资产审核方法、装置、终端设备以及存储介质与流程

[0001]
本发明涉及设备控制领域，特别涉及一种资产审核方法、装置、终端设备以及计算机可读存储介质。


背景技术：

[0002]
在多元资产识别和发现的场景下，资产是不停变更的，资产可以是计算机、打印机和服务器等办公电子设备。当资产变动时，需要对资产进行审核，以获得资产的审核结果。
[0003]
相关技术中，通过技术人员对资产进行审核，以获得资产的审核结果。
[0004]
但是，采用现有的资产审核方法，资产的审核速度慢，审核效率较低。


技术实现要素：

[0005]
本发明的主要目的是提供一种资产审核方法、装置、终端设备以及计算机可读存储介质，旨在解决现有技术中资产信息的审核效率较低的技术问题。
[0006]
为实现上述目的，本发明提出一种资产审核方法，所述资产审核方法包括以下步骤：
[0007]
获取待审核资产的审核数据信息；
[0008]
将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果；
[0009]
基于所述当前决策结果，获得所述待审核资产的审核结果。
[0010]
可选的，所述将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果的步骤之前，所述方法还包括：
[0011]
基于所述审核数据信息和预设特征信息生成策略，生成审核特征信息；
[0012]
所述将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果的步骤包括：
[0013]
将所述审核特征信息输入所述训练获得的预设审核决策树模型，获得当前决策结果。
[0014]
可选的，所述将所述待审核特征输入所述训练获得的预设审核决策树模型，获得当前决策结果的步骤之前，所述方法还包括：
[0015]
获取历史审核特征信息和所述历史审核特征信息的历史决策结果；
[0016]
利用所述历史审核特征信息和所述历史决策结果对目标决策树模型进行训练，获得所述预设审核决策树模型。
[0017]
可选的，所述利用所述历史审核特征信息和所述历史决策结果对目标决策树模型进行训练，获得所述预设审核决策树模型的步骤包括：
[0018]
将所述历史审核特征信息确定为当前待分裂信息；
[0019]
获取所述当前待分裂信息包括的分裂特征；
[0020]
基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数；
[0021]
将所述基尼指数中基尼指数最小的基尼指数对应的分裂特征确定为当前分裂节点；
[0022]
基于所述当前分裂节点和所述历史决策结果，将所述当前待分裂信息分成满足第一预设条件的第一子特征信息和不满足所述第一预设条件的第二子特征信息；
[0023]
将所述第二子特征信息作为新的当前待分裂信息，以更新所述当前分裂信息，返回执行所述基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数的步骤，直到所述新的当前待分裂信息满足第二预设条件，获得所述预设审核决策树模型。
[0024]
可选的，所述将所述第二子特征信息作为新的当前待分裂信息，以更新所述当前分裂信息，返回执行所述基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数的步骤，直到所述新的当前待分裂信息满足第二预设条件，获得所述预设审核决策树模型的步骤包括：
[0025]
将所述第二子特征信息作为新的当前待分裂信息，以更新所述当前分裂信息，返回执行所述基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数的步骤，直到所述新的当前待分裂信息满足第二预设条件，获得初始审核决策树模型；
[0026]
对所述初始审核决策树模型进行剪枝操作，以获得所述预设审核决策树模型。
[0027]
可选的，所述对所述初始审核决策树模型进行剪枝操作，以获得所述预设审核决策树模型的步骤包括：
[0028]
将所述初始审核决策树模型作为当前待剪枝决策树模型；
[0029]
计算所述前待剪枝决策树模型各分裂节点的当前损失值；
[0030]
将所述当前待剪枝决策树模型中当前损失值最低的分裂节点剪掉，获得剪枝后的决策树模型；
[0031]
将所述剪枝后的决策树模型作为新的当前待剪枝决策树模型，以更新所述当前待剪枝决策树模型，并返回执行所述计算前待剪枝决策树模型待剪枝节点的当前损失值的步骤，直到新的当前待剪枝决策树模型只具有一个分裂节点时，停止剪枝，以获得多次剪枝分别对应的多个剪枝后的决策树模型；
