CN112651555A - 价值预测信息反馈方法及装置 - Google Patents
价值预测信息反馈方法及装置 Download PDFInfo
- Publication number
- CN112651555A CN112651555A CN202011562395.6A CN202011562395A CN112651555A CN 112651555 A CN112651555 A CN 112651555A CN 202011562395 A CN202011562395 A CN 202011562395A CN 112651555 A CN112651555 A CN 112651555A
- Authority
- CN
- China
- Prior art keywords
- information
- event
- emergency
- data asset
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000003058 natural language processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及计算机技术领域,本申请公开一种价值预测信息反馈方法及装置,其中,价值预测信息反馈方法包括:从终端接收用于请求对可变数据资产进行价值预测的预测请求;获取当前时段内的突发事件和用于描述所述突发事件的事件数据;获取用于表示所述可变数据资产对应的业务场景的业务数据;根据所述事件数据与所述业务数据,确定用于表示所述突发事件对所述可变数据资产影响程度的影响参数;调用数据资产分析模型,并通过所述数据资产分析模型对所述影响参数进行处理,获得所述可变数据资产的价值预测信息;向所述终端发送所述价值预测信息。采用本申请可以降低数据处理的复杂程度,提升价值预测信息的反馈效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种价值预测信息反馈方法及装置。
背景技术
随着信息技术的高速发展,各种网络支付和交易也逐渐流行起来,而网络支付和交易与数据资产是紧密联系的,数据资产通常分类为可变数据资产和非可变数据资产,其中,可变数据资产的价值不是固定的,随着市场经济以及时间随时波动,而非可变数据资产的价值则是固定的。
目前,为进行风险预警以及更加有效的促进经济发展,通常需要对可变数据资产的价值进行预测,传统的价值信息预测方法依靠于人工搜集数据,并对搜集的数据进行统计分析进行价值预测,通常会面临着时间跨度长,效率低等问题。
发明内容
基于此,有必要针对上述技术问题,提供一种价值预测信息反馈方法及装置,能够获得用于表示突发事件对可变数据资产影响程度的影响参数,并通过数据资产分析模型对影响参数进行处理,获得可变数据资产的价值预测信息,从而在保证价值预测信息准确性的前提下,降低数据处理的复杂程度,可以提升价值预测信息的反馈效率。
第一方面,本发明实施例提供了一种价值预测信息反馈方法,应用于服务器,包括:
从终端接收用于请求对可变数据资产进行价值预测的预测请求;
响应于所述预测请求,获取当前时段内的突发事件,并提取用于描述所述突发事件的事件数据;
获取用于表示所述可变数据资产对应的业务场景的业务数据;
根据所述事件数据与所述业务数据,确定用于表示所述突发事件对所述可变数据资产影响程度的影响参数;
调用数据资产分析模型,并通过所述数据资产分析模型对所述影响参数进行处理,获得所述可变数据资产的价值预测信息;
向所述终端发送所述价值预测信息。
在一种可能的实现方式中,所述获取当前时段内的突发事件,包括:
获取当前时段内目标网址列表中的网站发布的N篇目标文章,所述N为大于或者等于1的整数;
针对所述N篇目标文章中的每篇目标文章,获取与所述目标文章关联的至少一个参数量,所述至少一个参数量包括对所述目标文章的阅读量、对所述目标文章的转发量或对所述目标文章的评论量中的一种或多种;
根据与所述目标文章关联的至少一个参数量,计算所述目标文章对应的热度;
