基于大数据和深度学习的评审方法和机器人系统技术方案

基于大数据和深度学习的评审方法和机器人系统，包括：获取预设类别的评审标准，获取待评审的对象的数据，从所述对象的数据中获取所述评审标准对应的数据，根据所述评审标准对应的数据判断所述待评审的对象能否通过评审。上述方法和系统通过基于大数据和深度学习的评审技术，使得预设类别的评审更为自动化、智能化，提高了预设类别评审的客观性、可信度、准确性、效率。

【技术实现步骤摘要】
基于大数据和深度学习的评审方法和机器人系统
本专利技术涉及信息
，特别是涉及一种基于大数据和深度学习的评审方法和机器人系统。
技术介绍
在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有技术下进行预设类别评审都是通过专家评审来决定一个对象可否评审通过。第一方面，专家评审的依据是对象提供的申报数据和资料，虽然对象在申报时被要求提供真实的数据和资料，甚至要求对象提供真实性承诺函，但实际上无法从客观上保证其数据和资料的真实性，难免有少数对象会提供虚假数据或对某些数据进行夸大，从而会误导评审专家做出错误的判断，进而得到错误的评审结果。第二方面，因为申请预设类别评审的对象非常多，而评审专家数量有限，往往一个专家在一个月的时间内要评审上百个对象的评审申请，而评审专家只是被邀请兼职进行评审，只能在日常工作之余抽出一点时间来进行评审，因为评审的时间紧张，导致评审过程非常粗略，评审专家对很多数据和资料只是一扫而过，使得评审的结果缺乏准确性。第三方面，虽然很多评审专家是领域专家，但对预设类别的评审规则并不是很熟悉，虽然在评审系统中会有评审规则文档，但实际上专家看一遍很难全部记住和运用，甚至有的专家比较忙，没有时间去看评审文档，导致专家评审时实际上是全部或部分根据自己的标准去判断一个对象是否算是一个预设类别，从而使得评审标准与政府规定标准不一致，导致评审结果的主观性高，客观性差，评审结果不准确。因此，现有技术还有待于改进和发展。
技术实现思路
基于此，有必要针对现有技术中的缺陷或不足，提供基于大数据和深度学习的评审方法和机器人系统，以解决现有技术中评审的客观性、可信度、准确性不足和效率低的缺点。第一方面，本专利技术实施例提供一种评审方法，所述方法包括：评审标准获取步骤，用于获取预设类别的评审标准；对象数据获取步骤，用于获取待评审的对象的数据；获取的数据包括第三方数据，数据更客观和可行，所以可以提高评审的客观性和可信度；如果数据不客观，评审也就不会准确，因为数据更客观，进而也就提高了准确性；标准对应的数据获取步骤，用于从所述待评审的对象的数据中获取所述评审标准对应的数据；评审判断步骤，用于根据所述评审标准对应的数据判断所述待评审的对象能否通过评审。根据标准进行自动评审，可以提高效率。优选地，所述对象数据获取步骤包括：数据源获取步骤，用于获取数据源；对象数据检索步骤，用于从所述数据源中检索并获取所述待评审的对象的数据；所述标准对应的数据获取步骤包括：数据筛选步骤，用于从所述待评审的对象的数据中筛选出所述评审标准对应的数据作为第一数据；数据清洗步骤，用于从所述第一数据中提取与每一项标准对应的数据作为所述每一项标准对应的第二数据。优选地，所述评审判断步骤包括：子标准获取步骤，用于获取所述评审标准中每一项标准和总体标准；对应数据提取步骤，用于从所述第一数据中提取所述每一项标准对应的所述第二数据；每一项标准对应的预设模型获取步骤，用于获取所述每一项标准对应的预设模型；每一项标准对应的第三数据生成步骤，用于根据所述每一项标准对应的所述第二数据和所述每一项标准对应的所述预设模型，计算得到所述每一项标准对应的第三数据；每一项标准判断步骤，用于根据所述每一标准对应的第三数据和预设范围，判断所述待评审的对象是否符合所述每一项标准；总体标准对应的预设模型获取步骤，用于获取所述总体标准对应的预设模型；总体标准判断步骤，用于根据所述每一项标准对应的第三数据、所述总体标准对应的预设模型和预设范围，判断所述待评审对象是否符合所述总体标准；综合判断步骤，用于判断所述待评审对象是否通过初审；选拔步骤，用于从通过初审的多个所述待评审对象中选出预设个数或预设比例的所述待评审对象，作为通过评审的待评审对象。