一种多指标要素的特征属性信息处理方法以及装置与流程

技术特征：
1.一种多指标要素的特征属性信息处理方法，其特征在于，所述方法包括：获取目标模块的当前属性信息；根据所述目标模块的当前属性信息，确定所述目标模块的当前模块类型；根据所述目标模块的当前模块类型，确定所述当前模块类型对应的目标预测模型；根据所述目标模块的当前属性信息和所述目标预测模型，获取所述目标模块的特征属性。2.根据权利要求1所述的方法，其特征在于，所述目标模块为待分类模块集合中的一个模块，所述待分类模块集合包括多个模块以及各个模块各自分别对应的当前属性信息；所述根据所述目标模块的当前属性信息，确定所述目标模块的当前模块类型，包括：根据所述待分类模块集中各个模块各自分别对应的当前属性信息，对所述待分类模块集中的多个模块进行聚类处理，得到若干个聚类集；其中，每个聚类集均包括至少一个模块，且每个聚类集的当前模块类型均不相同；将所述目标模块对应的聚类集的当前模块类型作为所述目标模块的当前模块类型。3.根据权利要求2所述的方法，其特征在于，所述根据所述待分类模块集中各个模块各自分别对应的当前属性信息，对所述待分类模块集中的多个模块进行聚类处理，得到若干个聚类集，包括：根据类簇初始值k和所述待分类模块集中各个模块各自分别对应的当前属性信息，确定k个聚类集中每个聚类集的聚类中心；其中，k为正整数；根据所述待分类模块集和各个聚类中心，将所述待分类模块集中各个模块分别分配至一聚类集，得到聚类后的k个聚类集。4.根据权利要求3所述的方法，其特征在于，所述根据类簇初始值k和所述待分类模块集中各个模块各自分别对应的当前属性信息，确定k个聚类集中每个聚类集的聚类中心，包括：从所述待分类模块集中随机选择k个模块，并将所述k个模块分别作为所述k个聚类集中的一个待定聚类中心；确定所述待分类模块集中每个模块的当前属性信息分别与各个聚类集的待定聚类中心的当前属性信息的欧式距离；根据每个模块的最小欧式距离，将每个模块分别划分到模块的最小欧式距离对应的聚类集；针对每一个聚类集，确定该聚类集中各个模块的当前属性信息的均值向量；若所述均值向量对应的模块为所述待定聚类中心，则将所述待定聚类中心作为该聚类集的聚类中心；若所述均值向量对应的模块与所述待定聚类中心不相同，则将所述均值向量对应的模块作为待定聚类中心，并重新执行所述确定该聚类集中各个模块的当前属性信息的均值向量的步骤，直至所述均值向量对应的模块为所述待定聚类中心。5.根据权利要求4所述的方法，其特征在于，所述根据所述待分类模块集和各个聚类中心，将所述待分类模块集中各个模块分别分配至一聚类集，得到聚类后的k个聚类集，包括：根据所述待分类模块集中的各个模块与各个聚类集的聚类中心之间的欧式距离，将所述待分类模块集中的各个模块分别分配至一聚类集，得到聚类后的k个聚类集。
6.根据权利要求1所述的方法，其特征在于，所述目标预测模型为预测模型集中的一个预测模型，其中，所述预测模型集中的预测模型的数量与当前模块类型的数量相同，所述预测模型集中的每一预测模型均对应一当前模块类型，且每个预测模型对应的当前模块类型均不相同；每一预测模型均包括若干个决策树模型，每个预测模型中的每个决策树模型对应一个指标类型且每个决策树模型对应的指标类型均不相同；其中，每个预测模型中的决策树模型是不相同的。7.根据权利要求6所述的方法，其特征在于，所述将所述目标模块的当前属性信息输入所述目标预测模型，得到所述目标模块的特征属性，包括：将所述目标模块的当前属性信息分别输入所述目标预测模型中的每个决策树模型，得到每个决策树模型输出的特征属性；根据每个决策树模型输出的特征属性，确定所述目标模块的特征属性。8.根据权利要求1
‑
7中任一项所述的方法，其特征在于，在所述根据所述目标模块的当前属性信息，确定所述目标模块的当前模块类型的步骤之后，所述方法还包括：获取目标模块的规划属性信息；根据所述目标模块的规划属性信息，确定所述目标模块的规划模块类型；根据所述目标模块的当前模块类型和规划模块类型，确定所述目标模块对应的模块变化类型；根据所述目标模块对应的模块变化类型，确定所述目标模块对应的潜力属性信息。9.一种多指标要素的特征属性信息处理装置，其特征在于，所述装置包括：信息获取模块，被配置为获取目标模块的当前属性信息；类型确定模块，被配置为根据所述目标模块的当前属性信息，确定所述目标模块的当前模块类型；模型确定模块，被配置为根据所述目标模块的当前模块类型，确定所述当前模块类型对应的目标预测模型；属性确定模块，被配置为将所述目标模块的当前属性信息输入所述目标预测模型，得到所述模块的特征属性。10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述方法的步骤。11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。

技术总结
本公开涉及数据处理技术领域，提供了一种多指标要素的特征属性信息处理方法、装置、计算机设备及计算机可读存储介质。该方法包括：通过目标模块的当前属性信息，确定该目标模块的当前模块类型；根据该目标模块的当前模块类型，针对性地选取该当前模块类型对应的目标预测模型；由于该目标预测模型在预测该当前模块类型的目标模块的特征属性过程中，会筛选并依据更多与该当前模块类型相关度较高的属性信息对该目标模块的特征属性进行评估，而避免出现人工依据经验评估所导致的主观性、片面性和局限性的问题；这样，可利用该目标预测模型根据该目标模块的当前属性信息所评估的该目标模块的特征属性更加准确、更具有参考价值，提高了特征属性评估的效率。高了特征属性评估的效率。高了特征属性评估的效率。


技术研发人员：张伟伟 杨海 宋佳平 朱颖
受保护的技术使用者：深圳集智数字科技有限公司
技术研发日：2021.07.30
技术公布日：2021/11/23