WO2022111327A1 - 风险等级的数据处理方法及装置、存储介质、电子设备 - Google Patents
风险等级的数据处理方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- WO2022111327A1 WO2022111327A1 PCT/CN2021/130712 CN2021130712W WO2022111327A1 WO 2022111327 A1 WO2022111327 A1 WO 2022111327A1 CN 2021130712 W CN2021130712 W CN 2021130712W WO 2022111327 A1 WO2022111327 A1 WO 2022111327A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- risk
- value
- time
- threshold
- characteristic data
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 9
- 239000000383 hazardous chemical Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了风险等级的数据处理方法及装置、存储介质、电子设备。该方法包括:获取多个目标区域在第一时间的风险特征数据;针对每个目标区域,计算所述风险特征数据在所述第一时间的第一风险值;根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值,其中,所述第二时间是所述第一时间的历史时间;以及根据所述风险等级阈值划分所述多个目标区域的风险等级。
Description
相关申请的引用
本公开要求于2020年11月25日向中国人民共和国国家知识产权局提交的申请号为202011345770.1,发明名称为“风险等级的数据处理方法及装置、存储介质、电子设备”的发明专利申请的全部权益,并通过引用的方式将其全部内容并入本公开。
领域
本公开大体上涉及计算机领域,更具体地涉及风险等级的数据处理方法及装置、存储介质、电子设备。
背景
相关技术中,随着互联网的发展,打分模型或评分模型在很多领域都常常用到,比如对于信用评分或者风险系数评分,一般通过收集实体的一些数据来提取涉及评分的相关特征,然后利用一定的评分模型,来对每个实体打一个不同等级的分数。对于现有的打分模型,一种方式是在有部分标签数据时,借助人工智能领域的监督学习方法来训练学习一个打分模型,在对后续提供的用户特征直接输出一个分数;另一种方式是,首先通过一些领域专家对不同特征设定不同的重要性系数,然后综合得到一个整体分数,最后再根据专家知识设定打分区间阈值,将连续的分数值映射到离散的分数等级上。
概述
第一方面,本公开涉及风险等级的数据处理方法,包括:获取多个目标区域在第一时间的风险特征数据;针对每个目标区域,计算所述风险特征数据在所述第一时间的第一风险值;根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值, 其中,所述第二时间是所述第一时间的历史时间;以及根据所述风险等级阈值划分所述多个目标区域的风险等级。
在某些实施方案中,计算所述风险特征数据在所述第一时间的第一风险值包括:确定每个风险维度的权重值,其中,每个风险维度对应一个风险特征数据;以及根据所述风险特征数据和对应的权重值加权计算所述第一时间的第一风险值。
在某些实施方案中,在确定每个风险维度的权重值之前,所述方法还包括:设置每两个风险维度之间的比较尺度值,并根据所述比较尺度值构造比较矩阵;基于一致性检验判断所述比较矩阵是否合理;若所述比较矩阵合理,通过矩阵分解计算所述比较矩阵中最大特征值的特征向量,其中,所述特征向量的元素与所述风险特征数据的风险维度对应;以及将所述特征向量中的元素值确定为对应风险维度的权重系数。
在某些实施方案中,根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值包括:对所述多个目标区域的多个第一风险值进行排序;基于预设分位点的位置在序列中选择特定第一风险值;将所述特定第一风险值添加至所述预设分位点的阈值窗口,其中,所述阈值窗口内还包括若干个所述第二风险值,每个第二风险值对应一个第二时间;以及根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值。
在某些实施方案中,在将所述特定第一风险值添加至所述预设分位点的阈值窗口之后,所述方法还包括:判断所述阈值窗口的存储值是否溢出;以及若所述阈值窗口的存储值溢出,在所述阈值窗口中删除一个存储时间最早的指定存储值。
在某些实施方案中,根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值包括:计算所述特定第一风险值和若干个所述第二风险值的平均值;以及将所述平均值确定为所述预设分位点的风险等级阈值。
在某些实施方案中,根据所述风险等级阈值划分所述多个目标区域的风险等级包括:针对每个目标区域,比较所述第一风险值和所述风险等级阈值;若所述第一风险值大于所述风险等级阈值,确定所述目标区域为第一风险等级;以及若所述第一风险值小于所述风险等级阈值,确定所述目标区域为第二风险等级。
