(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 202211151072.7 (22)申请日 2022.09.21 (71)申请人 建信金融科技有限责任公司 地址 200120 上海市浦东 新区(上海)自由 贸易试验区银城路9 9号12层、 15层 (72)发明人 罗琳玲　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 贺迎辉 (51)Int.Cl. G06F 11/36(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种预警方法、 装置、 设备及 介质 (57)摘要 本申请涉及趋势预测技术领域， 尤其涉及一 种预警方法、 装置、 设备及介质， 在本申请实施例 中， 获取待预警的目标项目的研发信息， 其中研 发信息中包括研发过程的基础数据和过程数据； 根据基础数据， 确定第一特征向量； 根据过程数 据， 确定第二特征向量； 将第一特征向量和第二 特征向量输入到训练完成的模型中， 获取该模型 输出的该目标项目的下一次研发的风险概率。 由 于电子设备基于目标项目的研发信息， 生成第一 特征向量和第二特征向量， 并根据第一特征向量 和第二特征向量对下一次研发过程中是否会发 生风险进行 预测， 提高了预测的效率和准确度。 权利要求书3页 说明书14页 附图3页 CN 115525550 A 2022.12.27 CN 115525550 A 1.一种预警方法， 其特 征在于， 所述方法包括： 获取待预警的目标项目的研发信 息， 其中所述研发信 息中包括研发过程的基础数据和 过程数据， 其中所述基础数据至少包括 团队规模和开发语言， 所述过程数据至少包括研发 过程中的缺陷密度、 迭代完成率、 缺陷平均修复时长、 构建成功率； 根据所述基础数据、 预先保存的每个子基础数据对应的第 一数值以及每个第 一数值在 第一特征向量中对应的第一 位置， 确定第一特 征向量； 根据所述过程数据， 预先保存的每个子过程数据对应的第 二数值以及每个第 二数值在 第二特征向量中对应的第二 位置， 确定第二特 征向量； 将所述第一特征向量和第 二特征向量输入到训练完成的模型中， 获取所述模型输出的 所述目标项目的下一次研发的风险概 率。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述基础数据、 预先保存的每个 子基础数据对应的第一数值以及每个第一数值在第一特征向量中对应的第一位置， 确定第 一特征向量包括： 确定所述基础数据中包 含的每个目标子基础数据； 针对每个目标子基础数据， 根据预先保存的每个子基础数据对应的第一数值， 确定该 目标子基础数据对应的目标第一数值； 根据预先保存的每个子基础数据在第一特征向量中 对应的第一位置， 确定该目标子基础数据对应的目标第一位置； 将所述 目标第一数值写入 到所述目标第一 位置。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述过程数据， 预先保存的每个 子过程数据对应的第二数值以及第二 位置， 确定第二特 征向量包括： 确定所述过程数据中包 含的每个目标子过程数据； 针对每个目标子过程数据， 根据预先保存的每个子过程数据对应的第二数值， 确定该 目标子过程数据对应的目标第二数值； 根据预先保存的每个子过程数据在第二特征向量中 对应的第二位置， 确定该目标子过程数据对应的目标第二位置； 将所述 目标第二数值写入 到所述目标第二 位置。 4.根据权利要求1所述的方法， 其特征在于， 所述获取待预警的目标项目的研发信 息包 括： 获取保存的所述目标项目的每 个迭代过程对应的候选研发信息； 将最新一次迭代对应的候选研发信息确定为所述目标项目的研发信息 。 5.