[0032]
在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型。
[0033]
可选的，所述在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型的步骤之前，所述方法还包括：
[0034]
获取验证审核特征信息和所述验证审核特征信息的预设验证决策结果；
[0035]
将所述验证审核特征信息分别输入所述初始决策树模型和所述多个剪枝后的决策树模型，以获得验证决策结果；
[0036]
所述在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型的步骤包括：
[0037]
基于所述验证决策结果和所述预设验证决策结果，在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型。
[0038]
此外，为实现上述目的，本发明还提出了一种资产审核装置，所述装置包括：
[0039]
获得模块，用于获取待审核资产的审核数据信息；
[0040]
决策模块，用于将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果；
[0041]
获得模块，用于基于所述当前决策结果，获得所述待审核资产的审核结果
[0042]
此外，为实现上述目的，本发明还提出了一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行资产审核程序，所述资产审核程序被所述处理器执行时实现如上述任一项所述的资产审核方法的步骤。
[0043]
此外，为实现上述目的，本发明还提出了一种计算机可读存储介质，所述计算机可读存储介质上存储有资产审核程序，所述资产审核程序被处理器执行时实现如上述任一项所述的资产审核方法的步骤。
[0044]
本发明技术方案提出了一种资产审核方法，通过获取待审核资产的审核数据信息；将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果；基于所述当前决策结果，获得所述待审核资产的审核结果。由于，直接利用预设审核决策树模型对资产数据信息对应中待审核资产的审核数据信息进行决策，获得当前决策结果，并基于决策结果获得待审核资产的审核结果，不需要技术人员基于资产数据信息对资产进行审核，来获得审核结果，所以，利用本发明的资产审核方法，对资产进行审核时，审核速度快，审核效率较高。
附图说明
[0045]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0046]
图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图；
[0047]
图2为本发明资产审核方法第一实施例的流程示意图；
[0048]
图3为本发明资产审核装置第一实施例的结构框图。
[0049]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0050]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0051]
参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图。
[0052]
设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(pda)、平板电脑(pad)等用户设备(user equipment，ue)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(mobile station，ms)等。设备可能被称为用户终端、便携式终端、台式终端等。
[0053]
通常，设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在
所述处理器上运行的资产审核程序，所述资产审核程序配置为实现如前所述的资产审核方法的步骤。
[0054]
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processingunit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关资产审核方法操作，使得资产审核方法模型可以自主训练学习，提高效率和准确度。
[0055]