第二方面,本公开涉及风险等级的数据处理装置,包括:获取模块,配置为获取多个目标区域在第一时间的风险特征数据;第一计算模块,配置为针对每个目标区域,计算所述风险特征数据在所述第一时间的第一风险值;第二计算模块,配置为根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值,其中,所述第二时间是所述第一时间的历史时间;以及划分模块,配置为根据所述风险等级阈值划分所述多个目标区域的风险等级。
在某些实施方案中,所述第一计算模块包括:确定单元,配置为确定每个风险维度的权重值,其中,每个风险维度对应一个风险特征数据;计算单元,配置为根据所述风险特征数据和对应的权重值加权计算所述第一时间的第一风险值。
在某些实施方案中,所述装置还包括:设置模块,配置为在所述第一计算模块确定每个风险维度的权重值之前,设置每两个风险维度之间的比较尺度值,并根据所述比较尺度值构造比较矩阵;判断模块,配置为基于一致性检验判断所述比较矩阵是否合理;第三计算模块,配置为若所述比较矩阵合理,通过矩阵分解计算所述比较矩阵中最大特征值的特征向量,其中,所述特征向量的元素与所述风险特征数据的风险维度对应;以及确定模块,配置为将所述特征向量中的元素值确定为对应风险维度的权重系数。
在某些实施方案中,所述第二计算模块包括:排序单元,配置为对所述多个目标区域的多个第一风险值进行排序;选择单元,配置为基于预设分位点的位置在序列中选择特定第一风险值;添加单元,配置为将所述特定第一风险值添加至所述预设分位点的阈值窗口,其中, 所述阈值窗口内还包括若干个所述第二风险值,每个第二风险值对应一个第二时间;计算单元,配置为根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值。
在某些实施方案中,所述第二计算模块还包括:判断单元,配置为在所述添加单元将所述特定第一风险值添加至所述预设分位点的阈值窗口之后,判断所述阈值窗口的存储值是否溢出;以及删除单元,配置为若所述阈值窗口的存储值溢出,在所述阈值窗口中删除一个存储时间最早的指定存储值。
在某些实施方案中,所述计算单元包括:计算子单元,配置为计算所述特定第一风险值和若干个所述第二风险值的平均值;以及确定子单元,配置为将所述平均值确定为所述预设分位点的风险等级阈值。
在某些实施方案中,所述划分模块包括:比较单元,配置为针对每个目标区域,比较所述第一风险值和所述风险等级阈值;确定单元,配置为若所述第一风险值大于所述风险等级阈值,确定所述目标区域为第一风险等级;若所述第一风险值小于所述风险等级阈值,确定所述目标区域为第二风险等级。
第三方面,本公开还涉及存储介质,该存储介质包括存储的程序,程序运行时执行本公开的风险等级的数据处理方法。
第四方面,本公开还涉及电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器,所述通信接口,所述存储器通过所述通信总线完成相互间的通信;其中:所述存储器,配置为存放计算机程序;所述处理器,配置为通过运行存储器上所存放的程序来执行本公开的风险等级的数据处理方法。
在某些实施方案中,本公开还涉及包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本公开的风险等级的数据处理方法。
在某些实施方案中,本公开通过获取多个目标区域在第一时间的风险特征数据,针对每个目标区域,计算风险特征数据在第一时间的 第一风险值,根据风险特征数据的第一风险值和在第二时间的第二风险值计算风险等级阈值,根据风险等级阈值划分多个目标区域的风险等级,通过根据当前时间和历史时间的风险值来计算风险等级阈值,阈值就可以随着数据的分布和时间的推移进行自适应调整,进而动态调整风险等级模型,减少人为因素对阈值的影响,解决了相关技术中划分风险等级不准确的技术问题,减少了环境变化对风险等级的影响,提高了风险等级的准确性,实现了对区域风险状态的更准确监测。
附图简要说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开一实施例提供的风险等级的数据处理方法的流程图;
图2为本公开一实施例提供的实施流程图;
图3为本公开一实施例提供的风险等级的数据处理装置的结构框图;以及
图4为本公开一实施例提供的电子设备的结构图。
详述
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开的一部分实施例,而不是全部的实施例,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。基于本公开中的实施例,本领域普通 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,都属于本公开保护的范围。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个类似的实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本实施例中提供了风险等级的数据处理方法,图1是根据本公开一实施例的风险等级的数据处理方法的流程图,如图1所示,该流程包括如下步骤:
步骤S102,获取多个目标区域在第一时间的风险特征数据;
步骤S104,针对每个目标区域,计算风险特征数据在第一时间的第一风险值;
步骤S106,根据风险特征数据的第一风险值和在第二时间的第二风险值计算风险等级阈值,其中,第二时间是第一时间的历史时间;以及
步骤S108,根据风险等级阈值划分多个目标区域的风险等级。