获取所述N篇目标文章中每篇目标文章对应的热度,并将热度大于第一阈值的M篇目标文章作为M篇候选目标文章,所述M为大于或者等于1的整数且所述M小于或者等于所述N;
利用自然语言处理技术对所述M篇候选目标文章中的每篇候选目标文章进行处理,获得所述M篇候选目标文章中每篇候选目标文章对应的主题事件;
根据所述M篇候选目标文章中每篇候选目标文章对应的主题事件,获得当前时段内的突发事件。
在一种可能的实现方式中,所述根据所述M篇候选目标文章中每篇候选目标文章对应的主题事件,获得当前时段内的突发事件,包括:
获取所述主题事件在所述M篇候选目标文章中的出现概率;
若所述出现概率大于第二阈值,则将所述主题事件确定为当前时段内的突发事件。
在一种可能的实现方式中,所述事件数据包括用于表示所述突发事件的发生位置的位置信息,和/或用于表示所述突发事件所属事件类型的事件类型信息;
所述业务数据包括用于表示所述可变数据资产对应的业务场景所在地域的地域信息,和/或用于表示所述可变数据资产对应的业务场景所属行业类型的行业类型信息。
在一种可能的实现方式中,若所述事件数据包括所述位置信息和所述事件类型信息,所述业务数据包括所述地域信息和所述行业类型信息;
所述根据所述事件数据与所述业务数据,确定用于表示所述突发事件对所述可变数据资产影响程度的影响参数,包括:
根据所述位置信息和所述地域信息,确定第一影响参数,所述第一影响参数用于表示所述突发事件的发生位置与所述可变数据资产对应的业务场景所在地域之间的位置相关度;
根据所述事件类型信息和所述行业类型信息,确定第二影响参数,所述第二影响参数用于表示所述突发事件的事件类型与所述可变数据资产对应的业务场景所属行业类型之间的相关度;
所述调用数据资产分析模型,并通过所述数据资产分析模型对所述影响参数进行处理,获得所述可变数据资产的价值预测信息,包括:
调用数据资产分析模型,并通过所述数据资产分析模型对所述第一影响参数和所述第二影响参数进行处理,获得所述可变数据资产的价值预测信息。
在一种可能的实现方式中,所述根据所述位置信息和所述地域信息,确定第一影响参数,包括:
根据所述位置信息,确定在所述突发事件的发生位置预设范围内的至少一个地理区域;
获取所述至少一个地理区域中每个地理区域对应的权重值,所述权重值用于表示在所述地理区域发生所述突发事件产生的影响大小;
确定所述突发事件的发生位置所属地域;
根据所述地域信息,确定所述可变数据资产对应的业务场景所在地域,并根据所述突发事件的发生位置所属地域与所述可变数据资产对应的业务场景所在地域之间的匹配度,确定第一加权系数;
根据所述至少一个地理区域中每个地理区域对应的权重值和所述第一加权系数,确定第一影响参数。
在一种可能的实现方式中,所述事件数据中还包括所述突发事件的摘要信息;
所述根据所述事件类型信息和所述行业类型信息,确定第二影响参数,包括:
获取与所述事件类型信息和所述行业类型信息对应的至少一个参数信息,所述参数信息包括第二加权系数和事件摘要信息,不同参数信息中的事件摘要信息不同;
获取所述突发事件的摘要信息与所述至少一个参数信息中每个参数信息中包括的事件摘要信息之间的匹配度,并将匹配度最大的参数信息中所包含的第二加权系数确定为第二影响参数。
第二方面,本发明实施例提供一种价值预测信息反馈装置,包括:
接收单元,用于从终端接收用于请求对可变数据资产进行价值预测的预测请求;
第一获取单元,用于响应于所述预测请求,获取当前时段内的突发事件,并提取用于描述所述突发事件的事件数据;
第二获取单元,用于获取用于表示所述可变数据资产对应的业务场景的业务数据;
确定单元,用于根据所述事件数据与所述业务数据,确定用于表示所述突发事件对所述可变数据资产影响程度的影响参数;
预测单元,用于调用数据资产分析模型,并通过所述数据资产分析模型对所述影响参数进行处理,获得所述可变数据资产的价值预测信息;
发送单元,用于向所述终端发送所述价值预测信息。
在一种可能的实现方式中,所述第一获取单元具体用于:
获取当前时段内目标网址列表中的网站发布的N篇目标文章,所述N为大于或者等于1的整数;
