与范例用户要素种类关联的指定范例用户信用评价线程系数的过程，与上文提到的在事先搭建的检测事项历史数据集中获得与目标用户要素种类关联的指定用户信用评价线程系数的过程相似，在此不再赘述。
上述在人工智能分析线程的配置过程中，步骤S303提出基于范例知识字符数据和范例种类划分信息，对指定范例用户信用评价线程系数进行更新，得到用于表示范例检测事项的目标范例用户信用评价线程系数的过程，包括以下内容。
(1)基于范例知识字符数据和范例种类划分信息，确定范例用户信用评价线程系数误差，范例用户信用评价线程系数误差用于表示范例检测事项对应的当前范例用户信用评价线程系数和范例用户要素种类关联的指定范例用户信用评价线程系数之间的区别数据。
(2)基于范例用户信用评价线程系数误差对范例检测事项对应的指定范例用户信用评价线程系数进行更新后，得到用于表示范例检测事项的目标范例用户信用评价线程系数。
基于范例知识字符数据和范例种类划分信息，确定范例用户信用评价线程系数误差的过程与上文提到的基于知识字符数据和种类划分信息，确定用户信用评价线程系数误差的过程相似，在此不再赘述。
基于范例用户信用评价线程系数误差对范例检测事项对应的指定范例用户信用评价线程系数进行更新，得到范例检测事项对应的目标范例用户信用评价线程系数的过程，与上文基于用户信用评价线程系数误差对指定用户信用评价线程系数进行更新，得到与目标检测事项对应的目标用户信用评价线程系数的过程相似，在此不再赘述。
特别地，针对上文提到的人工智能分析线程中包括的数据翻译单元、种类划分单元、系数预测单元等情况，在对人工智能分析线程中的线程系数值进行更新时，可以涵盖对本公开提出的数据翻译单元、种类划分单元、系数预测单元中的线程系数值进行更新。
举例而言，上述提到的当前检测事项信息还包括范例检测事项的当前用户要素种类对应的当前指定用户信用评价线程系数，在获得到用户信息示例的同时，也获得到该用户信息示例中的范例检测事项在范例检测事项历史数据集中对应的当前指定用户信用评价线程系数；线程系数值包括用于抽取范例知识字符数据的数据翻译单元对应的第一线程系数值，用于确定范例种类划分信息的种类划分单元对应的第二线程系数值，以及用于确定范例用户信用评价线程系数误差的系数预测单元对应的第三线程系数值。
上述步骤S304提出的，基于范例检测事项对应的目标范例用户信用评价线程系数和范例检测事项对应的当前用户信用评价线程系数，对初始人工智能分析线程中的线程系数值进行更新时，具体可以包括以下步骤。
S401，基于指定范例用户信用评价线程系数和当前指定范例用户信用评价线程系数，确定指定范例用户信用评价线程系数对应的第一质量指标线程。
在根据范例种类划分信息确定指定范例用户信用评价线程系数，可能存在误差，譬如范例种类划分信息中涵盖的特征值队列中，最高的特征值对应的类别标识为2，这样基于该种类划分信息抽取到的指定范例用户信用评价线程系数为与类别标识2对应的指定范例用户信用评价线程系数，此时若范例检测事项对应的当前指定范例用户信用评价线程系数为类别标识3对应的指定范例用户信用评价线程系数，则可以表明种类划分单元和数据翻译单元在预测范例种类划分信息时不够准确，这样，基于若干个范例检测事项对应的指定范例用户信用评价线程系数和当前指定范例用户信用评价线程系数，可以确定指定范例用户信用评价线程系数对应的第一质量指标线程。
S402，基于范例检测事项对应的目标范例用户信用评价线程系数和范例检测事项对应的当前用户信用评价线程系数，确定目标范例用户信用评价线程系数对应的第二质量指标线程。
在确定目标范例用户信用评价线程系数时，涉及到数据翻译单元、种类划分单元以及系数预测单元，当然，若需要对数据翻译单元得到的范例知识字符数据进行进一步抽取特征时，在确定目标范例用户信用评价线程系数时，还包括特征衍生单元。
S403，基于第一质量指标线程和第二质量指标线程，对第一线程系数值、第二线程系数值和第三线程系数值进行更新。
在得到第一质量指标线程和第二质量指标线程后，可以对第一质量指标线程和第二质量指标线程求和，得到人工智能分析线程对应的质量指标线程之和，然后通过不断地更新第一质量指标线程中的线程系数值，以及第二质量指标线程中的线程系数值，使得质量指标线程之和的质量指标值达到最小，或者配置达到设定次数，可以得到上述提到的第一线程系数值、第二线程系数值和第三线程系数值。
本公开实施例提出的上述S401～S403，在更新人工智能分析线程中的线程系数值时，增加了对指定范例用户信用评价线程系数对应的第一质量指标线程的更新过程，对种类划分单元和数据翻译单元中的线程系数值进行了额外更新，从而使得能够得到与范例检测事项更加关联的指定范例用户信用评价线程系数，这样在对与范例检测事项更加关联的指定范例用户信用评价线程系数进行修正后，可以得到与范例检测事项更加关联的目标范例用户信用评价线程系数，以便通过不断更新线程系数值准确得到人工智能分析线程。