在某些实施方案中,目标区域的数量大于1个,第一时间可以是当前划分周期的时间,风险特征数据可以是一个或多个维度的数据。在一个示例中,风险等级为城市安全等级,风险特征数据的指标可以包括区域内的危化品企业数量,区域内实时的人口流量,区域内实时的危化品车辆数,区域内的历史监测预警数量等,每个目标区域采集的风险特征数据的指标相同。本实施例的目标区域不仅限于具体的地 理区域,也可以是虚拟对象,如人群范围、通信区域等。
在某些实施方案中,针对每个目标区域,根据采集的第一时间的该目标区域的风险特征数据,计算对应目标区域的第一风险值,该第一风险值是基于风险特征数据的量化值。
在某些实施方案中,第二时间包括一个或多个历史时间,风险等级阈值是划分风险等级的临界值。
本实施例应用在风险等级划分之外,还可以应用在兴趣等级划分、能力等级划分等领域。
在某些实施方案中,获取多个目标区域在第一时间的风险特征数据,针对每个目标区域,计算风险特征数据在第一时间的第一风险值,根据风险特征数据的第一风险值和在第二时间的第二风险值计算风险等级阈值,根据风险等级阈值划分多个目标区域的风险等级,通过根据当前时间和历史时间的风险值来计算风险等级阈值,阈值就可以随着数据的分布和时间的推移进行自适应调整,进而动态调整风险等级模型,减少人为因素对阈值的影响,解决了相关技术中划分风险等级不准确的技术问题,减少了环境变化对风险等级的影响,提高了风险等级的准确性,实现了对区域风险状态的更准确监测。
在某些实施方案中,计算风险特征数据在第一时间的第一风险值包括:
S11,确定每个风险维度的权重值,其中,每个风险维度对应一个风险特征数据;以及
S12,根据风险特征数据和对应的权重值加权计算第一时间的第一风险值。
在某些实施方案中,在确定每个风险维度的权重值之前,基于AHP(Analytic Hierarchy Process,层次分析法)来计算每个风险维度的权重值,AHP对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。基于AHP的计算每个风险维度的权重值的流程,包括:设置每两个风险维度之间的比较尺度值,并根据比较尺度值构造比较 矩阵;基于一致性检验判断比较矩阵是否合理;若比较矩阵合理,通过矩阵分解计算比较矩阵中最大特征值的特征向量,其中,特征向量的元素与风险特征数据的风险维度对应;将特征向量中的元素值确定为对应风险维度的权重系数。通过该方案,实现了权重系数的自动计算。
比较尺度值是对评价指标有个重要度比较,如比较尺度值a
14=5指的是第一个风险维度与第四个风险维度的重要性之比是5,比较尺度值越高,第一个风险维度相对第四个风险维度的重要性越强。一致性检验是指对成对比较矩阵确定不一致的允许范围,例如,a
14=5,a
43=2,则a
13=a
14*a
43,在有些示例中,并不要求严格一致,可以允许一定的差异范围。
在某些实施方案中,三个风险特征数据分别为ABC,其对应的权重值加权为abc,其中a+b+c=1,通过计算第一风险值=Aa+Bb+Cc。
在某些实施方案中,根据风险特征数据的第一风险值和在第二时间的第二风险值计算风险等级阈值包括:对多个目标区域的多个第一风险值进行排序;基于预设分位点的位置在序列中选择特定第一风险值;将特定第一风险值添加至预设分位点的阈值窗口,其中,阈值窗口内还包括若干个第二风险值,每个第二风险值对应一个第二时间;根据特定第一风险值和若干个第二风险值计算预设分位点的风险等级阈值。
在某些实施方案中,可以按照从小到大进行排序,也可以从大到小进行排序,生成序列,序列的长度为目标区域的个数,每个目标区域的第一风险值对应序列中的一个值,分位点(Quantile)也叫分位数,是指将一个随机变量的概率分布范围分为几个等份的数值点,在本实施例中值得是序列的分割位置,如将序列m分为n个范围,则需要n-1个分位点,由于分位点的位置是固定的,而分位点的值是随时间周期动态变化,因此采用分位点计算得到的风险等级阈值也是动态变化的。
在某些实施方案中,在将特定第一风险值添加至预设分位点的阈 值窗口之后,还包括:判断阈值窗口的存储值是否溢出;若阈值窗口的存储值溢出,在阈值窗口中删除一个存储时间最早的指定存储值。在另一些实施方式中,也可以在阈值窗口中随机删除一个存储值,或者在阈值窗口中删除一个符合预定条件的值(如最大值、最小值),从而减小阈值的波动,使风险等级阈值相对平滑,或者不删除存储值,在原有阈值窗口的基础上再增加一个存储值(第一时间的第一风险值)。
在某些实施方案中,包括5个目标区域,其第一风险值分别为3、2、5、1、4、6,通过从大到小进行排序,得到序列654321,预设分位点包括两个位置,分别是序列的第四个值和第五个值,即3和2,其中,第四个值的阈值窗口中还包括第二风险值(3、3、2),第五个值的阈值窗口中还包括第二风险值(1、2、1),最终根据第一风险值(3)和第二风险值(3、3、2)计算得到与序列的第四个值对应的风险等级阈值,以及最终根据第一风险值(2)和第二风险值(1、2、1)计算得到与序列的第五个值对应的风险等级阈值。
在某些实施方案中,通过平均值来计算风险等级阈值,根据特定第一风险值和若干个第二风险值计算预设分位点的风险等级阈值包括:计算特定第一风险值和若干个第二风险值的平均值;将平均值确定为预设分位点的风险等级阈值。在另一些实施方式中,也可以根据中位数,去掉最大值和最小值之后的平均值或中位数来计算风险等级阈值。