优选地，所述每一项标准对应的预设模型获取步骤包括:每一项标准对应的深度学习模型初始化步骤，用于初始化所述每一项标准对应的深度学习模型作为第一深度学习模型；每一项标准对应的历史数据获取步骤，用于从历史大数据中获取所述每一项标准对应的已进行过评审的每一对象的所述第二数据和第三数据；第二深度学习模型生成步骤，用于将所述每一项标准对应的已进行过评审的每一对象的所述第二数据作为所述第一深度学习模型的输入数据，对所述第一深度学习模型进行无监督训练，得到的所述第一深度学习模型作为第二深度学习模型；第三深度学习模型生成步骤，用于将所述每一项标准对应的已进行过评审的每一对象的所述第二数据和所述第三数据分别作为所述第二深度学习模型的输入数据和输出数据，对所述第二深度学习模型进行有监督训练，得到的所述第二深度学习模型作为第三深度学习模型；每一项标准对应的预设模型设置步骤，用于将所述第三深度学习模型作为所述每一项标准对应的预设模型；所述总体标准对应的预设模型获取步骤包括:总体标准对应的深度学习模型初始化步骤，用于初始化所述总体标准对应的深度学习模型，得到的所述深度学习模型作为第四深度学习模型；总体标准对应的历史数据获取步骤，用于从历史大数据中获取所述已进行过评审的每一对象的所述评审标准中每一项标准对应的第三数据的集合和所述总体标准对应的第三数据；第五深度学习模型生成步骤，用于将所述评审标准中每一项标准对应的已进行过评审的每一对象的所述第三数据的集合作为所述深度学习模型的输入数据，对所述第四深度学习模型进行无监督训练，得到的所述第四深度学习模型作为第五深度学习模型；第六深度学习模型生成步骤，用于将所述已进行过评审的每一对象的所述评审标准中每一项标准对应的所述第三数据的集合和所述总体标准对应的所述第三数据分别作为所述第五深度学习模型的输入数据和输出数据，对所述第五深度学习模型进行有监督训练，得到的所述第五深度学习模型作为第六深度学习模型；总体标准对应的预设模型设置步骤，用于将所述第六深度学习模型作为所述总体标准对应的预设模型。优选地，所述每一项标准判断步骤包括：每一项标准对应的预设范围获取步骤，用于获取所述每一项标准对应的预设范围；每一项标准对应的第三数据判断步骤，用于判定所述待评审的对象是否符合所述每一项标准；所述总体标准判断步骤包括：总体标准对应的第三数据生成步骤，用于根据所述每一项标准对应的所述第三数据和所述总体标准对应的所述预设模型，计算得到所述总体标准对应的第三数据；总体标准对应的预设范围获取步骤，用于获取所述总体标准对应的预设范围；总体标准对应的第三数据判断步骤，用于判断所述待评审的对象是否符合所述总体标准。优选地，总评分计算步骤，用于根据通过初审的每个所述待评审对象的每一项标准和总体标准对应的第三数据，通过预设总评模型计算得到通过初审的每个所述待评审对象的总评分；排序选拔步骤，用于根据总评分和预设个数或预设比例，从所述通过初审的多个所述待评审对象中选择出预设个数或预设比例的所述待评审对象，作为通过评审的待评审对象。第二方面，本专利技术实施例提供一种评审系统，所述系统包括：评审标准获取模块，用于获取预设类别的评审标准；对象数据获取模块，用于获取待评审的对象的数据；标准对应的数据获取模块，用于从所述待评审的对象的数据中获取所述评审标准对应的数据；评审判断模块，用于根据所述评审标准对应的数据判断所述待评审的对象能否通过评审。优选地，所述对象数据获取模块包括：数据源获本文档来自技高网...