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的资产审核方法。
[0056]
在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。
[0057]
通信接口303可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
[0058]
射频电路304用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2g、3g、4g及5g)、无线局域网和/或wifi(wireless fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括nfc(near field communication，近距离无线通信)有关的电路，本申请对此不加以限定。
[0059]
显示屏305用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，
显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用lcd(liquidcrystal display，液晶显示屏)、oled(organic light-emitting diode,有机发光二极管)等材质制备。
[0060]
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。本领域技术人员可以理解，图1中示出的结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0061]
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有资产审核程序，所述资产审核程序被处理器执行时实现如上文所述的资产审核方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个终端设备上执行，或者在位于一个地点的多个终端设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个终端设备上执行。
[0062]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的计算机可读存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
[0063]
基于上述硬件结构，提出本发明资产审核方法的实施例。
[0064]
参照图2，图2为本发明资产审核方法第一实施例的流程示意图，方法用于终端设备，所述方法包括以下步骤：
[0065]
步骤s11：获取待审核资产的审核数据信息。
[0066]
需要说明的是，本发明的执行主体是终端设备，终端设备的结构参照上述描述，此处不再赘述。终端设备安装有资产审核程序，终端设备执行资产审核程序时，实现本发明的资产审核方法的步骤。
[0067]
通常，预设资产中包括多个计算机、打印机和服务器等电子设备，当预设资产的资产属性变化时，会接收到上报者发送的资产数据信息，资产数据信息即为待审核资产的审核数据信息。当资产属性不变时，上报者即不会发送资产数据信息。其中，上报者可以是任何形式的计算机，用于监测预设资产的资产属性的变化，上报者可以是多个。
[0068]
可以理解的是，上文所述资产数据信息通常只包括资产属性变化时，所产生的资产数据信息，资产属性不变的部分不会生成资产数据信息；当资产属性变化时，资产属性的变化部分对应的资产即为待审核资产，资产属性的具体变化即为审核数据信息；由于待审核资的资产属性发生变化，待审核资产的安全性可靠性发生改变，需要对待审核资产的审核数据信息进行审核，以获得所述待审核资产的审核结果。此时，基于资产属性的变化，上报者获得资产数据信息，此时，资产数据信息即为待审核资产的审核数据信息。
[0069]
另外，本发明中资产数据信息(即待审核资产的审核数据信息)是由上报者发送的，或者终端设备从上报者获取的，本发明不做限制。资产数据信息包括资产属性的出现频率、资产属性的上报者数量、资产属性的流量状态、资产属性的上报者可信度和相同资产属性在不同上报者中的可信度等。其中，资产属性可以包括预设资产中电子设备的增删改动，还可以包括预设资产中电子设备的状态信息改动。
[0070]
例如，预设资产中的a电子设备从服务器转变为客户端，此时，预设资产中的电子设备数量并未增加或减少，只是a电子设备的状态信息改变即为一种资产属性，此时，a电子设备的资产属性改变，获得a电子设备的资产数据信息。又如，预设资产中增加了b电子设备，b电子设备的增加也为一种资产属性，此时，获得b电子设备的资产数据信息。