在某些实施方案中,根据风险等级阈值划分多个目标区域的风险等级包括:针对每个目标区域,比较第一风险值和风险等级阈值;若第一风险值大于风险等级阈值,确定目标区域为第一风险等级;若第一风险值小于风险等级阈值,确定目标区域为第二风险等级。
在存在多个风险等级阈值中,需要判断第一风险值所在区域范围,区域范围通过风险等级阈值界定。在一个示例中,包括两个风险等级阈值,分别是第一阈值和第二阈值,预先设置0~第一阈值为低风险等级,第一阈值~第二阈值为中风险等级,大于第二阈值为高风险等级, 在划分目标区域的风险等级时,需要比较多个风险等级阈值,确定第一风险值所在的区域范围,最后根据目标阈值的第一风险值所在的区域范围确定风险等级,如果第一区域在0~第一阈值的范围内,则第一区域是低风险等级,以此类推。
图2是本公开一实施例的实施流程图,基于应用场景对本实施例的方案进行详细说明,针对一种实时对地块进行风险等级划分的任务,对于该应用场景,利用城市中一些实时的危化品相关的数据信息来对区域的实时风险等进行一个划分,对不同实体在各个时刻都打一个风险等级,包括m个地块(目标区域),每个地块采集n个维度的风险特征数据,结合图2进行说明,流程包括:
步骤A:针对该场景提取相关的影响特征,比如一个区域内的危化品企业数量,区域内实时的人口流量,区域内实时的危化品车辆数,区域内的历史监测预警数量等,形成m个特征向量x
i(i=1,2…m),这些对于一个地块区域的风险等级都息息相关;针对这些特征,利用AHP(层次分析法)方法构造两两比较判断矩阵,然后计算得到每一个特征具体的权重系数。
步骤B:由于大部分场景都不会有标签数据,对于该场景,同样是没有标签。在一个时刻,可以收集到城市中各个地块内的相关特征值,然后根据上一步得到的特征权重系数,计算得到一个风险分数值,对于该风险分数值的划分,采用数据分布的分位点位置来进行划分。比如在绝大部分场景中,正常的比例总是占据大多数的,而异常的也总是占据少部分,因此可以按照分数值按照从小到大排序后选择k个不同分位点的值来进行k+1个风险等级的划分,比如选择90分位点值和95分位点值对风险分数进行三个等级的划分,具体地,当区域风险分数值大于95分位点,认为该区域属于高度风险,当区域分数值位于90分位点值到95分位值之间,认为该区域是中度风险,否则,区域属于低风险。
步骤C:考虑到数据是动态实时变化的,数据的特征也是随时间 变化的,因此增加一个固定大小的阈值窗口来保存多个时刻的阈值,具体地,在每一个时刻,首先对数据计算出各个地块的分数p
1,p
2,…,p
m,然后得到各个分位点的值,由于分位点的位置是固定的,但是分位点的值是改变的,利用这个特性,将各个时刻所需要的分位点的值存储到阈值窗口内,比如窗口大小为24,那么阈值窗口内就实时保存着最近24个时间片内的分位点值,对于时刻T
i,将T
i时刻计算得到的分位点存储到阈值窗口内,当窗口数据量溢出时,就将窗口最左边最早的历史记录丢弃掉,然后统计阈值窗口内各个分位点的历史均值,作为当前时刻的阈值,再对此时的各个区域进行风险等级的划分,输出各个区域的风险等级。
在某些实施方案中,根据数据的分布来设定多个分位点,进行等级区间的划分,对于构造的每一维特征,采用层次分析法AHP事先计算好重要性权重值,对于动态的时序数据,在每一时刻将当前各个样本的特征值统计出来后根据权重计算得到一个分数,然后将当前时刻所有样本排序分数的分位点值在符合一定条件后加入阈值窗口内,然后更新计算窗口内各个分位点的平均值,这样阈值就可以随着数据的分布进行自适应调整,然后对当前时刻各个样本进行等级划分。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本公开各个实施例所述的方法。
本公开还涉及风险等级的数据处理装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例 所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本公开一实施例的风险等级的数据处理装置的结构框图,如图3所示,该装置包括:获取模块30,第一计算模块32,第二计算模块34,划分模块36,其中,
获取模块30,配置为获取多个目标区域在第一时间的风险特征数据;
第一计算模块32,配置为针对每个目标区域,计算所述风险特征数据在所述第一时间的第一风险值;
第二计算模块34,配置为根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值,其中,所述第二时间是所述第一时间的历史时间;以及
划分模块36,配置为根据所述风险等级阈值划分所述多个目标区域的风险等级。
在某些实施方案中,所述第一计算模块包括:确定单元,配置为确定每个风险维度的权重值,其中,每个风险维度对应一个风险特征数据;计算单元,配置为根据所述风险特征数据和对应的权重值加权计算所述第一时间的第一风险值。
在某些实施方案中,所述装置还包括:设置模块,配置为在所述第一计算模块确定每个风险维度的权重值之前,设置每两个风险维度之间的比较尺度值,并根据所述比较尺度值构造比较矩阵;判断模块,配置为基于一致性检验判断所述比较矩阵是否合理;第三计算模块,配置为若所述比较矩阵合理,通过矩阵分解计算所述比较矩阵中最大特征值的特征向量,其中,所述特征向量的元素与所述风险特征数据的风险维度对应;确定模块,配置为将所述特征向量中的元素值确定为对应风险维度的权重系数。
