基于型评系统的评价方法、装置、设备及介质与流程

1.本发明涉及检验评价技术领域，尤其涉及一种基于型评系统的评价方法、装置计算机设备及计算机存储介质。


背景技术：

2.检验检测工作主要包括型式检验、监督检验、委托检验，传统的型式评价工作，由于操作的不规范性，工作流程的复杂性，致使其工作方式一直停留在较为原始的人工流转、手工出证的状态。这种工作方式造成了工作效率低下、任务超期严重、责任划分不明等一系列问题。如何提供信息化的检验工作的型式评价方法，是亟待解决的问题。


技术实现要素：

3.基于此，有必要针对上述问题，提出了一种基于型评系统的评价方法、装置计算机设备及计算机存储介质。
4.在本发明中，提供了一种基于型评系统的评价方法，所述方法包括：
5.获取用户通过型评系统输入的待评价数据，所述待评价数据为待评价用户的待评价计量设备是否符合计量标准的检验数据，所述待评价数据包含多条数据；
6.按照预设的数据格式对每条待评价数据进行筛选，以确定每条待评价数据是否符合与每条待评价数据对应的格式要求；
7.在待评价数据符合格式要求的情况下，对待评价数据进行分组；
8.分别对每个数据组，提取每个数据组内的待评价数据对应的至少一条特征数据；
9.确定每一个数据组对应的标准数据以及每一个数据组对应的第一权重系数，在每一个数据组下，计算标准数据与特征数据之间的匹配度，所述匹配度用于标识特征数据是否符合标准数据的要求；根据匹配度确定每个数据组对应的评价子分值；
10.根据每一个数据组对应的第一权重系数和评价子分值，计算与待评价数据对应的第一评价分值；
11.获取专家通过所述型评系统输入的第二评价分值；
12.根据待评价用户和所述专家，确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值；输出与目标评价分值对应的评价结果。
13.可选的，所述方法还包括：
14.获取型评系统中待评价数据对应的待评价用户的历史评价数据，根据历史评价数据确定与待评价用户对应的置信度；
15.根据置信度确定每一个数据组对应的标准数据的要求，其中，不同置信度可以对应不同的标准数据的要求；
16.所述在每一个数据组下，计算标准数据与特征数据之间的匹配度，所述匹配度用于标识特征数据是否符合标准数据的要求，根据匹配度确定每个数据组对应的评价子分值的步骤，还包括：
17.根据置信度确定的不同的标准数据的要求，确定特征数据是否满足标准数据的要求，并确定匹配度。
18.可选的，所述对待评价数据进行分组的步骤，还包括：
19.对待评价数据进行第一分组处理，以得到多个第一数据组，所述第一分组处理得到的多个第一数据组中的待评价数据不重叠；
20.使用第一数据处理算法，根据重要值对每一个第一数据组中的待评价数据进行第一筛选操作；
21.对进行第一筛选之后的第一数据组中的待评价数据进行第二分组处理，以得到每个第一数据组下的多个第二数据组，所述第二分组处理得到的多个第二数据组中的待评价数据之间可以存在重叠；
22.根据数据特征值对所述第二数据组中的待评价数据进行第二筛选操作。
23.可选的，所述对进行第一筛选之后的第一数据组中的待评价数据进行第二分组处理，以得到每个第一数据组下的多个第二数据组的步骤，还包括：
24.对进行第一筛选之后的第一数据组的多条待评价数据进行组合操作，组合操作得到的每一个组合数据包含有一条或多条待评价数据；
25.针对第一数据组下的组合数据进行第二分组处理，以得到多个第二数据组；
26.所述根据数据特征值对所述第二数据组中的待评价数据进行第二筛选操作的步骤，还包括：
27.分别计算每一个组合数据对应的组合特征作为数据特征值，根据数据特征值对第二数据组中的组合数据进行第二筛选操作。
28.可选的，所述在每一个数据组下，计算标准数据与特征数据之间的匹配度的步骤，还包括：
29.对每一个组合特征进行预测分析，得到与组合特征对应的预测值；根据组合特征和预测值计算预测残差值；
30.计算预测残差值对应的负熵，根据计算得到的负熵计算组合特征对应的贡献值；