针对所述N篇目标文章中的每篇目标文章,获取与所述目标文章关联的至少一个参数量,所述至少一个参数量包括对所述目标文章的阅读量、对所述目标文章的转发量或对所述目标文章的评论量中的一种或多种;
根据与所述目标文章关联的至少一个参数量,计算所述目标文章对应的热度;
获取所述N篇目标文章中每篇目标文章对应的热度,并将热度大于第一阈值的M篇目标文章作为M篇候选目标文章,所述M为大于或者等于1的整数且所述M小于或者等于所述N;
利用自然语言处理技术对所述M篇候选目标文章中的每篇候选目标文章进行处理,获得所述M篇候选目标文章中每篇候选目标文章对应的主题事件;
根据所述M篇候选目标文章中每篇候选目标文章对应的主题事件,获得当前时段内的突发事件。
在一种可能的实现方式中,所述第一获取单元具体用于:
获取所述主题事件在所述M篇候选目标文章中的出现概率;
若所述出现概率大于第二阈值,则将所述主题事件确定为当前时段内的突发事件。
在一种可能的实现方式中,所述事件数据包括用于表示所述突发事件的发生位置的位置信息,和/或用于表示所述突发事件所属事件类型的事件类型信息;
所述业务数据包括用于表示所述可变数据资产对应的业务场景所在地域的地域信息,和/或用于表示所述可变数据资产对应的业务场景所属行业类型的行业类型信息。
在一种可能的实现方式中,若所述事件数据包括所述位置信息和所述事件类型信息,所述业务数据包括所述地域信息和所述行业类型信息;
所述确定单元具体用于:
根据所述位置信息和所述地域信息,确定第一影响参数,所述第一影响参数用于表示所述突发事件的发生位置与所述可变数据资产对应的业务场景所在地域之间的位置相关度;
根据所述事件类型信息和所述行业类型信息,确定第二影响参数,所述第二影响参数用于表示所述突发事件的事件类型与所述可变数据资产对应的业务场景所属行业类型之间的相关度;
所述预测单元具体用于:
调用数据资产分析模型,并通过所述数据资产分析模型对所述第一影响参数和所述第二影响参数进行处理,获得所述可变数据资产的价值预测信息。
在一种可能的实现方式中,所述确定单元具体用于:
根据所述位置信息,确定在所述突发事件的发生位置预设范围内的至少一个地理区域;
获取所述至少一个地理区域中每个地理区域对应的权重值,所述权重值用于表示在所述地理区域发生所述突发事件产生的影响大小;
确定所述突发事件的发生位置所属地域;
根据所述地域信息,确定所述可变数据资产对应的业务场景所在地域,并根据所述突发事件的发生位置所属地域与所述可变数据资产对应的业务场景所在地域之间的匹配度,确定第一加权系数;
根据所述至少一个地理区域中每个地理区域对应的权重值和所述第一加权系数,确定第一影响参数。
在一种可能的实现方式中,所述事件数据中还包括所述突发事件的摘要信息;
所述确定单元具体用于:
所述根据所述事件类型信息和所述行业类型信息,确定第二影响参数,包括:
获取与所述事件类型信息和所述行业类型信息对应的至少一个参数信息,所述参数信息包括第二加权系数和事件摘要信息,不同参数信息中的事件摘要信息不同;
获取所述突发事件的摘要信息与所述至少一个参数信息中每个参数信息中包括的事件摘要信息之间的匹配度,并将匹配度最大的参数信息中所包含的第二加权系数确定为第二影响参数。
第三方面,本发明实施例提供一种价值预测信息反馈装置,所述价值预测信息反馈装置包括处理器、存储器以及通信接口,所述处理器、存储器和通信接口相互连接,其中,所述通信接口用于接收和发送数据,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,执行第一方面所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现上述第一方面所述的方法。
本发明实施例中,通过获取当前时段内的突发事件,以及用于描述该突发事件的事件数据和与可变数据资产对应的业务场景的业务数据,可以确定用于表示突发事件对所述可变数据资产影响程度的影响参数,考虑了突发事件这一因素对可变数据资产的价值的影响,保证了价值预测信息准确性。进一步的,利用数据资产分析模型对影响参数进行处理,获得可变数据资产的价值预测信息,可以降低数据处理的复杂程度,提升价值预测信息的反馈效率。