在某些实施方案中,所述第二计算模块包括:排序单元,配置为对所述多个目标区域的多个第一风险值进行排序;选择单元,配置为 基于预设分位点的位置在序列中选择特定第一风险值;添加单元,配置为将所述特定第一风险值添加至所述预设分位点的阈值窗口,其中,所述阈值窗口内还包括若干个所述第二风险值,每个第二风险值对应一个第二时间;计算单元,配置为根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值。
在某些实施方案中,所述第二计算模块还包括:判断单元,配置为在所述添加单元将所述特定第一风险值添加至所述预设分位点的阈值窗口之后,判断所述阈值窗口的存储值是否溢出;删除单元,配置为若所述阈值窗口的存储值溢出,在所述阈值窗口中删除一个存储时间最早的指定存储值。
在某些实施方案中,所述计算单元包括:计算子单元,配置为计算所述特定第一风险值和若干个所述第二风险值的平均值;确定子单元,配置为将所述平均值确定为所述预设分位点的风险等级阈值。
在某些实施方案中,所述划分模块包括:比较单元,配置为针对每个目标区域,比较所述第一风险值和所述风险等级阈值;确定单元,配置为若所述第一风险值大于所述风险等级阈值,确定所述目标区域为第一风险等级;若所述第一风险值小于所述风险等级阈值,确定所述目标区域为第二风险等级。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本公开还涉及电子设备,图4是本公开实施例的电子设备的结构图,如图4所示,包括处理器41、通信接口42、存储器43和通信总线44,其中,处理器41,通信接口42,存储器43通过通信总线44完成相互间的通信,
存储器43,配置为存放计算机程序;
处理器41配置为执行存储器43上所存放的程序时,实现如下步 骤:
获取多个目标区域在第一时间的风险特征数据;针对每个目标区域,计算所述风险特征数据在所述第一时间的第一风险值;根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值,其中,所述第二时间是所述第一时间的历史时间;以及根据所述风险等级阈值划分所述多个目标区域的风险等级。
在某些实施方案中,计算所述风险特征数据在所述第一时间的第一风险值包括:确定每个风险维度的权重值,其中,每个风险维度对应一个风险特征数据;根据所述风险特征数据和对应的权重值加权计算所述第一时间的第一风险值。
在某些实施方案中,在确定每个风险维度的权重值之前,所述方法还包括:设置每两个风险维度之间的比较尺度值,并根据所述比较尺度值构造比较矩阵;基于一致性检验判断所述比较矩阵是否合理;若所述比较矩阵合理,通过矩阵分解计算所述比较矩阵中最大特征值的特征向量,其中,所述特征向量的元素与所述风险特征数据的风险维度对应;将所述特征向量中的元素值确定为对应风险维度的权重系数。
在某些实施方案中,根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值包括:对所述多个目标区域的多个第一风险值进行排序;基于预设分位点的位置在序列中选择特定第一风险值;将所述特定第一风险值添加至所述预设分位点的阈值窗口,其中,所述阈值窗口内还包括若干个所述第二风险值,每个第二风险值对应一个第二时间;根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值。
在某些实施方案中,在将所述特定第一风险值添加至所述预设分位点的阈值窗口之后,所述方法还包括:判断所述阈值窗口的存储值是否溢出;若所述阈值窗口的存储值溢出,在所述阈值窗口中删除一个存储时间最早的指定存储值。
在某些实施方案中,根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值包括:计算所述特定第一风险值和若干个所述第二风险值的平均值;将所述平均值确定为所述预设分位点的风险等级阈值。
在某些实施方案中,根据所述风险等级阈值划分所述多个目标区域的风险等级包括:针对每个目标区域,比较所述第一风险值和所述风险等级阈值;若所述第一风险值大于所述风险等级阈值,确定所述目标区域为第一风险等级;若所述第一风险值小于所述风险等级阈值,确定所述目标区域为第二风险等级。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图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。
通信接口配置为上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。在某些实施方案中,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在某些实施方案中,本公开还涉及计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行本公开的风险等级的数据处理方法。
在某些实施方案中,本公开还涉及包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本公开的风险等级的数据处理方法。
在某些实施方案中,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公开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、或者其他可编程装置。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含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。