31.计算标准数据和组合数据之间的相似度，根据组合特征的贡献值和相似度计算标准数据与特征数据之间的匹配度。
32.可选的，所述第一评价分值和第二评价分值均包括多个评价子分值；
33.确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值的步骤，还包括：
34.对第一评价分值包含的多个评价子分值进行交叉融合处理，以得到交叉融合处理之后的第一目标分值；
35.对第二评价分值包含的多个评价子分值进行交叉融合处理，以得到交叉融合处理之后的第二目标分值；
36.根据第二权重系数对第一目标分值和第二目标分值进行交叉融合处理，以得到所述目标评价分值。
37.可选的，所述根据每一个数据组对应的第一权重系数和评价子分值，计算与待评价数据对应的第一评价分值的步骤，还包括：
38.构建每一个数据组对应的评价子模型，根据第一权重系数和预设的叠加算法，对
每一个数据数据组对应的子模型进行叠加处理，构建第一评价模型；
39.基于第一评价模型，以每个数据组对应的评价子分值为输入，获取所述第一评价分值；
40.所述获取专家通过所述型评系统输入的第二评价分值的步骤，还包括：
41.根据预设的第二评价模型，计算第二评价分值；
42.所述根据待评价用户和所述专家，确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值的步骤，还包括：
43.根据预设的叠加算法，基于第二权重系数，对第一评价模型和第二评价模型进行叠加处理，构建目标评价模型；
44.以第一评价分值和第二评价分值为输入，根据目标评价模型计算所述目标评价分值。
45.在本发明中，提供了一种基于型评系统的评价装置，所述装置包括：
46.数据输入模块，用于获取用户通过型评系统输入的待评价数据，所述待评价数据为待评价用户的待评价计量设备是否符合计量标准的检验数据，所述待评价数据包含多条数据；
47.数据初筛模块，用于按照预设的数据格式对每条待评价数据进行筛选，以确定每条待评价数据是否符合与每条待评价数据对应的格式要求；
48.数据分组模块，用于在待评价数据符合格式要求的情况下，对待评价数据进行分组；
49.特征提取模块，用于分别对每个数据组，提取每个数据组内的待评价数据对应的至少一条特征数据；
50.第一评价分值计算模块，用于确定每一个数据组对应的标准数据以及每一个数据组对应的第一权重系数，在每一个数据组下，计算标准数据与特征数据之间的匹配度，所述匹配度用于标识特征数据是否符合标准数据的要求；根据匹配度确定每个数据组对应的评价子分值；根据每一个数据组对应的第一权重系数和评价子分值，计算与待评价数据对应的第一评价分值；
51.第二评价分值计算模块，用于获取专家通过所述型评系统输入的第二评价分值；
52.第三评价分值计算模块，用于根据待评价用户和所述专家，确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值；输出与目标评价分值对应的评价结果。
53.在本发明中，提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如前所述的基于型评系统的评价方法。
54.在本发明中，提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如前所述的基于型评系统的评价方法。
55.采用本发明实施例，具有如下有益效果：
56.采用了上述基于型评系统的评价方法、装置计算机设备及计算机存储介质，获取用户通过型评系统输入的待评价数据，所述待评价数据为待评价用户的待评价计量设备是否符合计量标准的检验数据，所述待评价数据包含多条数据；按照预设的数据格式对每条