[0071]
资产属性的出现频率可以是指资产属性在一定时长内的出现频率，资产信息包括的出现频率的赋值可以是非常高、高、一般和低，用户可以根据自己的需求，设置频率赋值策略，以依据出现频率具体值，确定对应的赋值，例如，出现频率超过10次每月，赋值为非常高，出现频率在8次每月-10次每月之间，赋值为高等，本发明不做限制。资产属性的上报者可以是通过api、kafka、jbdc或webservice等接口发送的资产数据信息，上报者的通常为多个。资产属性的流量状态可以包括有流量和没流量。资产属性的上报者是多个，不同的上报者的可信度不同，需要对上报者的可信度进行赋值，赋值可以是高、中和低，具体可信度赋值策略此处不做限制。不同的上报者同时发送的相同的资产属性时，该资产属性在不同的上报者中对应不同的可信度，相同资产属性在不同上报者的可信度赋值为1-100分，具体可信度赋值策略此处不做限制。
[0072]
可以理解的是，资产数据信息包括的五个特征的数据信息，五个特征的数据信息赋值方式还可以是其他方式，本发明不做限制。另外，资产数据信息还可以包括其他特征，用户可以根据自己的需求增加其他特征，本申请提出的五个特征为较优的必选特征，本申请下文均以该五个特征为例进行描述，但并不构成限定。
[0073]
步骤s12：将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果。
[0074]
需要说明的是，审核数据信息无法直接输入训练获得的预设审核决策树模型，获得当前决策结果，需要对审核数据信息进行数据处理，处理后的数据信息才可以直接输入训练获得的预设审核决策树模型。
[0075]
具体应用中，步骤s12之前，所述方法还包括：基于所述审核数据信息和预设特征信息生成策略，生成审核特征信息；相应的步骤s12包括：将所述审核特征信息输入所述训练获得的预设审核决策树模型，获得当前决策结果。
[0076]
需要说明的是，审核数据信息只是包括待审核资产的具体数据信息，需要将其按照上述五个特征分别进行赋值，获得资产属性的出现频率(例如，非常高)、资产属性的上报者数量(例如，上报者d和上报者e)、资产属性流量状态(有流量)、资产属性的上报者的可信度(例如，上报者d可信度高和上报者e可信度中)和相同资产属性在不同上报者的可信度(在上报者d中的可信度80，在上报者e中的可信度75)。对审核数据信息进行赋值后，即获得审核特征信息，审核特征信息包括五个特征的具体特征信息(即具体赋值)。
[0077]
训练获得的预设审核决策树模型是通过以下方式获得：获取历史审核特征信息和所述历史审核特征信息的历史决策结果；利用所述历史审核特征信息和所述历史决策结果
对目标决策树模型进行训练，获得所述预设审核决策树模型。
[0078]
需要说明的是，历史审核特征信息也是可以是从上报者获取的，历史审核特征信息需要包括较多的数据信息，以使训练获得的预设审核决策树模型性能较好，准确率较高。从上报者获取的信息实际为历史资产数据信息，并非历史审核特征信息，历史资产数据信息是类似于上文所述的审核数据信息的形式，需要利用预设特征信息生成策略，对历史资产数据信息进行处理(参照上文审核特征信息生成部分的描述，此处类似)，以获得历史审核特征信息。
[0079]
另外，所述历史审核特征信息的历史决策结果可以是用户对所述历史审核特征信息进行审核获得的，也可以是终端设备对所述历史审核特征信息进行审核获得的。
[0080]
其中，目标决策树模型可以是基于cart算法的决策树模型，也可以是其他类型的决策树模型，本发明不做限制。
[0081]
具体的，所述利用所述历史审核特征信息和所述历史决策结果对目标决策树模型进行训练，获得所述预设审核决策树模型的步骤包括：将所述历史审核特征信息确定为当前待分裂信息；获取所述当前待分裂信息包括的分裂特征；基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数；将所述基尼指数中基尼指数最小的基尼指数对应的分裂特征确定为当前分裂节点；基于所述当前分裂节点和所述历史决策结果，将所述当前待分裂信息分成满足第一预设条件的第一子特征信息和不满足所述第一预设条件的第二子特征信息；将所述第二子特征信息作为新的当前待分裂信息，以更新所述当前分裂信息，返回执行所述基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数的步骤，直到所述新的当前待分裂信息满足第二预设条件，获得所述预设审核决策树模型。