以上所述仅为本公开的较佳实施例而已,并非用于限定本公开的保护范围。凡在本公开的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本公开的保护范围内。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
- 风险等级的数据处理方法,其包括:获取多个目标区域在第一时间的风险特征数据;针对每个目标区域,计算所述风险特征数据在所述第一时间的第一风险值;根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值,其中,所述第二时间是所述第一时间的历史时间;以及根据所述风险等级阈值划分所述多个目标区域的风险等级。
- 如权利要求1所述的方法,其中,计算所述风险特征数据在所述第一时间的第一风险值包括:确定每个风险维度的权重值,其中,每个风险维度对应一个风险特征数据;以及根据所述风险特征数据和对应的权重值加权计算所述第一时间的第一风险值。
- 如权利要求2所述的方法,其中,在确定每个风险维度的权重值之前,所述方法还包括:设置每两个风险维度之间的比较尺度值,并根据所述比较尺度值构造比较矩阵;基于一致性检验判断所述比较矩阵是否合理;若所述比较矩阵合理,通过矩阵分解计算所述比较矩阵中最大特征值的特征向量,其中,所述特征向量的元素与所述风险特征数据的风险维度对应;以及将所述特征向量中的元素值确定为对应风险维度的权重系数。
- 如权利要求1至3中任一权利要求所述的方法,其中,根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值包括:对所述多个目标区域的多个第一风险值进行排序;基于预设分位点的位置在序列中选择特定第一风险值;将所述特定第一风险值添加至所述预设分位点的阈值窗口,其中,所述阈值窗口内还包括若干个所述第二风险值,每个第二风险值对应一个第二时间;以及根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值。
- 如权利要求4所述的方法,其中,在将所述特定第一风险值添加至所述预设分位点的阈值窗口之后,所述方法还包括:判断所述阈值窗口的存储值是否溢出;以及若所述阈值窗口的存储值溢出,在所述阈值窗口中删除一个存储时间最早的指定存储值。
- 如权利要求4或5所述的方法,其中,根据所述特定第一风险值和所述若干个所述第二风险值计算所述预设分位点的风险等级阈值包括:计算所述特定第一风险值和若干个所述第二风险值的平均值;以及将所述平均值确定为所述预设分位点的风险等级阈值。
- 如权利要求1至6中任一权利要求所述的方法,其中,根据所述风险等级阈值划分所述多个目标区域的风险等级包括:针对每个目标区域,比较所述第一风险值和所述风险等级阈值;以及若所述第一风险值大于所述风险等级阈值,确定所述目标区域为第一风险等级;若所述第一风险值小于所述风险等级阈值,确定所述目标区域为第二风险等级。
- 风险等级的数据处理装置,其包括:获取模块,配置为获取多个目标区域在第一时间的风险特征数据;第一计算模块,配置为针对每个目标区域,计算所述风险特征数据在所述第一时间的第一风险值;第二计算模块,配置为根据所述风险特征数据的所述第一风险值和在第二时间的第二风险值计算风险等级阈值,其中,所述第二时间是所述第一时间的历史时间;以及划分模块,配置为根据所述风险等级阈值划分所述多个目标区域的风险等级。
- 存储介质,其中,所述存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至7中任一权利要求所述的方法。
- 电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器,所述通信接口,所述存储器通过所述通信总线完成相互间的通信;其中:所述存储器,配置为存放计算机程序;所述处理器,配置为通过运行存储器上所存放的程序来执行权利要求1至7中任一权利要求所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011345770.1A CN112258093A (zh) | 2020-11-25 | 2020-11-25 | 风险等级的数据处理方法及装置、存储介质、电子设备 |
CN202011345770.1 | 2020-11-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2022111327A1 true WO2022111327A1 (zh) | 2022-06-02 |
Family
ID=74225539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2021/130712 WO2022111327A1 (zh) | 2020-11-25 | 2021-11-15 | 风险等级的数据处理方法及装置、存储介质、电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112258093A (zh) |
WO (1) | WO2022111327A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115821269A (zh) * | 2022-11-04 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 刹车盘的防腐方法、装置、终端设备和存储介质 |