待评价数据进行筛选，以确定每条待评价数据是否符合与每条待评价数据对应的格式要求；在待评价数据符合格式要求的情况下，对待评价数据进行分组；分别对每个数据组，提取每个数据组内的待评价数据对应的至少一条特征数据；确定每一个数据组对应的标准数据以及每一个数据组对应的第一权重系数，在每一个数据组下，计算标准数据与特征数据之间的匹配度，所述匹配度用于标识特征数据是否符合标准数据的要求；根据匹配度确定每个数据组对应的评价子分值；根据每一个数据组对应的第一权重系数和评价子分值，计算与待评价数据对应的第一评价分值；获取专家通过所述型评系统输入的第二评价分值；根据待评价用户和所述专家，确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值；输出与目标评价分值对应的评价结果。也就是说，采用本发明提供的基于型评系统的评价方法、装置计算机设备及计算机存储介质之后，对于待评价数据进行筛选、分组、特征提取以及评价分值的计算，可以全面的、准确的计算待评价数据对应的评价分值，提高型评系统评价的准确性。并且，可以综合考虑系统自动评价和专家人工评价的全面性，进一步的提高型评系统评价的准确性。
附图说明
57.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获得其他的附图。
58.其中：
59.图1为一个实施例中一种基于型评系统的评价方法的流程示意图；
60.图2为一个实施例中一种基于型评系统的评价装置的结构示意图；
61.图3为一个实施例中运行上述基于型评系统的评价方法的计算机设备的结构示意图。
具体实施方式
62.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。
63.在本实施例中，提供了一型评系统，该型评系统可以对计量设备是否符合检验要求进行评价。其中，用户通过该型评系统提交数据(待评价数据)，然后基于该型评系统自动以及专家手动对计量设备是否符合检验要求进行评价，并且，在提交的待评价数据的评价合格之后通知用户提交待评价的计量设备的样本，然后对样本进行进一步的检验，从而完成对计量设备的型式评价。
64.进一步的，在本实施例中，提供了一种基于上述型评系统的评价方法，该方法可以实现对用户提交的待评价数据是否符合检验要求进行评价，输出评价结果。
65.具体的，请参见图1，给出了上述基于型评系统的评价方法的流程示意图。其中，该基于型评系统的评价方法包括如图1所示的步骤s101-s108。
66.步骤s101：获取用户通过型评系统输入的待评价数据，所述待评价数据为待评价用户的待评价计量设备是否符合计量标准的检验数据，所述待评价数据包含多条数据。
67.用户通过型评系统，提交待评价的计量设备的资料，以通过型评系统对计量设备进行是否符合检验要求进行评价。其中，用户提交型评系统的待评价数据，是根据型评系统中资料提交的要求，分别提交每一项的数据，这里的数据既可以是包括型评系统定义的多个属性项的格式数据，也可以通过提交附件提交的附件等，所以，这里的待评价数据包括了多条待评价数据。
68.步骤s102：按照预设的数据格式对每条待评价数据进行筛选，以确定每条待评价数据是否符合与每条待评价数据对应的格式要求。
69.虽然用户输入了多条待评价数据，但是并不是每一条待评价数据都可以进入到下一步的评价流程，这里首先需要对每一条待评价数据进行筛选，以确定进入到下一步的评价流程的待评价数据，并且在部分必须的待评价数据缺失或者有问题的情况下，需要提醒用户重新提交待评价数据。
70.具体的，每一条待评价数据都有对应的数据格式要求，这个数据格式要求是型评系统定义的，在用户输入待评价数据时，根据型评系统定义的数据格式要求，对每一条待评价数据进行筛选，以确定每一条型评系统是否满足对应的数据格式要求。
71.满足要求的情况下，执行步骤s103；若不满足要求，则退回给用户重新提交待评价数据。
72.步骤s103：在待评价数据符合格式要求的情况下，对待评价数据进行分组。
73.在对待评价数据进行评价时，首先需要对待评价数据进行分组，然后基于分组后的数据进行评价，以提高对待评价数据进行评价的有效性和准确性。
74.在一个具体的实施例中，根据预设的分组要求，对多条待评价数据进行分组，以得到多个数据组对应的待评价数据，其中，每一个数据组中包含了至少一条待评价数据，且每个数据组中包含的多条待评价数据之间至少存在某个相同的特性或相似度。