附图说明
为了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。
图1为本发明实施例提供的一种应用场景示意图;
图2为本发明实施例提供的一种价值预测信息反馈方法的流程图;
图3本发明实施例提供的一种价值预测信息反馈装置的结构示意图;
图4发明实施例提供的另一种价值预测信息反馈装置的结构示意图。
具体实施方式
本发明实施例提供的一种价值预测信息反馈方法,可应用于服务器。
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描述。
请参见图1,为本发明实施例的应用场景示意图,在该场景中包括终端设备100、服务器101。
终端设备100为任何能够安装并运行应用程序的智能电子设备,例如,终端设备100可以是智能手机、平板电脑、笔记本电脑或者台式电脑等。终端设备100可以通过网络与服务器101进行通信,该网络可以是移动运营商网络或者无线局域网等。服务器101是用于支持终端上的应用程序显示可变数据资产价值预测信息的后台服务器,服务器101可以是一台服务器,也可以是若干服务器组成的服务器集群或云计算中心。
其中,用户在终端设备100中安装应用程序后,可以通过应用程序向服务器101发送可变数据资产价值预测请求,以及接收服务器101返回的价值预测信息。应用程序可以为浏览器,也可以为指定的价值预测应用程序。本发明实施例对此不作限制。
其中,服务器101响应于接收到的可变数据资产价值预测请求,获取当前时段内的突发事件及用于描述该突发事件的事件数据,和可变数据资产对应业务场景的业务数据,进而根据这些数据,获得价值预测信息,并向终端设备100发送此价值预测信息。
当然,本发明实施例提供的价值预测信息反馈方法并不限用于图1所示的应用场景中,还可以用于其他可能的应用场景,本发明实施例并不进行限制。
下面将结合附图2,对本发明实施例提供的一种价值预测信息反馈方法进行详细介绍。
请参见图2,为本发明实施例提供了一种价值预测信息反馈方法的流程示意图。如图2所示,本发明实施例的所述价值预测信息反馈方法可以包括以下步骤S201-步骤S206。
S201,从终端接收用于请求对可变数据资产进行价值预测的预测请求。
在本实施例中,可变数据资产可以是股票等数据资产,其价值随时间波动变化。当终端发起对可变数据资产进行价值预测的预测请求后,响应于该请求,采用本实施例提供的价值预测信息反馈方法,可以进行以下的步骤,得到预测信息。
S202,响应于该预测请求,获取当前时段内的突发事件,并提取用于描述该突发事件的事件数据。
在本实施例中,突发事件是指对会对可变数据资产的价值产生影响的特别事件,而不是任意一条新闻中报道的任意一个事件。具体的,获取当前时段内的突发事件,可以包括以下过程:
获取当前时段内目标网址列表中的网站发布的N篇目标文章,该N为大于或者等于1的整数;针对该N篇目标文章中的每篇目标文章,获取与该目标文章关联的至少一个参数量,该至少一个参数量包括对该目标文章的阅读量、对该目标文章的转发量或对该目标文章的评论量中的一种或多种;根据与该目标文章关联的至少一个参数量,计算该目标文章对应的热度;
获取该N篇目标文章中每篇目标文章对应的热度,并将热度大于第一阈值的M篇目标文章作为M篇候选目标文章,该M为大于或者等于1的整数且该M小于或者等于该N;利用自然语言处理技术对该M篇候选目标文章中的每篇候选目标文章进行处理,获得该M篇候选目标文章中每篇候选目标文章对应的主题事件;
根据该M篇候选目标文章中每篇候选目标文章对应的主题事件,获得当前时段内的突发事件。
