(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 202210553645.2 (22)申请日 2022.05.19 (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 杨罡　 (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 刘新月 (51)Int.Cl. G06F 16/33(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 50/26(2012.01) (54)发明名称 一种土地资源值确定方法、 装置、 电子设备 及存储介质 (57)摘要 本申请提供一种土地资源值确定方法、 装 置、 电子设备及存储介质， 涉及土地数据分析技 术领域。 其中， 土地资源值确定方法包括： 获取多 个维度的土地特征数据， 将多个维度的土地特征 数据输入已训练的词向量模型， 得到词向量特征 矩阵， 将词向量特征矩阵输入到已训练的编解码 模型中， 得到土地资源值分析结果。 对多个维度 的土地特征进行分析， 得到的土地资源值分析结 果相较于现有技术中仅能对某些单一的土地特 征进行分析更具有说服力， 并且通过已训练的词 向量模型和已训练的编解码模型对数据进行自 动的， 智能化处理， 相比于现有技术中通过人为 的对土地资源值进行计算， 本申请可以快速、 准 确且科学的得到 土地资源值分析 结果。 权利要求书3页 说明书11页 附图7页 CN 114817480 A 2022.07.29 CN 114817480 A 1.一种土地资源值确定方法， 其特 征在于， 所述方法包括： 获取多个维度的土地特征数据； 所述多个维度的土地特征数据与土地资源值存在 关联 关系； 将所述多个维度的土地特 征数据输入已训练的词向量模型， 得到词向量特 征矩阵； 将所述词向量特 征矩阵输入到已训练的编解码模型中， 得到 土地资源值分析 结果。 2.根据权利要求1所述的方法， 其特征在于， 所述多个维度的土地特征数据包括土地面 积、 土地所属地区的气候、 地形、 土地种植作物的类型和作物种植密度。 3.根据权利要求1或2所述的方法， 其特征在于， 所述词向量模型包括输入层、 汇总嵌入 层以及输出层； 所述将所述多个维度的土地特征数据输入已训练的词向量模型， 得到词向 量特征矩阵， 包括： 将所述多个维度的土地特征数据输入所述输入层， 通过所述输入层对所述多个维度的 土地特征数据进行 特征提取， 得到多个土地特 征向量； 将所述多个土地特 征向量输入所述汇总嵌入层进行 特征拼接， 得到特 征拼接矩阵； 将所述特 征拼接矩阵输入所述输出层进行归一 化处理， 得到所述词向量特 征矩阵。 4.根据权利要求1或2所述的方法， 其特征在于， 所述编解码模型包括编码器和解码器； 所述将所述词向量特征矩阵输入到已训练的编解码模型中， 得到土地资源值分析结果， 包 括： 将所述词向量特 征矩阵输入所述编码器， 得到词向量编码结果； 将所述词向量编码结果输入所述解码器， 通过所述解码器对所述词向量编码结果进行 解码， 得到所述土地资源值分析 结果。 5.根据权利要求4所述的方法， 其特征在于， 所述编码器包括多个编码层； 所述将所述 词向量特 征矩阵输入到所述编码器中， 得到词向量编码结果， 包括： 基于多个编码层对所述词向量特征矩阵进行编码处理， 得到多个编码结果； 其中， 每个 编码层输出一个编码结果； 所述编码器中的第一编码层的输入为所述词向量编码结果， 除 所述第一编码层以外的每 个编码层的输入为各自对应的上一编码层输出的编码结果； 将所述编码器中最后一个编码层输出的编码结果作为词向量编码结果。 6.