(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211315280.6 (22)申请日 2022.10.26 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 申请人 建信金融科技有限责任公司 (72)发明人 张茂发　贾国琛　韦立鹏　尹泽阳　 刘振　 (74)专利代理 机构 北京东方亿 思知识产权代理 有限责任公司 1 1258 专利代理师 贺琳 (51)Int.Cl. G06Q 10/06(2012.01) G06N 20/00(2019.01) (54)发明名称 数据处理方法、 装置、 设备、 介质及产品 (57)摘要 本申请实施例提供一种数据处理方法、 装 置、 设备、 介质及产品， 包括： 获取食品企业的N个 风险数据， N个风险数据包括企业基本信息和行 政检查信息； 将N个风险数据输入企业风险模型 中， 基于企业风险模型中第i个决策树对第i ‑1个 决策树的输出结果进行计算， 以得到N个输出结 果， 并基于所述N个输出结果以及所述企业风险 模型的N个决策树所对应的预设权重进行加权求 和计算， 以得到目标计算结果， 并通过将所述目 标计算结果映射在预设范围内， 以得到目标风险 概率， 目标风险概率用于评估食品企业的风险。 本申请实施例， 可以准确评估 食品企业的风险。 权利要求书2页 说明书12页 附图2页 CN 115545533 A 2022.12.30 CN 115545533 A 1.一种数据处 理方法， 其特 征在于， 所述方法包括： 获取食品企业的N个风险数据， 所述 N个风险数据包括企业基本信息和行政检查信息； 将所述N个风险数据输入企业风险模型中， 基于所述企业风险模型中第 i个决策树对第 i个风险数据以及第i ‑1个决策树的输出结果进行计算， 以得到N个输出结果， 并基于所述N 个输出结果以及所述企业风险模型 的N个决策树所对应的预设权重进行加权求和计算， 以 得到目标计算结果， 并通过将所述目标计算结果映射在预设范围内， 得到目标风险概率， 所 述目标风险概 率用于评估所述食品企业的风险， 1<i≤N。 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： 基于预设的风险概率与企业风险等级的映射关系， 确定与所述目标风险概率对应的企 业风险等级， 所述企业 风险等级用于 评估所述食品企业的风险。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述N个风险数据输入企业风险模 型中， 基于所述企业风险模型中第i个决策树对第i个风险数据以及第i ‑1个决策树的输出 结果进行计算， 以得到N个输出结果， 并基于所述N个输出结果以及所述 企业风险模 型的N个 决策树所对应的预设权重进行加权求和计算， 以得到目标计算结果， 并通过将所述 目标计 算结果映射在预设范围内， 以得到目标风险概 率， 包括： 基于预设编码方式对所述N个风险数据进行编码， 以得到风险向量， 所述风险向量包括 与所述N个风险数据对应的N个特征数据， 所述预设编码方式包括标号Label  Encoder编码 方式和虚拟Dum my Encoder编码方式至少一种； 将所述风险向量所包括的N个特征数据输入企业风险模型中， 基于所述企业风险模型 所包括第i个决策树对第i个特征数据以及第i ‑1个决策树的输出结果进 行计算， 以得到N个 输出结果， 并基于所述N个输出结果以及所述 企业风险模型的N个决策树所对应的预设权重 进行加权求和计算， 以得到目标计算结果， 并通过将所述目标计算结果映射在预设范围内， 以得到目标风险概 率。 4.根据权利要求1所述的方法， 其特征在于， 在所述将所述N个风险数据输入企业风险 模型中， 基于所述企业风险模型中第i个决策树对第i个风险数据以及第i ‑1决策树的输出 结果进行计算， 以得到N个输出结果， 并基于所述N个输出结果以及所述 企业风险模 型的N个 决策树所对应的预设权重进行加权求和计算， 以得到目标计算结果， 并通过将所述 目标计 算结果映射在预设范围内， 以得到目标风险概 率之前， 所述方法还 包括： 获取训练样本集， 所述训练样本集中包括多个训练样本及其每一训练样本对应的标签 概率， 所述训练样本包括 N个风险数据样本； 利用所述训练样本集中的训练样本及其每一训练样本对应的标签概率训练预设企业 风险模型， 得到训练后的企业 风险模型。 5.根据权利要求4所述的方法， 其特征在于， 所述利用所述训练样本集中的训练样本及 其每一训练样本对应的标签概率训练预设企业风险模型， 得到训练后的企业风险模型， 包 括： 针对多个训练样本中的任一训练样本， 将所述训练样本中的N个风险数据样本输入预 设企业风险模型， 基于所述预设企业风险模型中第i个决策树对第i个风险数据样本以及第 i‑1个决策树的参考输出结果进 行计算， 以得到N个参考输出结果， 并基于所述N个参考输出 结果以及预设企业风险模型 的N个决策树所对应的参考权重进行加权求和计算， 以得到目权　利　要　求　书 1/2 页 2 CN 115545533 A 2标参考计算结果， 并通过将所述目标参考计算结果映射在预设范围内， 得到参考风险概率， 所述参考风险概率用于评估所述食品企业的风险， 1<i≤N； 根据目标训练样本的参考概率与目标训练样本的标签概率， 确定预设企业风险模型的 损失函数值， 所述目标训练样本是多个训练样本中的任一个； 基于所述预设企业风险模型的损 失函数值， 利用训练样本训练预设企业风险模型， 得 到训练后的企业 风险模型。 6.一种数据处 理装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取食品企业的N个风险数据， 所述N个风险数据包括企业基本信息和 行政检查信息； 处理模块， 用于将所述N个风险数据输入企业风险模型中， 基于所述企业风险模型中第 i个决策树对第i个风险数据以及第i ‑1个决策树的输出结果进行计算， 以得到N个输出结 果， 并基于所述N个输出结果以及所述企业风险模 型的N个决策树所对应的预设权重进行加 权求和计算， 以得到目标计算结果， 并通过将所述目标计算结果映射在预设范围内， 以得到 目标风险概 率， 所述目标风险概 率用于评估所述食品企业的风险。 7.根据权利要求6所述的装置， 其特 征在于， 所述装置还 包括确定模块； 确定模块， 用于基于预设的风险概率与企业风险等级的映射关系， 确定与所述目标风 险概率对应的企业 风险等级， 所述企业 风险等级用于 评估所述食品企业的风险。 8.一种电子设备， 其特征在于， 所述设备包括： 处理器以及存储有计算机程序指令的存 储器； 所述处理器读取并执行所述计算机程序指令， 以实现如权利要求1 ‑4任意一项所述的 数据处理方法。 9.一种计算机存储介质， 其特征在于， 所述计算机存储介质上存储由计算机程序指令， 所述计算机程序指令被处 理器执行时实现如权利要求1 ‑5任意一项所述的数据处 理方法。 10.一种计算机程序产品， 其特征在于， 所述计算机程序产品中的指令由电子设备的处 理器执行时， 使得 所述电子设备 执行如权利要求1 ‑5任意一项所述的数据处 理方法。权　利　要　求　书 2/2 页 3 CN 115545533 A 3