CN116151778A (zh) * | 2023-04-21 | 2023-05-23 | 安徽常力达电气有限公司 | 一种基于物联网的变压器生产制造过程管理系统 |
CN117726308A (zh) * | 2024-02-18 | 2024-03-19 | 中铁水利信息科技有限公司 | 基于物联网和5g的智慧水利管理系统及方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258093A (zh) * | 2020-11-25 | 2021-01-22 | 京东城市(北京)数字科技有限公司 | 风险等级的数据处理方法及装置、存储介质、电子设备 |
CN112686477B (zh) * | 2021-01-28 | 2022-04-01 | 北京工业大数据创新中心有限公司 | 一种磨煤机堵磨预警方法及系统 |
CN113256093A (zh) * | 2021-05-14 | 2021-08-13 | 西安交通大学 | 一种风险池动态监测方法、系统、设备和可读存储介质 |
CN113793690B (zh) * | 2021-08-31 | 2024-03-12 | 医渡云(北京)技术有限公司 | 传染病的区域风险评估方法、装置、存储介质及设备 |
CN113919669B (zh) * | 2021-09-26 | 2022-10-11 | 德联易控科技(北京)有限公司 | 一种确定风险控制对象的风险信息的方法和装置 |
CN114330991A (zh) * | 2021-11-17 | 2022-04-12 | 华能核能技术研究院有限公司 | 核电生产工作风险等级的确定方法及装置 |
CN115033874B (zh) * | 2022-05-09 | 2023-02-10 | 北京数美时代科技有限公司 | 一种账号拦截方法、装置、电子设备及计算机存储介质 |
CN115293666A (zh) * | 2022-10-10 | 2022-11-04 | 北京帮安迪信息科技股份有限公司 | 基于低代码平台对园区安全风险管控平台的快速搭建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096838A (zh) * | 2016-06-14 | 2016-11-09 | 广州市恒迅技防系统有限公司 | 基于模糊综合评价模型的建筑火灾安全评估方法及系统 |
US20180300486A1 (en) * | 2017-04-18 | 2018-10-18 | International Business Machines Corporation | Management of Alerts Using a Budget-Dependent Adjustable Working Threshold |
CN109272340A (zh) * | 2018-07-19 | 2019-01-25 | 平安科技(深圳)有限公司 | 参数阈值确定方法、装置及计算机存储介质 |
CN109377059A (zh) * | 2018-10-27 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 一种基于风险管控的数据处理方法及设备 |
CN109934465A (zh) * | 2019-02-22 | 2019-06-25 | 北京启安智慧科技有限公司 | 一种城市安全整体风险分析方法及系统 |
CN112258093A (zh) * | 2020-11-25 | 2021-01-22 | 京东城市(北京)数字科技有限公司 | 风险等级的数据处理方法及装置、存储介质、电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063608B (zh) * | 2014-07-01 | 2017-02-01 | 天津市水文水资源勘测管理中心 | 一种利用风险评价确定地下水控制水位的方法 |
CN104881783A (zh) * | 2015-05-14 | 2015-09-02 | 中国科学院信息工程研究所 | 电子银行账户欺诈行为及风险检测方法与系统 |
CN108900466A (zh) * | 2018-05-30 | 2018-11-27 | 北京五八信息技术有限公司 | 防止恶意信息的处理方法、装置、服务器及存储介质 |
CN109858647B (zh) * | 2018-12-21 | 2021-07-27 | 河海大学 | 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法 |
-
2020
- 2020-11-25 CN CN202011345770.1A patent/CN112258093A/zh active Pending
-
2021
- 2021-11-15 WO PCT/CN2021/130712 patent/WO2022111327A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096838A (zh) * | 2016-06-14 | 2016-11-09 | 广州市恒迅技防系统有限公司 | 基于模糊综合评价模型的建筑火灾安全评估方法及系统 |