75.进一步的，对如何进行分组进行详细的阐述。
76.首先，对多条待评价数据进行第一分组处理，以得到多个第一数据组，其中，不同第一数据组中的待评价数据不重叠。这里，第一分组处理是对待评价数据的初步分组处理，以将待评价数据分成多个大的分组，然后，针对大的分组下的数据分别进行进一步的细化的处理。
77.然后，针对每个第一数据组下的数据，进行进一步的筛选处理。其中，是根据第一数据处理算法，根据重要值值对每一个第一数据组中的待评价数据进行第一筛选操作；例如，这里可以是根据gradient boosting tree算法，计算每一个待评价数据的重要值，然后，对每一个第一数据组中的多条数据进行第一筛选操作。其中，可以是基于随机样本，来计算每一条待评价数据对应的重要值，然后，根据计算得到的重要值是否大于等于预设的重要值阈值来进行第一筛选操作。
78.对进行第一筛选之后的第一数据组中的待评价数据进行第二分组处理，这里的第二分组处理是进一步的细分组处理，相对于第一分组处理更精细，可以对待评价数据进行更精细的特征分组，从而可以得到每个第一数据组下的多个第二数据组，也就是说，第二数据组是分别针对每一个第一数据组内的待评价数据进行进一步的分组得到的，并不会跨多
个第一数据组进行处理。其中，第二分组处理得到的多个第二数据组中的待评价数据之间可以存在重叠。需要说明的是，在步骤中，第二分组处理时，会针对每一个第一数据组中的待评价数据进行组合，组合之后的组合数据可以是包含一个或多个待评价数据，然后，针对组合数据进行分组处理，这里的第二分组处理是根据组合特征中是否包含某一个特性来进行分组，以获取具备有同一特征的组合特征，也就是说，通过第二分组处理得到的第二数据组中，每一个第二数据组包含有多个根据待评价数据得到的组合数据。
79.然后，针对得到的所有的组合数据进行第二筛选操作，其中，第二筛选操作是通过计算每一个组合数据对应的数据特征值进行的，其中，将组合数据输入预设的筛选模型(其中，该模型为神经网络模型)，然后获取对应的数据特征值，再根据数据特征值是否满足预设的特征值筛选条件来确定第二筛选操作中筛选的组合数据。
80.在一个具体的实施例中，组合数据的组合特征的提取，可以是首先提取组合数据中的多个待评价数据对应的特征，然后对提取到的特征进行交叉融合处理。在一个具体的例子中，组合数据包括a1、a2、a3的情况下，其对应提取到的特征为b1、b2、b3，则组合特征b为：
81.b＝contact(f1(b1，b2，b3)，f2(b1，b2，b3)，f3(b1，b2，b3))，
82.其中，contact为融合函数，例如拼接函数，加法函数等，f1、f2、f3为预设的特征交叉融合算法，并且，在一个实施例中，特征交叉融合算法可以不限于以上所述的f1、f2、f3等3个交叉融合算法，还可以包含更少或更多个交叉融合算法。
83.需要说明的是，这里进行的第二筛选操作，可以是根据gradient boosting tree算法，计算每一个组合数据的重要值，然后，对每一个组合数据进行第二筛选操作。其中，可以是基于随机样本，来计算每一条组合数据对应的重要值，然后，根据计算得到的重要值是否大于等于预设的重要值阈值来进行第二筛选操作。
84.步骤s104：分别对每个数据组，提取每个数据组内的待评价数据对应的至少一条特征数据。
85.在对待评价数据进行分组之后，即可进一步的进行评价处理操作。
86.这里，需要针对每一个数据组(这里的数据组可以包括第一数据组和第二数据组)，进一步的提取对应的特征数据，然后基于提取到的特征数据进行进一步的评价处理操作。
87.其中，针对每一条待评价数据，按照预设的特征提取算法，提取待评价数据的特征数据。这里，特征提取算法可以是针对每一个数据组定义的特征提取算法，每一个数据组对应的特征提取算法都是不同的，以准确的提取每一个待评价数据对应的特征数据。
88.进一步的，在是第二数据组的情况下，每一个组合数据对应的特征数据，可以是前述提取到的组合特征(即为前述数据特征值)。
