项目风险确定方法技术

本申请公开了一种项目风险确定方法

【技术实现步骤摘要】
项目风险确定方法、装置及存储介质


[0001]本申请涉及文本识别
，尤其涉及一种项目风险确定方法
、
装置及存储介质
。

技术介绍

[0002]项目风险指在项目建设过程中出现某种影响项目正常开展或对项目造成直接损失的可能性，常见的风险有进度风险
、
质量风险
、
技术风险
、
人员风险和成本风险等
。
其中，风险越高，问题发生的概率也越高
。
因此，通过相应的管理手段，来识别项目中风险发生的可能性极为重要
。
[0003]目前，在项目管理环节对于项目风险识别的方法主要包括专家对项目资料进行评审
、
分析，通过经验总结的方式进行风险识别
。
这类方法都主要依靠人为方式主动去发现风险，无法及时发现项目中存在的风险
。

技术实现思路

[0004]本申请提供了一种项目风险确定方法
、
装置及存储介质，用于准确识别项目文本中存在的风险
。
[0005]为达到上述目的，本申请采用如下技术方案：
[0006]第一方面，提供了一种项目风险确定方法，包括：获取目标项目文本数据，目标项目文本数据用于描述
、
记录和传递项目的信息；基于风险识别模型，确定目标项目文本数据对应的候选项目风险；将候选项目风险组中权重值大于预设阈值的项目风险，确定为目标项目文本数据的目标项目风险，权重值用于表征项目风险的影响程度
。
[0007]基于上述方法，服务器获取项目平台中的目标项目文本数据，并基于风险识别模型对获取的目标项目文本数据进行识别，得到目标项目文本数据对应的候选项目风险，最后将候选项目模型中项目风险权重大于预设阈值的候选项目风险确定为该目标项目文本数据对应的目标项目风险
。
本申请提出的方法能准确识别出目标项目文本中存在的项目风险
。
相较于现有方法，本申请提出的方法，能自动识别出项目中存在的风险，同时该方法能有效提升项目风险识别的准确性
。
[0008]一种可能的实现方式中，该方法还包括：获取多个历史项目文本数据以及多个历史项目文本数据对应的项目风险；根据
Bert
算法对多个历史项目文本数据以及多个历史项目文本数据对应的项目风险进行特征提取，得到多个项目文本特征数据；基于
DNN
算法对多个项目文本特征数据进行训练，得到风险识别模型
。
[0009]一种可能的实现方式中，上述“基于风险识别模型，确定目标项目文本数据对应的候选项目风险”包括：将目标项目文本数据输入风险识别模型中，输出目标项目文本数据对应的向量矩阵，向量矩阵包括至少一个维度，一个维度对应一个项目风险；将至少一个维度中的每个维度均转换为项目风险，确定目标项目文本数据对应的候选项目风险
。
[0010]一种可能的实现方式中，上述“将候选项目风险组中权重值大于预设阈值的项目
风险，确定为目标项目文本数据的目标项目风险”，包括：针对向量矩阵，根据预设规则确定至少一个维度中每个维度的权重值；将权重值大于预设阈值的项目风险作为项目文本数据的目标项目风险
。
[0011]一种可能的实现方式中，该方法还包括：根据项目文本数据和目标项目风险，更新
Bert
算法的参数以及风险识别模型
。
[0012]第二方面，提供了一种项目风险确定装置，应用于项目风险确定装置中的芯片或者片上系统，还可以为项目风险确定装置中用于实现第一方面或第一方面的任一可能的设计的方法的功能模块
。
该装置可以实现上述各方面或者各可能的设计中项目风险确定装置所执行的功能，功能可以通过硬件执行相应的软件实现
。
硬件或软件包括一个或多个上述功能相应的模块
。
如：该装置包括获取单元
、
确定单元和处理单元
。
[0013]获取单元，用于获取目标项目文本数据，目标项目文本数据用于描述
、
记录和传递项目的信息；
[0014]确定单元，用于基于风险识别模型，确定目标项目文本数据对应的候选项目风险；
[0015]确定单元，还用于将候选项目风险组中权重值大于预设阈值的项目风险，确定为目标项目文本数据的目标项目风险，权重值用于表征项目风险的影响程度
。
[0016]一种可能的实现方式中，获取单元，还用于获取多个历史项目文本数据以及多个历史项目文本数据对应的项目风险；该装置还包括处理单元，用于根据
Bert
算法对多个历史项目文本数据以及多个历史项目文本数据对应的项目风险进行特征提取，得到多个项目文本特征数据；处理单元，还用于基于