[0082]
需要说明的是，基于所述当前待分裂信息和所述历史当前决策结果，利用公式一，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数；
[0083]
公式一为：
[0084][0085][0086]
其中，a为所述分裂特征中的某一个特征(一个分裂节点)，d为所述当前待分裂信息的数据总数，d
i
为按照a分裂特征将当前待分裂信息分成n个子集后，第i个子集包括的数据个数(例如，资产属性的出现频率n为4，资产属性流量状态n为2)，c
k
为第i个子集中第k种数据个数，其中第i个子集包括k种数据(k即历史决策结果的种类)，gini(d
i
)为第i个子集的子集基尼指数，gini(d|a)为按照a分裂特征对当前待分裂信息进行分裂(将分裂特征a作为分裂节点)时，当前待分裂信息的基尼指数，即为所述基尼指数。其中，基尼指数越低，表示数据纯度越高。
[0087]
可以理解的是，当前待分裂信息的基尼指数共包括五个特征分别对应的基尼指数。
[0088]
第一预设条件可以是子特征信息的历史决策结果只包括通过决策或只包括未通过决策，满足第一预设条件的子特征信息通常只对应一种决策结果。第二预设条件可以是当前待分裂信息的数据数量小于预设数据数量阈值或基尼系数小于预设系数阈值等情况，预设数据数量阈值和预设系数阈值，可以是用户根据需求设定，本发明不做限制。
[0089]
例如，当前待分裂信息为p，p具有颜色、大小以及是否可烹饪特征，p包括红色瓜(红色瓜的历史决策结果只包括通过决策)和绿色瓜(绿色瓜决策结果包括通过决策和未通过决策的)，其中，颜色特征对应的分裂节点的基尼指数最低，按照颜色特征和历史决策结果将p分成满足第一预设条件的第一子特征信息(红色瓜)和不满足所述第一预设条件的第二子特征信息(绿色瓜)，然后将第二子特征信息作为新的当前待分裂特征，计算第二子特征信息在颜色、大小以及是否可烹饪三个特征下的基尼指数，以继续进行分裂。
[0090]
需要说明的是，当目标决策树模型是基于cart算法的决策树模型时，每一次进行当前待分裂信息的分裂均为二分裂，则公式一中的n即为2。此时，当历史决策结果为连续的置信度时(连续值，或大于两个值时)，在历史决策值高于预设置信度阈值时，将历史决策结果为通过决策，历史决策值不高于预设置信度阈值时，历史决策结果为不通过决策。若当历史决策结果仅包括通过决策或不通过决策时，则可以直接进行二分裂，不需要设置预设决策阈值。
[0091]
进一步的，所述将所述第二子特征信息作为新的当前待分裂信息，以更新所述当前分裂信息，返回执行所述基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数的步骤，直到所述新的当前待分裂信息满足第二预设条件，获得所述预设审核决策树模型的步骤包括：
[0092]
将所述第二子特征信息作为新的当前待分裂信息，以更新所述当前分裂信息，返回执行所述基于所述当前待分裂信息和所述当前决策结果，获得按照所述分裂特征对所述当前待分裂信息分裂时的基尼指数的步骤，直到所述新的当前待分裂信息满足第二预设条件，获得初始审核决策树模型；
[0093]
对所述初始审核决策树模型进行剪枝操作，以获得所述预设审核决策树模型。
[0094]
利用训练获得的初始审核决策树模型对审核特征信息进行审核时，可能存在过拟合的现象，由于，当前待分裂信息中存在异常数据，表现在初始审核决策树模型上，则会使部分分裂节点的决策准确率较低。为了减少当前待分裂信息中异常数据的影响，需要对生成的初始审核决策树模型进行剪枝。
[0095]
所述对所述初始审核决策树模型进行剪枝操作，以获得所述预设审核决策树模型的步骤包括：将所述初始审核决策树模型作为当前待剪枝决策树模型；计算所述前待剪枝决策树模型各分裂节点的当前损失值；将所述当前待剪枝决策树模型中当前损失值最低的分裂节点剪掉，获得剪枝后的决策树模型；将所述剪枝后的决策树模型作为新的当前待剪枝决策树模型，以更新所述当前待剪枝决策树模型，并返回执行所述计算前待剪枝决策树模型待剪枝节点的当前损失值的步骤，直到新的当前待剪枝决策树模型只具有一个分裂节点时，停止剪枝，以获得多次剪枝分别对应的多个剪枝后的决策树模型；在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型。
[0096]
需要说明的是，利用公式二，计算当前损失值，公式二为：
[0097][0098]
其中，g(t)为所述当前损失值，t为当前待剪枝决策树模型中的第t个节点，c(t
t
)为当前待剪枝决策树模型的预测误差，c(t)为剪去第t个分裂节点的预测误差，|t