89.步骤s105：确定每一个数据组对应的标准数据以及每一个数据组对应的第一权重系数，在每一个数据组下，计算标准数据与特征数据之间的匹配度，所述匹配度用于标识特征数据是否符合标准数据的要求；根据匹配度确定每个数据组对应的评价子分值。
90.在本实施例中，不同的数据组中的数据对结果的评价所带来的贡献程度不同，对评价结果是否合格的影响程度不同，因此，对于每一个数据组，配置有不同的权重系数(第一权重系数)，这个第一权重系数用于标识不同数据组中的数据对评价结果的影响程度。
91.进一步的，不同的用户还可以对应不同的标准数据的要求，例如，对于不同系统、不同类型、不同历史数据的用户，其对应的标准数据的要求不同；这里所指的标准数据不同并非标准数据不同，而是对应的要求不同，例如，标准数据对应的置信度不同。具体的，获取型评系统中待评价数据对应的待评价用户的历史评价数据，根据历史评价数据确定与待评价用户对应的置信度；然后根据置信度确定每一个数据组对应的标准数据的要求，其中，不同置信度可以对应不同的标准数据的要求。在计算确定置信度之后，即可进一步的计算每一个数据组下，标准数据与特征数据之间的匹配度，这里的匹配度用于标识特征数据是否符合标准数据的要求；也就是说，这个匹配度也是跟置信度相关的，即根据置信度确定的不同的标准数据的要求，确定特征数据是否满足标准数据的要求，并确定匹配度。也就是说，对于不同用户来讲，其对应的匹配度的计算也是不同的。其中，其匹配度计算的公式是一致的，但是可以进一步的根据置信度对计算得到的匹配度进行校正，以得到与用户匹配的最终的匹配度。
92.进一步的，在确定匹配度之后，即可根据匹配度确定每个数据组对应的评价子分值，评价子分值就是相应的数据组里面的数据是否符合标准数据的要求对应的打分，即为型评系统对应的要求得到的分值。
93.在一个具体的实施例中，对于每一个组合特征进行预测分析，得到与组合特征对应的预测值；这里的预测值指的是特征提取或结果评价对应的预测值，然后根据组合特征和预测值计算预测残差值，预测残差值标识的是组合特征与预测值之间的损失值。然后根据预设的熵函数，计算预测残差值对应的负熵，并且进一步的根据根据计算得到的负熵计算组合特征对应的贡献值；这里的贡献值指的是组合特征对结果的影响程度。
94.计算标准数据和组合数据之间的相似度，根据组合特征的贡献值和相似度计算标准数据与特征数据之间的匹配度。这里，贡献值可以对相似度进行校正，以得到最终的匹配度。
95.步骤s106：根据每一个数据组对应的第一权重系数和评价子分值，计算与待评价数据对应的第一评价分值。
96.不同数据组对应的第一权重系数不同，基于不同的数据组对应的第一权重系数，以及对应计算得到的评价子分值，可以进一步的根据预设的公式，计算待评价数据对应的第一评价分值。其中，第一评价分值是型评系统根据用户输入的待评价数据自动计算的评价分值，用户评估用户输入的待评价数据是否符合相应的要求。
97.在本实施例中，只有第一评价分值满足预设的第一评价阈值的情况下，才进入到后面的其他的评价流程。这是为了通过系统对型式评价进行一定的筛选，降低后面流程的人工成本，以提高效率。例如，判断第一评价分值是否大于或等于预设的第一评价阈值，若是，则说明当前提交的待评价数据是符合型评系统的要求的，可以进行后续的评价流程；若否，则说明当前提交的待评价数据就已经不符合型评系统的要求，直接退回给用户重新进行提交。
98.步骤s107：获取专家通过所述型评系统输入的第二评价分值。
99.进一步的，不仅需要型评系统自动计算相应的待评价数据是否符合相应的要求，为了保证评价的准确性，还需要专家进行介入，以给出相应的第二评价分值。在一个具体的实施例中，第二评价分值可以是专家对待评价数据进行评价得出的第二评价分值；在一个
具体的实施例中，第二评价分值还可以是专家对待评价数据对应的待评价计量设备进行进一步的测试给出的第二评价分值，以从另一个角度进行更全面的评价。