随着对人工智能分析线程的不断配置，为了提高人工智能分析线程的精确性，也会更新范例检测事项历史数据集中各个范例用户要素种类对应的指定范例用户信用评价线程系数，下面对该过程进行介绍。
人工智能分析线程的线程系数值还包括事先搭建的范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新值，每个指定范例用户信用评价线程系数对应的系数更新值为在人工智能分析线程的配置过程中，需要确定对该指定范例用户信用评价线程系数进行动态更新时的更新量，譬如，范例检测事项历史数据集中的各个范例用户要素种类均对应有初始的指定范例用户信用评价线程系数，随着对人工智能分析线程的配置，可以基于每次配置得到的每个指定范例用户信用评价线程系数对应的系数更新值，对该指定范例用户信用评价线程系数进行动态调试。
举例而言，范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新值的确定过程，与人工智能分析线程中针对线程系数值的更新相关，举例而言，在上述S403中，在基于第一质量指标线程和第二质量指标线程，对第一线程系数值、第二线程系数值和第三线程系数值进行更新时，可以包括。
(1)基于系数更新值，确定范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新质量指标线程。
系数更新质量指标线程与系数更新值有关，基于范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新值，可以得到与范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新质量指标线程。
(2)基于第一质量指标线程、第二质量指标线程和系数更新质量指标线程，对第一线程系数值、第二线程系数值、第三线程系数值和系数更新值进行更新。
然后进一步地，对第一质量指标线程、第二质量指标线程和系数更新质量指标线程进行求和，得到人工智能分析线程对应的质量指标线程之和，通过设置第一线程系数值、第二线程系数值、第三线程系数值和系数更新值各自对应的初始值，然后在每次对人工智能分析线程进行配置过程中，按照第一线程系数值对应的更新变化量、第二线程系数值对应的更新变化量、第三线程系数值对应的更新变化量以及系数更新值对应的更新变化量，分别对第一线程系数值、第二线程系数值、第三线程系数值和系数更新值各自对应的初始值进行更新，直至人工智能分析线程对应的质量指标线程之和的质量指标值达到最小，或者达到指定的配置次数后，可以得到第一线程系数值、第二线程系数值、第三线程系数值和更新后的系数更新值。
进一步地，在对系数更新值进行更新确定事先搭建的范例检测事项历史数据集中的每个指定范例用户信用评价线程系数各自对应的更新后的系数更新值后，本公开实施例提供集体经济组织信用信息等级分析方法还包括：基于事先搭建的范例检测事项历史数据集中的每个指定范例用户信用评价线程系数各自对应的更新后的系数更新值，对范例检测事项历史数据集中各个指定范例用户信用评价线程系数进行更新，得到涵盖若干个指定用户信用评价线程系数的检测事项历史数据集。
本公开实施例引入指定范例用户信用评价线程系数对应的系数更新质量指标线程，这样在对人工智能分析线程中的线程系数值进行更新时，同时可以确定出范例检测事项历史数据集中各个初始的指定范例用户信用评价线程系数对应的系数更新量，进而可以基于该系数更新量对范例检测事项历史数据集中各个初始的指定范例用户信用评价线程系数进行动态更新，使得最终得到的事先搭建的检测事项历史数据集中的用户要素种类的指定用户信用评价线程系数更加精确。
在上述基础上，请结合参阅图2，提供了一种用户信用信息等级分析装置200，所述装置包括：
信息获得模块210，用于获得涵盖目标检测事项的待分析用户信息；
种类划分模块220，用于通过事先配置的人工智能分析线程，抽取所述待分析用户信息的知识字符数据，并对所述目标检测事项的用户要素种类进行种类划分，得到所述目标检测事项对应的种类划分信息；
系数获得模块230，用于获得与所述种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数；
系数更新模块240，用于依据所述知识字符数据和所述种类划分信息，对所述目标用户要素种类关联的指定用户信用评价线程系数进行更新，得到用于表示所述目标检测事项的目标用户信用评价线程系数。
