目标信息的获取方法、装置、设备以及存储介质制造方法及图纸

本申请涉及人工智能技术，本申请提供了一种目标信息的获取方法、装置、设备以及存储介质；其中，方法包括获取当前产品的唯一标识性信息，并从预设的知识图谱中获取所述当前产品的各维度的维度值，将收集到维度值的各维度按照设定的属性规则进行聚类处理，并获取各个属性对应的属性数据，将各所述属性数据分别发送给对应的属性目标信息计算子公式模型中，得到对应的子公式，将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式，并基于所述目标信息计算公式获取所述目标信息。从而无需开发人员进行相应代码的开发，解决了需要通过开发人员进行手工编码，发布，导致流程较长，无法即使看到产品的收益情况的问题。益情况的问题。益情况的问题。

【技术实现步骤摘要】
目标信息的获取方法、装置、设备以及存储介质


[0001]本申请涉及人工智能领域，特别涉及一种目标信息的获取方法、装置、设备以及存储介质。

技术介绍

[0002]在企业日常经营过程中，经常需要对各种类型的产品情况进行计算，例如产品的风险信息、收益信息。然后将计算的结果展示出来。这样才能清楚了解各类产品的情况。目前，对应产品而言，一般都是人为对其单独设置自动计算的计算公式，通过该计算公式计算产品的产品情况，但是其对应的计算公式仍需要通过开发人员进行手工设计，无法实现自动化配置公式，且还会浪费开发人员的开发时间，极大的浪费了人力资源和时间资源。