100.在一个具体的实施例中，第二评价分值的获取是根据对待评价计量设备进行样本评价得到的评价分值。也就是说，在所述第一评价分值满足预设的第一评价阈值时，启动待评价计量设备对应的样机评价流程，其中，样机评价流程包含至少一个评价子流程，每一个评价子流程对应有一个评价子实验室，由该实验室对待评价计量设备的样机进行测试，给出相应的试验数据，然后根据试验数据对该样机是否符合该评价子流程的要求进行评价。
101.在每一个评价子流程中，为了准确的对应样机的设备信息，需要通过与型评系统连接的扫描装置，来对设置在待评价计量设备上的信息(例如，二维码)进行扫描，以获取该待评价计量设备的样机的设备信息，以使得试验数据能准确的对应到待评价计量设备。
102.在每一个评价子流程中，获取相应的评价子实验室给出的试验数据，所述试验数据为评价子实验室对待评价计量设备进行试验给出的数据；根据所述试验数据确定该评价子流程对应的评价子分值。
103.在每一个评价子流程下，相应的评价子实验室的工作人员在收到待评价计量设备的样机之后，需要按照相应的流程和标准，对待评价计量设备的样机进行测试，并将相应的数据输入到型评系统中，作为该评价子流程下的试验数据。然后即可根据相应的试验数据来确定待评价计量设备是否通过该评价子流程下的评价。
104.需要说明的是，在本实施例中，在获取到试验数据之后，首先需要对试验数据是否满足预设的要求进行判断，若不满足，则说明待评价计量设备可能没有通过相应的评价子流程；在这种情况下，需要触发人工检查流程，以对待评价计量设备是否通过该评价子流程进行判断，具体的，人工对对试验数据是否满足预设的要求进行判断，确定人工判断结果并输入到型评系统中，如果人工判断结果为不满足，则说明该评价子流程不通过，并将该评价子流程对应的评价子分值设置为0；若人工判断结果为满足，则说明当前评价子流程可以进入到下一个流程继续进行进一步的是否通过评价的判断，具体执行所述根据所述试验数据确定该评价子流程对应的评价子分值的步骤。
105.根据试验数据需要进一步的确定待评价计量设备在该评价子流程下的评价子分值，其可以是通过一神经网络模型获取的。
106.在其他实施例中，待评价计量设备在该评价子流程下的评价子分值还可以是通过如下过程计算得到的。
107.首先，将所述试验数据分为第一试验数据和第二试验数据；其中，第一试验数据为基本数据，例如，设备的基本信息，第二试验数据为对待评价计量设备进行测试的测试数据。然后，获取所述第一实验数据的向量特征，所述向量特征包含多尺度下的多个特征，特征的数量为n，多个尺度是根据相应的评价子流程来确定的。然后，获取所述向量特征的第一特征子集，例如，对其中重复的数据进行筛选，或者按照预设的规律从中获取部分特征来作为第一特征子集，可以减少后续数据处理的数据量，降低计算量。并且，这里可以通过筛选的标准来保证第一特征子集的全面性，以保证数据处理的准确性。然后，对向量特征包含的多个特征进行融合，以获取融合之后的第一特征。
108.具体实施中，将向量特征输入预设的特征融合模型，所述特征融合模型的层数与所述向量特征包含的特征数量相同；在第i层，将第i个特征与其他特征进行融合处理，其
中，融合处理是根据与第i个特征对应的系数来进行的，i＝1,...,n，n为特征融合模型的层数；对每一层得到的融合特征根据系数进行拼接处理，以得到第一特征。其中，在第i层，将第i个特征作为主特征，主特征的权重是根据第i个特征计算得到的系数，然后，根据该确定的系数确定其他特征的权重，然后根据确定的权重对n个特征进行融合处理，以分别得到每一层的融合特征。
109.然后，对于每一层的融合特征，需要进一步的进行拼接处理，这里的拼接处理不是简单的拼接处理，而是根据每一层的主特征对应的系数来进行拼接处理的，系数值越大，相应的融合特征在拼接之后的第一特征中所在的比重更高。
110.对于第二试验数据，需要按照预设的变换方法，提取所述第二试验数据的时域特征和频域特征。为了避免过高的数据处理量，这里需要按照预设的采样间隔，对所述获取到的时域特征和频域特征进行采样，获取第二特征子集。其中，采样间隔可以是根据第二试验数据得到的，将第二试验数据输入到预设的采样间隔模型中，获取对应的采样间隔，其中，采样间隔可以是根据第二试验数据的数据完整性、数据量、数据连续性等参数来确定的，从而可以保证采样之后的数据能尽可能全面的表征第二试验数据的特性。