在上述基础上，示出了一种集体经济组织信用信息等级分析系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，在确定目标检测事项的目标用户信用评价线程系数时，不仅考虑了待处理检测事项的知识字符数据，还引入了目标检测事项的用户要素种类的种类划分信息，以及与种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数，通过知识字符数据和种类划分信息对指定用户信用评价线程系数进行更新，可以使得到的目标用户信用评价线程系数与目标检测事项的目标用户要素种类更为关联，从而能够有效提高目标线程系数的精确性和可靠性，进而能够提高信用评价等级的可信度。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种集体经济组织信用信息等级分析方法，其特征在于，所述方法至少包括：
获得涵盖目标检测事项的待分析用户信息；
通过事先配置的人工智能分析线程，抽取所述待分析用户信息的知识字符数据，并对所述目标检测事项的用户要素种类进行种类划分，得到所述目标检测事项对应的种类划分信息；
获得与所述种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数；
依据所述知识字符数据和所述种类划分信息，对所述目标用户要素种类关联的指定用户信用评价线程系数进行更新，得到用于表示所述目标检测事项的目标用户信用评价线程系数。
2.根据权利要求1所述的集体经济组织信用信息等级分析方法，其特征在于，所述人工智能分析线程按照以下方式配置得到：抽取涵盖了范例检测事项的用户信息示例的范例知识字符数据，并对所述范例检测事项的范例用户要素种类进行种类划分，得到所述范例检测事项对应的范例种类划分信息；
获得与所述范例种类划分信息指示的范例用户要素种类关联的指定范例用户信用评价线程系数；
依据所述范例知识字符数据和所述范例种类划分信息，对所述指定范例用户信用评价线程系数进行更新，得到用于表示所述范例检测事项的目标范例用户信用评价线程系数；
依据所述范例检测事项对应的目标范例用户信用评价线程系数和所述范例检测事项对应的当前用户信用评价线程系数，对初始人工智能分析线程中的线程系数值进行更新，在配置完成后得到所述人工智能分析线程，所述当前用户信用评价线程系数涵盖于事先批注的与所述范例检测事项对应的当前检测事项信息中。
3.根据权利要求1所述的集体经济组织信用信息等级分析方法，其特征在于，所述获得与所述种类划分信息指示的目标用户要素种类关联的指定用户信用评价线程系数，包括：
依据所述种类划分信息，确定所述目标检测事项所属的目标用户要素种类；
在事先搭建的检测事项历史数据集中获得与所述目标用户要素种类关联的指定用户信用评价线程系数；所述检测事项历史数据集中涵盖若干种指定用户信用评价线程系数，每一种指定用户信用评价线程系数用于表示所述目标检测事项的一种用户要素种类。
4.根据权利要求1所述的集体经济组织信用信息等级分析方法，其特征在于，所述依据所述知识字符数据和所述种类划分信息，对所述目标用户要素种类关联的指定用户信用评价线程系数进行更新，得到用于表示所述目标检测事项的目标用户信用评价线程系数，包括：
依据所述知识字符数据和所述种类划分信息，确定用户信用评价线程系数误差，所述用户信用评价线程系数误差用于表示所述目标检测事项的当前用户信用评价线程系数和所述目标用户要素种类关联的指定用户信用评价线程系数之间的区别数据；
依据所述用户信用评价线程系数误差，对所述目标用户要素种类关联的指定用户信用评价线程系数进行更新后，得到用于表示所述目标检测事项的目标用户信用评价线程系数。
5.根据权利要求1所述的集体经济组织信用信息等级分析方法，其特征在于，所述抽取所述待分析用户信息的知识字符数据，并对所述目标检测事项的用户要素种类进行种类划分，得到所述目标检测事项对应的种类划分信息，包括：
依据所述待分析用户信息和事先配置的数据翻译单元，抽取所述待分析用户信息的知识字符数据；
依据所述知识字符数据和事先配置的种类划分单元，对所述目标检测事项的用户要素种类进行种类划分，得到所述目标检测事项对应的种类划分信息。
6.根据权利要求3所述的集体经济组织信用信息等级分析方法，其特征在于，所述种类划分信息涵盖在若干个用户要素种类下的特征值搭建的特征值队列；所述依据所述种类划分信息，确定所述目标检测事项所属的目标用户要素种类，包括：获得所述特征值队列中最高的特征值对应的用户要素种类确定为目标用户要素种类。