【技术保护点】
1.一种评审方法，其特征在于，所述方法包括：评审标准获取步骤，用于获取预设类别的评审标准；对象数据获取步骤，用于获取待评审的对象的数据；标准对应的数据获取步骤，用于从所述待评审的对象的数据中获取所述评审标准对应的数据；评审判断步骤，用于根据所述评审标准对应的数据判断所述待评审的对象能否通过评审。

【技术特征摘要】
1.一种评审方法，其特征在于，所述方法包括：评审标准获取步骤，用于获取预设类别的评审标准；对象数据获取步骤，用于获取待评审的对象的数据；标准对应的数据获取步骤，用于从所述待评审的对象的数据中获取所述评审标准对应的数据；评审判断步骤，用于根据所述评审标准对应的数据判断所述待评审的对象能否通过评审。2.根据权利要求1所述的评审方法，其特征在于，所述对象数据获取步骤包括：数据源获取步骤，用于获取数据源；对象数据检索步骤，用于从所述数据源中检索并获取所述待评审的对象的数据；所述标准对应的数据获取步骤包括：数据筛选步骤，用于从所述待评审的对象的数据中筛选出所述评审标准对应的数据作为第一数据；数据清洗步骤，用于从所述第一数据中提取与每一项标准对应的数据作为所述每一项标准对应的第二数据。3.根据权利要求2所述的评审方法，其特征在于，所述评审判断步骤包括：子标准获取步骤，用于获取所述评审标准中每一项标准和总体标准；对应数据提取步骤，用于从所述第一数据中提取所述每一项标准对应的所述第二数据；每一项标准对应的预设模型获取步骤，用于获取所述每一项标准对应的预设模型；每一项标准对应的第三数据生成步骤，用于根据所述每一项标准对应的所述第二数据和所述每一项标准对应的所述预设模型，计算得到所述每一项标准对应的第三数据；每一项标准判断步骤，用于根据所述每一标准对应的第三数据和预设范围，判断所述待评审的对象是否符合所述每一项标准；总体标准对应的预设模型获取步骤，用于获取所述总体标准对应的预设模型；总体标准判断步骤，用于根据所述每一项标准对应的第三数据、所述总体标准对应的预设模型和预设范围，判断所述待评审对象是否符合所述总体标准；综合判断步骤，用于判断所述待评审对象是否通过初审；选拔步骤，用于从通过初审的多个所述待评审对象中选出预设个数或预设比例的所述待评审对象，作为通过评审的待评审对象。4.根据权利要求3所述的评审方法，其特征在于，所述每一项标准对应的预设模型获取步骤包括:每一项标准对应的深度学习模型初始化步骤，用于初始化所述每一项标准对应的深度学习模型作为第一深度学习模型；每一项标准对应的历史数据获取步骤，用于从历史大数据中获取所述每一项标准对应的已进行过评审的每一对象的所述第二数据和第三数据；第二深度学习模型生成步骤，用于将所述每一项标准对应的已进行过评审的每一对象的所述第二数据作为所述第一深度学习模型的输入数据，对所述第一深度学习模型进行无监督训练，得到的所述第一深度学习模型作为第二深度学习模型；第三深度学习模型生成步骤，用于将所述每一项标准对应的已进行过评审的每一对象的所述第二数据和所述第三数据分别作为所述第二深度学习模型的输入数据和输出数据，对所述第二深度学习模型进行有监督训练，得到的所述第二深度学习模型作为第三深度学习模型；每一项标准对应的预设模型设置步骤，用于将所述第三深度学习模型作为所述每一项标准对应的预设模型；所述总体标准对应的预设模型获取步骤包括:总体标准对应的深度学习模型初始化步骤，用于初始化所述总体标准对应的深度学习模型，得到的所述深度学习模型作为第四深度学习模型；总体标准对应的历史数据获取步骤，用于从历史大数据中获取所述已进行过评审的每一对象的所述评审标准中每一项标准对应的第三数据的集合和所述总体标准对应的第三数据；第五深度学习模型生成步骤，用于将所述评审标准中每一项标准对应的已进行过评审的每一对象的所述第三数据的集合作为所述深度学习模型的输入数据，对所述第四深度学习模型进行无监督训练，得到的所述第四深度学习模型作为第五...

【专利技术属性】
技术研发人员：朱定局，
申请(专利权)人：大国创新智能科技东莞有限公司，
类型：发明
国别省市：广东,44