111.然后，因为第一特征表示了待评价计量设备的基本信息以及试验数据中的部分基本信息，在这里，对于第二特征子集的处理，是需要对第一特征进行处理的。具体的，根据第一特征对第二特征自己进行特征处理，以得到第二特征。其中，这里的特征处理，可以是根据第一特征确定第二特征子集中的至少2个关键特征，然后对确定的关键特征进行融合处理，以得到第二特征；以得到更能表征第二试验数据的特征。
112.进一步的，根据预设的评价分值计算方法，计算第一特征的评价分值和第二特征的评价分值，并计算该评价子流程对应的评价子分值。其中，第一特征的评价分值和第二特征的评价分值的计算可以通过预设的评价分值计算模型来计算的，其中，该模型可以是一深度学习模型，也可以是其他任意的模型，在这里不进行限定。进一步的，通过第一特征的评价分值和第二特征的评价分值来确定最终的评价子分值。
113.不同的评价子流程对最终结果的影响程度不同，因此，每一个评价子流程都对应有一个权重系数(第一权重系数)，这个权重系数是确定的，是跟评价子流程在整个评价流程中的重要性来确定的。然后，对于每一个评价子流程，如果有某一个评价子流程对应的评价子分值过低，则其在整个评价流程中的占比需要增加，以避免某一个评价子流程的结果不好被其他结果所隐藏。具体的，根据评价子分值对第一权重系数进行校正，其中，在评价子分值过低的情况下(例如，评价子分值低于预设值的情况下)，确定评价子分值对应的校正函数或校正系数，然后基于该校正函数和校正系数对第一权重系数进行校正，校正之后的第一权重系数大于校正之前的第一权重系数。
114.具体的，在一个实施例中，若所述评价子分值小于预设值，则确定与评价子分值对应的校正函数，其中，评价子分值的分值与校正函数对应；根据校正函数对第一权重系数进行校正，得到校正之后的第一权重系数；其中，校正之后的第一权重系数大于校正之前的第一权重系数。
115.在得到每一个评价子流程的评价子分值之后，即可计算对应的第二评价分值，其中，根据校正之后的第一权重系数，和每一个评价子流程对应的评价子分值，根据预设的第二评价分值计算函数，计算第二评价分值。
116.步骤s108：确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值；输出与目标评价分值对应的评价结果。
117.型评系统得到的第一评价分值和专家给出的第二评价分值，分别对应有对最终的目标评价分值对应的贡献值，从而对应有对应的第二权重系数。然后，根据该确定的第二权重系数和第一评价分值、第二评价分值，按照预设的计算公式，计算对应的目标评价分值并输出。
118.进一步的，在一个实施例中，第一评价分值和第二评价分值均包括多个评价子分值；在进行目标评价分值的计算过程中，需要进一步的对第一评价分值包含的多个评价子分值进行交叉融合处理，以得到交叉融合处理之后的第一目标分值；并且，对第二评价分值包含的多个评价子分值进行交叉融合处理，以得到交叉融合处理之后的第二目标分值。然后根据第二权重系数对第一目标分值和第二目标分值进行交叉融合处理，以得到所述目标评价分值。
119.在另一个实施例中，各个评价分值的计算还可以是基于预设的模型进行计算的，并且与前述的计算过程不冲突，只是其实现过程可以是基于模型实现的。
120.具体的，在计算第一评价分值时，首先针对每一个数据组，构建每一个数据组对应的评价子模型，用于输出每一个数据组对应的评价子分值；然后，根据第一权重系数和预设的叠加算法，对每一个数据数据组对应的子模型进行叠加处理，构建第一评价模型；并基于第一评价模型，以每个数据组对应的评价子分值为输入，获取所述第一评价分值。并且，第二评价分值也可以是基于预设的第二评价模型获取的。
121.进一步的，在计算目标评价分值时，根据预设的叠加算法，基于第二权重系数，对第一评价模型和第二评价模型进行叠加处理，构建目标评价模型；以第一评价分值和第二评价分值为输入，根据目标评价模型计算所述目标评价分值。