7.根据权利要求6所述的集体经济组织信用信息等级分析方法，其特征在于，在得到用于表示所述目标检测事项的目标用户信用评价线程系数之后，所述集体经济组织信用信息等级分析方法还包括：依据所述目标用户信用评价线程系数，优化并输出与所述目标检测事项对应的用户信用评价线程。
8.根据权利要求2所述的集体经济组织信用信息等级分析方法，其特征在于，所述获得与所述范例种类划分信息指示的范例用户要素种类关联的指定范例用户信用评价线程系数，包括：
依据所述范例种类划分信息，确定所述范例检测事项所属的范例用户要素种类；
在事先搭建的范例检测事项历史数据集中获得与所述范例用户要素种类关联的指定范例用户信用评价线程系数；所述范例检测事项历史数据集中涵盖若干种指定范例用户信用评价线程系数，每一种指定范例用户信用评价线程系数用于表示所述范例检测事项的一种范例用户要素种类。
9.根据权利要求2所述的集体经济组织信用信息等级分析方法，其特征在于，所述依据所述范例知识字符数据和所述范例种类划分信息，对所述指定范例用户信用评价线程系数进行更新，得到用于表示所述范例检测事项的目标范例用户信用评价线程系数，包括：
依据所述范例知识字符数据和所述范例种类划分信息，确定范例用户信用评价线程系数误差，所述范例用户信用评价线程系数误差用于表示所述范例检测事项对应的当前范例用户信用评价线程系数和所述范例用户要素种类关联的指定范例用户信用评价线程系数之间的区别数据；
依据所述范例用户信用评价线程系数误差对所述范例检测事项对应的指定范例用户信用评价线程系数进行更新后，得到用于表示所述范例检测事项的目标范例用户信用评价线程系数；
其中，所述当前检测事项信息还包括所述范例检测事项的当前用户要素种类对应的当前指定范例用户信用评价线程系数；所述线程系数值包括用于抽取范例知识字符数据的数据翻译单元对应的第一线程系数值，用于确定所述范例种类划分信息的种类划分单元对应的第二线程系数值，以及用于确定所述范例用户信用评价线程系数误差的系数预测单元对应的第三线程系数值；所述依据所述范例检测事项对应的目标范例用户信用评价线程系数和所述范例检测事项对应的当前用户信用评价线程系数，对初始人工智能分析线程中的线程系数值进行更新，包括：
依据所述指定范例用户信用评价线程系数和所述当前指定范例用户信用评价线程系数，确定所述指定范例用户信用评价线程系数对应的第一质量指标线程；
依据所述范例检测事项对应的目标范例用户信用评价线程系数和所述范例检测事项对应的当前用户信用评价线程系数，确定所述目标范例用户信用评价线程系数对应的第二质量指标线程；
依据所述第一质量指标线程和所述第二质量指标线程，对所述第一线程系数值、所述第二线程系数值和所述第三线程系数值进行更新；
其中，所述人工智能分析线程的线程系数值还包括所述事先搭建的范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新值，所述依据所述第一质量指标线程和所述第二质量指标线程，对所述第一线程系数值、所述第二线程系数值和所述第三线程系数值进行更新，包括：
依据所述系数更新值，确定所述范例检测事项历史数据集中各个指定范例用户信用评价线程系数对应的系数更新质量指标线程；
依据所述第一质量指标线程、所述第二质量指标线程和所述系数更新质量指标线程，对所述第一线程系数值、所述第二线程系数值、所述第三线程系数值和所述系数更新值进行更新；
其中，所述集体经济组织信用信息等级分析方法还包括：依据所述事先搭建的范例检测事项历史数据集中的每个指定范例用户信用评价线程系数各自对应的更新后的系数更新值，对所述范例检测事项历史数据集中各个指定范例用户信用评价线程系数进行更新，得到涵盖若干个指定用户信用评价线程系数的检测事项历史数据集。
10.一种集体经济组织信用信息等级分析系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。
CN202310263783.1A 2023-03-13 2023-03-13 一种集体经济组织信用信息等级分析方法及系统 Pending CN116468534A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310263783.1A CN116468534A (zh) 2023-03-13 2023-03-13 一种集体经济组织信用信息等级分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310263783.1A CN116468534A (zh) 2023-03-13 2023-03-13 一种集体经济组织信用信息等级分析方法及系统