技术实现思路

[0003]本申请的主要目的为提供一种目标信息的获取方法、装置、设备以及存储介质，旨在解决计算公式仍需要通过开发人员进行手工设计，无法实现自动化配置公式的问题。
[0004]本申请提供了一种目标信息的获取方法，所述目标信息至少包括收益信息，包括：
[0005]获取当前产品的唯一标识性信息；
[0006]基于所述唯一标识性信息从预设的知识图谱中获取所述当前产品在预设维度中的维度值；
[0007]将收集到维度值的各维度按照设定的属性规则进行聚类处理，并获取各个属性对应的属性数据；
[0008]将各所述属性数据分别发送给对应的属性目标信息计算子公式模型中；其中，所述属性目标信息计算子公式模型为卷积神经网络模型；
[0009]接收各个所述属性目标信息计算子公式模型反馈的子公式；
[0010]将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式，并基于所述目标信息计算公式获取所述目标信息。
[0011]进一步地，所述将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式，并基于所述目标信息计算公式获取所述目标信息的步骤，包括：
[0012]基于所述唯一标识性信息与各个已发行产品的历史唯一标识性信息进行相似度计算；
[0013]基于计算结果获取各个所述已发行产品中与所述当前产品最相似的目标产品；
[0014]获取所述目标产品对应的目标信息计算公式的目标组合方法；
[0015]将各个所述子公式按照所述目标组合方法进行组合，得到所述当前产品的目标信息计算公式。
[0016]进一步地，所述将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式，并基于所述目标信息计算公式获取所述目标信息的步骤之
后，还包括：
[0017]对所述目标信息计算公式中的各个子公式进行第一赋值处理，并计算得到第一处理结果；
[0018]基于所述第一赋值处理后的目标信息计算公式对各个所述子公式依次进行重新赋值处理，计算得到各个所述子公式重新赋值后的暂时处理结果；
[0019]将各所述暂时处理结果与所述第一处理结果进行比较；
[0020]根据各个所述暂时处理结果对应的比较结果进行标准化处理，得到各自对应子公式的权重值；
[0021]将所述权重值输入至所述目标信息计算公式中，得到优化后的目标信息计算公式。
[0022]进一步地，所述将各所述属性数据分别发送给对应的属性目标信息计算子公式模型中的步骤之前，还包括：
[0023]获取多个历史产品的历史唯一标识性信息以及为所述历史产品配备的各个子公式；
[0024]将各所述历史唯一标识性信息以及对应的子公式分别输入至对应的属性目标信息计算子公式模型中进行训练，得到各个训练好的所述属性目标信息计算子公式模型。
[0025]进一步地，所述基于所述唯一标识性信息从预设的知识图谱中获取所述当前产品在预设维度中的维度值的步骤之后，还包括：
[0026]提取所述知识图谱中预设维度的所有产品对应的参照维度值；
[0027]计算所述当前产品对应预设维度的当前维度值，与各所述参照维度值的分差值；
[0028]将所述分差值小于或等于预设分差的分差值构建一个分差集合；
[0029]将所述分差集合中的各个元素与当前维度值分差定义为预设分差；
[0030]根据公式计算所述当前维度值的密度，其中，所述ρ
c
(O)表示所述当前维度值的密度，N(O)表示所述分差集合，P表示所述分差集合中的元素，O表示所述当前维度值，d
c
(O，P)表示元素P与O的分差值，c表示所述预设分差；
[0031]根据公式计算所述当前维度值的离散分值；其中，LON
c
(O)表示所述当前维度值的离散分值，ρ
c
(P)表示元素P对应维度的密度；
[0032]判断所述离散分值是否大于预设离散分值；
[0033]若是，则对所述当前维度的维度值进行分析。
[0034]进一步地，所述将各所述属性数据分别发送给对应的属性目标信息计算子公式模型中的步骤之前，还包括：
[0035]获取多个已发行产品对应的各个属性的属性目标信息计算子公式以及对应的属性数据；
[0036]将所述属性数据和对应的属性目标信息计算子公式输入至对应的属性初始卷积神经网络模型中进行训练；
[0037]当所述属性初始卷积神经网络模型开始收敛后，得到初步属性卷积网络模型；
[0038]计算所述初步属性卷积网络模型的损失值；
[0039]判断所述损失值是否低于损失预设值；
[0040]若所述损失值低于所述损失预设值，则认定所述初步属性卷积网络模型为所述属性目标信息计算子公式模型。
[0041]本申请还提供了一种目标信息的获取装置，包括：
[0042]第一获取模块，用于获取当前产品的唯一标识性信息；
[0043]第二获取模块，用于基于所述唯一标识性信息从预设的知识图谱中获取所述当前产品在预设维度中的维度值；
[0044]聚类模块，用于将收集到维度值的各维度按照设定的属性规则进行聚类处理，并获取各个属性对应的属性数据；
[0045]发送模块，用于将各所述属性数据分别发送给对应的属性目标信息计算子公式模型中；其中，所述属性目标信息计算子公式模型为卷积神经网络模型；
[0046]接收模块，用于接收各个所述属性目标信息计算子公式模型反馈的子公式；
[0047]组合模块，用于将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式，并基于所述目标信息计算公式获取所述目标信息。
[0048]进一步地，所述组合模块，包括：
[0049]计算子模块，用于基于所述唯一标识性信息与各个已发行产品的历史唯一标识性信息进行相似度计算；
[0050]第一获取子模块，用于基于计算结果获取各个所述已发行产品中与所述当前产品最相似的目标产品；
[0051]第二获取子模块，用于获取所述目标产品对应的目标信息计算公式的目标组合方法；
[0052]组合子模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标信息的获取方法，其特征在于，所述目标信息至少包括收益信息，包括：获取当前产品的唯一标识性信息；基于所述唯一标识性信息从预设的知识图谱中获取所述当前产品在预设维度中的维度值；将收集到维度值的各维度按照设定的属性规则进行聚类处理，并获取各个属性对应的属性数据；将各所述属性数据分别发送给对应的属性目标信息计算子公式模型中；其中，所述属性目标信息计算子公式模型为卷积神经网络模型；接收各个所述属性目标信息计算子公式模型反馈的子公式；将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式，并基于所述目标信息计算公式获取所述目标信息。2.如权利要求1所述的目标信息的获取方法，其特征在于，所述将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式的步骤，包括：基于所述唯一标识性信息与各个已发行产品的历史唯一标识性信息进行相似度计算；基于计算结果获取各个所述已发行产品中与所述当前产品最相似的目标产品；获取所述目标产品对应的目标信息计算公式的目标组合方法；将各个所述子公式按照所述目标组合方法进行组合，得到所述当前产品的目标信息计算公式。3.如权利要求1所述的目标信息的获取方法，其特征在于，所述将各个所述子公式按照预先设定的组合方法进行组合，得到所述当前产品的目标信息计算公式的步骤之后，还包括：对所述目标信息计算公式中的各个子公式进行第一赋值处理，并计算得到第一处理结果；基于所述第一赋值处理后的目标信息计算公式对各个所述子公式依次进行重新赋值处理，计算得到各个所述子公式重新赋值后的暂时处理结果；将各所述暂时处理结果与所述第一处理结果进行比较；根据各个所述暂时处理结果对应的比较结果进行标准化处理，得到各自对应子公式的权重值；将所述权重值输入至所述目标信息计算公式中，得到优化后的目标信息计算公式。4.如权利要求1所述的目标信息的获取方法，其特征在于，所述将各所述属性数据分别发送给对应的属性目标信息计算子公式模型中的步骤之前，还包括：获取多个历史产品的历史唯一标识性信息以及为所述历史产品配备的各个子公式；将各所述历史唯一标识性信息以及对应的子公式分别输入至对应的属性目标信息计算子公式模型中进行训练，得到各个训练好的所述属性目标信息计算子公式模型。5.如权利要求1所述的目标信息的获取方法，其特征在于，所述基于所述唯一标识性信息从预设的知识图谱中获取所述当前产品在预设维度中的维度值的步骤之后，还包括：提取所述知识图谱中预设维度的所有产品对应的参照维度值；计算所述当前产品对应预设维度的当前维度值，与各所述参照维度值的分差值；将所述分差值小于或等于预设分差的分差值构建一个分差集合；
将所述分差集合中的各个元素与当前维度值分差定义为预设分差；根据公式计算所述当前维度值的密度，其中，所述ρ
c
...

【专利技术属性】
技术研发人员：李希加，
申请(专利权)人：未鲲上海科技服务有限公司，
类型：发明
国别省市：