122.在另一个实施例中，还提供了一种基于型评系统的评价装置，如图2所述，所述基于型评系统的评价装置包括：
123.数据输入模块101，用于获取用户通过型评系统输入的待评价数据，所述待评价数据为待评价用户的待评价计量设备是否符合计量标准的检验数据，所述待评价数据包含多条数据；
124.数据初筛模块102，用于按照预设的数据格式对每条待评价数据进行筛选，以确定每条待评价数据是否符合与每条待评价数据对应的格式要求；
125.数据分组模块103，用于在待评价数据符合格式要求的情况下，对待评价数据进行分组；
126.特征提取模块104，用于分别对每个数据组，提取每个数据组内的待评价数据对应的至少一条特征数据；
127.第一评价分值计算模块105，用于确定每一个数据组对应的标准数据以及每一个数据组对应的第一权重系数，在每一个数据组下，计算标准数据与特征数据之间的匹配度，所述匹配度用于标识特征数据是否符合标准数据的要求；根据匹配度确定每个数据组对应的评价子分值；根据每一个数据组对应的第一权重系数和评价子分值，计算与待评价数据对应的第一评价分值；
128.第二评价分值计算模块106，用于获取专家通过所述型评系统输入的第二评价分
值；
129.第三评价分值计算模块107，用于根据待评价用户和所述专家，确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值；输出与目标评价分值对应的评价结果。
130.采用了上述基于型评系统的评价方法、装置计算机设备及计算机存储介质，获取用户通过型评系统输入的待评价数据，所述待评价数据为待评价用户的待评价计量设备是否符合计量标准的检验数据，所述待评价数据包含多条数据；按照预设的数据格式对每条待评价数据进行筛选，以确定每条待评价数据是否符合与每条待评价数据对应的格式要求；在待评价数据符合格式要求的情况下，对待评价数据进行分组；分别对每个数据组，提取每个数据组内的待评价数据对应的至少一条特征数据；确定每一个数据组对应的标准数据以及每一个数据组对应的第一权重系数，在每一个数据组下，计算标准数据与特征数据之间的匹配度，所述匹配度用于标识特征数据是否符合标准数据的要求；根据匹配度确定每个数据组对应的评价子分值；根据每一个数据组对应的第一权重系数和评价子分值，计算与待评价数据对应的第一评价分值；获取专家通过所述型评系统输入的第二评价分值；根据待评价用户和所述专家，确定第二权重系数，根据第二权重系数和第一评价分值、第二评价分值，计算目标评价分值；输出与目标评价分值对应的评价结果。也就是说，采用本发明提供的基于型评系统的评价方法、装置计算机设备及计算机存储介质之后，对于待评价数据进行筛选、分组、特征提取以及评价分值的计算，可以全面的、准确的计算待评价数据对应的评价分值，提高型评系统评价的准确性。并且，可以综合考虑系统自动评价和专家人工评价的全面性，进一步的提高型评系统评价的准确性。
131.图3示出了一个实施例中实现上述基于型评系统的评价方法的计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图3所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述方法。本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
132.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，所述的程序可存储于一非易失性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，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
133.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
134.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。请输入具体实施内容部分。