Publications (1)

Publication Number Publication Date
CN116468534A true CN116468534A (zh) 2023-07-21

Family

ID=87177910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310263783.1A Pending CN116468534A (zh) 2023-03-13 2023-03-13 一种集体经济组织信用信息等级分析方法及系统

Country Status (1)

Country Link
CN (1) CN116468534A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118467977A (zh) * 2024-07-09 2024-08-09 四川省华地建设工程有限责任公司 基于人工智能的地裂缝隐患评估方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118467977A (zh) * 2024-07-09 2024-08-09 四川省华地建设工程有限责任公司 基于人工智能的地裂缝隐患评估方法及系统
CN118467977B (zh) * 2024-07-09 2024-08-30 四川省华地建设工程有限责任公司 基于人工智能的地裂缝隐患评估方法及系统

Similar Documents

Publication Publication Date Title
CN116112746B (zh) 在线教育直播视频压缩方法及系统
CN112684396B (zh) 电能表运行误差监测模型的数据预处理方法及系统
CN113378554B (zh) 一种医疗信息智能交互的方法及系统
CN112286906B (zh) 基于区块链和云计算的信息安全处理方法及云计算中心
CN109871317A (zh) 代码质量分析方法及装置、存储介质及电子设备
CN114661994B (zh) 基于人工智能的用户兴趣数据处理方法、系统及云平台
CN116468534A (zh) 一种集体经济组织信用信息等级分析方法及系统
CN108427637A (zh) 测试案例推荐方法、电子装置及可读存储介质
CN116737975A (zh) 应用于图像分析的公共卫生数据查询方法及系统
CN116756525A (zh) 基于人工智能的岩土体参数智能测试方法及系统
CN115373688B (zh) 一种软件开发线程的优化方法、系统及云平台
CN116486269A (zh) 基于图像分析的桥梁裂缝识别方法及系统
CN115473822B (zh) 一种5g智能网关数据传输方法、系统及云平台
CN113630336B (zh) 基于光互联的数据分流方法及系统
CN117037982A (zh) 一种医疗大数据信息智能采集方法及系统
CN116204681A (zh) 一种短视频发布信息检测方法、系统及云平台
CN113626538B (zh) 基于大数据的医疗信息智能分类的方法及系统
CN115687618A (zh) 基于人工智能的用户意图分析方法及系统
CN113626559B (zh) 基于语义的网络文档智能检索的方法及系统
CN113627490B (zh) 基于多核异构处理器的运维多模态决策方法及系统
CN113610117B (zh) 基于深度数据的水下传感数据处理方法及系统
CN115409510B (zh) 一种在线交易安全系统及方法
CN113627165B (zh) 基于智慧医疗的床旁交互方法及系统
CN113608689B (zh) 基于边缘计算的数据缓存方法及系统
CN115495017B (zh) 一种基于大数据的数据存储方法及系统

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