US20180300486A1 (en) * | 2017-04-18 | 2018-10-18 | International Business Machines Corporation | Management of Alerts Using a Budget-Dependent Adjustable Working Threshold |
CN109272340A (zh) * | 2018-07-19 | 2019-01-25 | 平安科技(深圳)有限公司 | 参数阈值确定方法、装置及计算机存储介质 |
CN109377059A (zh) * | 2018-10-27 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 一种基于风险管控的数据处理方法及设备 |
CN109934465A (zh) * | 2019-02-22 | 2019-06-25 | 北京启安智慧科技有限公司 | 一种城市安全整体风险分析方法及系统 |
CN112258093A (zh) * | 2020-11-25 | 2021-01-22 | 京东城市(北京)数字科技有限公司 | 风险等级的数据处理方法及装置、存储介质、电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115821269A (zh) * | 2022-11-04 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 刹车盘的防腐方法、装置、终端设备和存储介质 |
CN116151778A (zh) * | 2023-04-21 | 2023-05-23 | 安徽常力达电气有限公司 | 一种基于物联网的变压器生产制造过程管理系统 |
CN116151778B (zh) * | 2023-04-21 | 2023-07-14 | 安徽常力达电气有限公司 | 一种基于物联网的变压器生产制造过程管理系统 |
CN117726308A (zh) * | 2024-02-18 | 2024-03-19 | 中铁水利信息科技有限公司 | 基于物联网和5g的智慧水利管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112258093A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022111327A1 (zh) | 风险等级的数据处理方法及装置、存储介质、电子设备 | |
CN109413175B (zh) | 一种信息处理方法、装置及电子设备 | |
WO2021169445A1 (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
WO2021012509A1 (zh) | 一种异常账号检测方法、装置及计算机存储介质 | |
CN103929330A (zh) | 域名服务质量评估方法及系统 | |
CN108681751B (zh) | 确定事件影响因素的方法及终端设备 | |
CN109995611B (zh) | 流量分类模型建立及流量分类方法、装置、设备和服务器 | |
CN111626514B (zh) | 一种电动汽车充电负荷预测方法及装置 | |
CN107071788B (zh) | 一种认知无线网络中的频谱感知方法及装置 | |
WO2018006631A1 (zh) | 一种用户等级自动划分方法及系统 | |
CN113988441A (zh) | 电力无线网络链路质量预测、模型训练方法及装置 | |
CN116596095A (zh) | 基于机器学习的碳排放量预测模型的训练方法及装置 | |
CN113657538A (zh) | 模型训练、数据分类方法、装置、设备、存储介质及产品 | |
CN110580483A (zh) | 一种室内外用户区分方法及装置 | |
CN110059749B (zh) | 重要特征的筛选方法、装置及电子设备 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
CN112101692B (zh) | 移动互联网质差用户的识别方法及装置 | |
CN112566170A (zh) | 网络质量评估方法、装置、服务器及存储介质 | |
CN115378928A (zh) | 基于云服务的监控方法及系统 | |
CN114022045A (zh) | 一种区域经济发展水平确定方法、装置及终端设备 | |
WO2019114481A1 (zh) | 集群类型识别方法、装置、电子设备及存储介质 | |
CN115100461B (zh) | 图像分类模型训练方法、装置、电子设备、介质 | |
TW201929584A (zh) | 基地台之障礙辨識伺服器及方法 | |
TWI725640B (zh) | 透過客戶訊務流量模型識別客戶屬性之方法 | |
CN115514621B (zh) | 故障监测方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21896828 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 21896828 Country of ref document: EP Kind code of ref document: A1 |