根据权利要求4所述的方法， 其特征在于， 所述解码器包括多个解码层； 所述将所述 词向量编码结果输入所述解码器， 通过所述解码器对所述词向量编码结果进行解码， 得到 所述土地资源值分析 结果， 包括： 基于多个解码层多所述词向量编码结果进行解码， 得到多个解码结果； 其中， 每个解码 层输出一个解码结果； 所述解码器中的第一解码层的输入为所述词向量编码结果， 除所述 第一解码层以外的每个解码层的输入为各自对应的上一解码层输出的解码结果以及所述 词向量编码结果； 将所述解码器中最后一个解码层输出的解码结果作为土地资源值分析 结果。 7.根据权利要求1所述的方法， 其特 征在于， 所述词向量模型的训练过程， 包括： 获取第一文本数据训练集和特征矩阵标签； 所述第 一文本数据训练集包括多个维度的 土地特征训练样本； 所述特征矩阵标签为表征所述多个维度的土地特征训练样本对应的语 义信息的特 征矩阵； 基于所述第 一文本数据训练集以及所述特征矩阵标签， 对所述词向量模型进行迭代训权　利　要　求　书 1/3 页 2 CN 114817480 A 2练； 其中， 一次迭代训练过程包括： 从所述第一文本数据训练集中抽取多个土地特征训练样本， 输入所述词向量模型中， 确定训练特 征矩阵； 基于所述训练特 征矩阵和所述特 征矩阵标签， 确定词向量损失值； 根据所述词向量损 失值， 调整所述词向量模型的网络参数， 直至所述词向量损 失值满 足第一预设值， 得到已训练的词向量模型。 8.根据权利要求1所述的方法， 其特 征在于， 所述编解码模型的训练过程， 包括： 获取第二文本数据训练集和土地资源值标签数据； 所述第 二文本数据训练集包括多个 词向量样本特征矩阵； 所述土地资源值标签数据为表征所述多个词向量样本特征矩阵与土 地资源值之间关联关系的数据； 基于所述第 二文本数据训练集和所述土地资源值标签数据， 对所述编解码模型进行迭 代训练； 其中， 一次迭代训练过程包括： 从所述第二文本数据训练集中抽取多个词向量样本特征矩阵， 输入所述编解码模型 中， 得到土地资源值训练结果； 基于所述土地资源值训练结果和所述土地资源值标签数据， 确定编解码损失值； 根据所述编解码损 失值， 调整所述编解码模型的网络参数， 直至所述编解码损 失值满 足第二预设值， 得到已训练的编解码模型。 9.一种土地资源值确定装置， 其特 征在于， 所述装置包括： 获取单元， 用于获取多个维度的土地特征数据； 所述多个维度的土地特征数据与土地 资源值存在关联关系； 确定单元， 用于将所述多个维度的土地特征数据输入已训练的词向量模型， 得到词向 量特征矩阵； 编解码单元， 用于将所述词向量特征矩阵输入到已训练的编解码模型中， 得到土地资 源值分析 结果。 10.根据权利要求9所述的装置， 其特 征在于， 所述确定单 元， 还用于： 将所述多个维度的土地特征数据输入所述输入层， 通过所述输入层对所述多个维度的 土地特征数据进行 特征提取， 得到多个土地特 征向量； 将所述多个土地特 征向量输入所述汇总嵌入层进行 特征拼接， 得到特 征拼接矩阵； 将所述特 征拼接矩阵输入所述输出层进行归一 化处理， 得到所述词向量特 征矩阵。 11.根据权利要求9所述的装置， 其特 征在于， 所述编解码单 元， 还用于： 将所述词向量特 征矩阵输入所述编码器， 得到词向量编码结果； 将所述词向量编码结果输入所述解码器， 通过所述解码器对所述词向量编码结果进行 解码， 得到所述土地资源值分析 结果。 12.根据权利要求9所述的装置， 其特 征在于， 所述装置还 包括： 第一训练单元， 用于获取第一文本数据训练集和特征矩阵标签； 所述第一文本数据训 练集包括多个维度的土地特征训练样本； 所述特征矩阵标签为表征所述多个维度的土地特 征训练样本对应的语义信息的特 征矩阵； 基于所述第 一文本数据训练集以及所述特征矩阵标签， 对所述词向量模型进行迭代训 练； 其中， 一次迭代训练过程包括：权　利　要　求　书 2/3 页 3 CN 114817480 A 3