根据权利要求1所述的方法， 其特征在于， 所述获取待预警的目标项目的研发信 息包 括： 获取保存的所述目标项目的每 个迭代过程对应的候选研发信息； 将距离当前时间最近的预设数量次迭代对应的每个候选研发信息分别确定为所述研 发信息； 将所述第一特征向量和第二特征向量输入到训练完成的模型中之前， 所述方法还包 括： 根据每个研发信 息对应的每个第 一特征向量， 计算每个第 一位置对应的第 一数值的第 一均值， 确定所述每个第一特征向量对应的第一均值向量， 并将所述第一均值向量确定为 输入到所述模型中的第一特 征向量；权　利　要　求　书 1/3 页 2 CN 115525550 A 2根据每个研发信 息对应的每个第 二特征向量， 计算每个第 二位置对应的第 二数值的第 二均值， 确定所述每个第二特征向量对应的第二均值向量， 并将所述第二均值向量确定为 输入到所述模型中的第二特 征向量。 6.根据权利要求1所述的方法， 其特 征在于， 所述模型为宽度和深度W ide&Deep模型； 将所述第一特 征向量和第二特 征向量输入到训练完成的模型中包括： 将所述第一特 征向量输入到所述 Wide&Deep模型的W ide子模型中； 将所述第一特征向量和所述第 二特征向量按照预设的顺序进行拼接， 得到第 三特征向 量， 并将所述第三特 征向量输入到所述 Wide&Deep模型的De ep子模型中。 7.一种预警装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待预警的目标项目的研发信息， 其中所述研发信息中包括研发过 程的基础数据和过程数据， 其中所述基础数据至少包括 团队规模和开发语言， 所述过程数 据至少包括研发过程中的缺陷密度、 迭代完成率、 缺陷平均修复时长、 构建成功率； 处理模块， 用于根据所述基础数据、 预先保存的每个子基础数据对应的第一数值以及 每个第一数值在第一特征向量中对应的第一位置， 确定第一特征向量； 根据所述过程数据， 预先保存的每个子过程数据对应的第二数值以及每个第二数值在第二特征向量中对应的 第二位置， 确定第二特 征向量； 预测模块， 用于将所述第一特征向量和第二特征向量输入到训练完成的模型中， 获取 所述模型输出的所述目标项目的下一次研发的风险概 率。 8.根据权利要求7所述的装置， 其特征在于， 所述处理模块， 具体用于确定所述基础数 据中包含的每个目标子基础数据； 针对每个目标子基础数据， 根据预先保存的每个子基础 数据对应的第一数值， 确定该目标子基础数据对应的目标第一数值； 根据预先保存的每个 子基础数据在第一特征向量中对应的第一位置， 确定该目标子基础数据对应的目标第一位 置； 将所述目标第一数值写入到所述目标第一 位置。 9.根据权利要求7所述的装置， 其特征在于， 所述处理模块， 具体用于确定所述过程数 据中包含的每个目标子过程数据； 针对每个目标子过程数据， 根据预先保存的每个子过程 数据对应的第二数值， 确定该目标子过程数据对应的目标第二数值； 根据预先保存的每个 子过程数据在第二特征向量中对应的第二位置， 确定该目标子过程数据对应的目标第二位 置； 将所述目标第二数值写入到所述目标第二 位置。 10.根据权利要求7所述的装置， 其特征在于， 所述获取模块， 具体用于获取保存的所述 目标项目的每个迭代过程对应的候选研发信息； 将最新一次迭代对应的候选研发信息确定 为所述目标项目的研发信息 。 11.根据权利要求7所述的装置， 其特征在于， 所述获取模块， 具体用于获取保存的所述 目标项目的每个迭代过程对应的候选研发信息； 将距离 当前时间最近的预设数量次迭代对 应的每个候选研发信息分别确定为所述研发信息； 所述处理模块， 还用于根据每个研发信息对应的每个第一特征向量， 计算每个第一位 置对应的第一数值的第一均值， 确定所述每个第一特征向量对应的第一均值向量， 并将所 述第一均值向量确定为输入到所述模型中的第一特征向量； 根据每个研发信息对应的每个 第二特征向量， 计算每个第二位置对应的第二数值的第二均值， 确定所述每个第二特征向 量对应的第二均值向量， 并将所述第二均值向量确定为输入到所述模型中的第二特征向权　利　要　求　书 2/3 页 3 CN 115525550 A 3