DNN
算法对多个项目文本特征数据进行训练，得到风险识别模型
。
[0017]一种可能的实现方式中，确定单元具体用于将目标项目文本数据输入风险识别模型中，输出目标项目文本数据对应的向量矩阵，向量矩阵包括至少一个维度，一个维度对应一个项目风险；将至少一个维度中的每个维度均转换为项目风险，确定目标项目文本数据对应的候选项目风险
。
[0018]一种可能的实现方式中，确定单元具体用于针对向量矩阵，根据预设规则确定至少一个维度中每个维度的权重值；将权重值大于预设阈值的项目风险作为项目文本数据的目标项目风险
。
[0019]一种可能的实现方式中，处理单元还用于根据项目文本数据和目标项目风险，更新
Bert
算法的参数以及风险识别模型
。
[0020]第三方面，提供了一种项目风险确定装置，该装置可以为项目风险确定装置或者项目风险确定装置中的芯片或者片上系统
。
该装置可以实现上述各方面或者各可能的设计中项目风险确定装置所执行的功能，功能可以通过硬件实现，如：一种可能的设计中，该装置可以包括：处理器和通信接口，处理器可以用于支持项目风险确定装置实现上述第一方面或者第一方面的任一种可能的设计中所涉及的功能
。
[0021]在又一种可能的设计中，项目风险确定装置还可以包括存储器，存储器用于保存项目风险确定装置必要的计算机执行指令和数据
。
当该装置运行时，该处理器执行该存储器存储的该计算机执行指令，以使该装置执行上述第一方面或者第一方面的任一种可能的设计的项目风险确定方法
。
[0022]第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质可以为可读
的非易失性存储介质，该计算机可读存储介质存储有计算机指令或者程序，当其在计算机上运行时，使得计算机可以执行上述第一方面或者上述方面的任一种可能的设计的项目风险确定方法
。
[0023]第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机可以执行上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种项目风险确定方法，其特征在于，所述方法包括：获取目标项目文本数据，所述目标项目文本数据用于描述
、
记录和传递项目的信息；基于风险识别模型，确定所述目标项目文本数据对应的候选项目风险；将所述候选项目风险组中权重值大于预设阈值的项目风险，确定为所述目标项目文本数据的目标项目风险，所述权重值用于表征所述项目风险的影响程度
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个历史项目文本数据以及多个历史项目文本数据对应的项目风险；根据
Bert
算法对所述多个历史项目文本数据以及多个历史项目文本数据对应的项目风险进行特征提取，得到多个项目文本特征数据；基于
DNN
算法对所述多个项目文本特征数据进行训练，得到所述风险识别模型
。3.
根据权利要求1或2所述的方法，其特征在于，所述基于风险识别模型，确定所述目标项目文本数据对应的候选项目风险，包括：将所述目标项目文本数据输入风险识别模型中，输出目标项目文本数据对应的向量矩阵，所述向量矩阵包括至少一个维度，一个维度对应一个项目风险；将所述至少一个维度中的每个维度均转换为项目风险，确定目标项目文本数据对应的候选项目风险
。4.
根据权利要求3所述的方法，其特征在于，所述将所述候选项目风险组中权重值大于预设阈值的项目风险，确定为所述目标项目文本数据的目标项目风险，包括：针对所述向量矩阵，根据预设规则确定所述至少一个维度中每个维度的权重值；将所述权重值大于预设阈值的项目风险作为所述项目文本数据的目标项目风险
。5.
根据权利要求1所述的方法，其特征在于，所述方法还包括
:
根据所述项目文本数据和所述目标项目风险，更新所述
Bert
算法的参数以及所述风险识别模型
。6.
一种项目风险确定装置，其特征在于，所述装置包括：获取单元，用于获取目标项目文本数据，所述目标项目文本数据用于描述
、
记录和传递项目的信息；确定单元，用于基于风险识别...

【专利技术属性】
技术研发人员：李堃，蔡一欣，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：