t
|为当前待剪枝决策树模型的叶节点数。
[0099]
可以理解的是，所述初始审核决策树模型包括m个分裂节点时，m为不为0的自然数，需要进行(m-1)次剪枝操作，每一次剪枝操作后，即获得一个剪枝后的决策树模型，最后获得(m-1)个剪枝后的决策树模型和一个初始审核决策树模型，需要在其中确定出一个所述预设审核决策树模型。
[0100]
具体的，在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型的步骤之前，还包括：获取验证审核特征信息和所述验证审核特征信息的预设验证决策结果；将所述验证审核特征信息分别输入所述初始决策树模型和所述多个剪枝后的决策树模型，以获得验证决策结果；所述在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型的步骤包括：基于所述验证决策结果和所述预设验证决策结果，在所述初始决策树模型和所述多个剪枝后的决策树模型中确定出所述预设审核决策树模型。
[0101]
需要说明的是，验证审核特征信息也是可以从上传者获取得，获取到的初始验证信息是验证资产数据信息的形式，并非验证审核特征信息，验证资产数据信息是类似于所述待审核数据信息的形式，需要利用预设特征信息生成策略，对验证资产数据信息进行处理(参照上文审核特征信息生成部分的描述，此处类似)，以获得验证审核特征信息。
[0102]
另外，所述验证审核特征信息的预设验证决策结果可以是用户对所述验证审核特征信息进行审核获得的，也可以是终端设备对所述验证审核特征信息进行审核获得的。
[0103]
另外，由于，利用训练所述预设审核决策树模型的数据进行验证时，获得的验证决策结果势必会满足条件，所以，验证审核特征信息对应的验证资产数据信息，与历史审核特征信息对应的历史验证资产数据信息是不同的。将验证审核特征信息分别输入(m-1)个剪枝后的决策树模型和一个初始审核决策树模型，获得m个验证决策结果，将m个验证决策结果与验证审核特征信息的验证决策结果进行对比，获得m个对比误差，将对比误差最小对应的决策树模型确定为所述预设审核决策树模型。
[0104]
可以理解的是，本申请的决策结果(当前决策结果、历史决策结果、验证决策结果和预设验证结果)可以是通过决策或未通过决策，也可以是以置信度(分值，分值大于种情况)的形式，本发明不做限制。
[0105]
步骤s13：基于所述当前决策结果，获得所述待审核资产的审核结果。
[0106]
需要说明的是，当当前决策结果为通过决策时，基于当前决策结果，获得所述待审核资产审核通过的审核结果；当当前决策结果为未通过决策时，基于当前决策结果，获得所述待审核资产审核不通过的审核结果。
[0107]
另外，当当前决策结果为置信度的形式时，可以设置预设置信度阈值，当当前决策结果的置信度超过预设置信度阈值时，获得所述待审核资产审核通过的审核结果；当前决策结果的置信度未超过预设置信度阈值时，获得所述待审核资产审核不通过的审核结果。
[0108]
具体应用中，当训练预设审核决策树模型时，利用的历史决策结果为置信度(分
值，分值大于种情况)的形式时，对应的当前决策结果、验证决策结果和预设验证结果也为置信度的形式；当当训练预设审核决策树模型时，利用的历史决策结果为二值(通过决策和不通过决策)的形式时，对应的当前决策结果、验证决策结果和预设验证结果也为二值的形式。
[0109]
本发明技术方案提出了一种资产审核方法，通过获取待审核资产的审核数据信息；将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果；基于所述当前决策结果，获得所述待审核资产的审核结果。由于，直接利用预设审核决策树模型对资产数据信息对应中待审核资产的审核数据信息进行决策，获得当前决策结果，并基于决策结果获得待审核资产的审核结果，不需要技术人员基于资产数据信息对资产进行审核，来获得审核结果，所以，利用本发明的资产审核方法，对资产进行审核时，审核速度快，审核效率较高。
[0110]
参照图3，图3为本发明资产审核装置第一实施例的结构框图，所述装置用于终端设备，所述装置包括：
[0111]
获得模块10，用于获取待审核资产的审核数据信息；
[0112]
决策模块20，用于将所述审核数据信息输入训练获得的预设审核决策树模型，获得当前决策结果；
[0113]
获得模块30，用于基于所述当前决策结果，获得所述待审核资产的审核结果。
[0114]
以上所述仅为本发明的可选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。