其中,可以通过网络爬虫技术来爬取目标网址列表中的网站上的目标文章,并对这些目标文章进行处理来获取突发事件。当前时段可以是预先设定的时间段,比如距离当前时刻的一周内,或者两天内。在此设定时间段内发生的突发事件对可变数据资产的价值的影响可能比较大,而超过此时间段的事件的影响可能降低至一定程度,可以不必考虑。可以根据需要来设定具体的时间段。目标网址列表中的网站可以是符合一定条件的新闻网站,比如,可以是知名度较高的新闻门户网站,或者,排名前十的专业新闻网站等,也可以是发布重要通知公告的政府官方网站,本发明实施例对此不进行限制。针对获取到的当前时段内目标网址列表中的网站发布的N篇目标文章中的每篇目标文章,可以根据热度进一步筛选,将热度较高的M篇目标文章挑选出来。其中,衡量新闻热度的参数量有很多种,包括但不限于该目标文章的阅读量、评论量、转发量等等。可以将某一种参数量单独作为衡量的标准,比如,若一篇目标文章的阅读量超过固定预设值A,或者转发量超过固定预设值B,则确定其热度超过第一阈值;也可以结合多种参数量来确定新闻的具体热度,比如,给目标文章的阅读量、评论量、转发量赋予对应的权重x、y、z,计算各参数与对应权重乘积的和,当这个和大于固定预设值C时,即(阅读量*x+评论量*y+转发量*z)>C时,确定此目标文章的热度超过第一阈值。当然,不限于以上两种方法,还可以采用其他可能的方法来挑选出热度超过第一阈值的目标文章,本发明实施例并不进行限制。
获取N篇热度超过第一阈值的M篇候选目标文章后,可以利用自然语言处理技术(Natural Language Processing,NLP),对这M篇候选目标文章进行处理,提取出这些目标文章中每篇目标文章对应的主题事件,进而根据这些主题事件,得到本实施例中当前时段的突发事件。具体的,可以直接将这些主题事件确定为当前时段内的突发事件。可选的,也可以进一步限定,将这些主题事件中满足限定条件的主题事件确定为当前时段内的突发事件。比如,获取该主题事件在该M篇候选目标文章中的出现概率;若该出现概率大于第二阈值,则将该主题事件确定为当前时段内的突发事件。
而获取当前时段内的突发事件时,也可以利用自然语言处理技术,获取该突发事件对应的目标文章中,用于描述该突发事件的事件数据。该事件数据可以包括用于表示该突发事件的发生位置的位置信息,和/或用于表示该突发事件所属事件类型的事件类型信息。
S203,获取用于表示该可变数据资产对应的业务场景的业务数据。
在本实施例中,根据终端发起的预测请求,可以确定需要预测的可变数据资产对象,然后获取该可变数据资产对应的业务场景的业务数据。具体的,如果可变数据资产是股票,需要预测某只股票的价格走向,可以从相关的网站上爬取与该股票对应的数据,比如,从综合股票网站如东方财富网上获取与该股票对应的资料数据。该业务数据可以包括用于表示该可变数据资产对应的业务场景所在地域的地域信息,和/或用于表示该可变数据资产对应的业务场景所属行业类型的行业类型信息。
S204,根据该事件数据与该业务数据,确定用于表示该突发事件对该可变数据资产影响程度的影响参数。
在本实施例中,若该事件数据包括该位置信息和该事件类型信息,该业务数据包括该地域信息和该行业类型信息;那么可以根据该事件数据与该业务数据,确定用于表示该突发事件对该可变数据资产影响程度的影响参数,影响参数包括第一影响参数和第二影响参数。
其中,可以根据该位置信息和该地域信息,确定第一影响参数,该第一影响参数用于表示该突发事件的发生位置与该可变数据资产对应的业务场景所在地域之间的位置相关度;
具体的,确定第一影响参数的过程可以包括:
根据该位置信息,确定在该突发事件的发生位置预设范围内的至少一个地理区域;获取该至少一个地理区域中每个地理区域对应的权重值,该权重值用于表示在该地理区域发生该突发事件产生的影响大小;
确定该突发事件的发生位置所属地域;根据该地域信息,确定该可变数据资产对应的业务场景所在地域,并根据该突发事件的发生位置所属地域与该可变数据资产对应的业务场景所在地域之间的匹配度,确定第一加权系数;
根据该至少一个地理区域中每个地理区域对应的权重值和该第一加权系数,确定第一影响参数。
在这个过程中,可以预先给每个地理区域设置一个相应的权重值,这个权重值反应了在该地理区域发生突发事件产生的影响大小,可以根据该地理区域的特征来设置,比如,根据该地理区域的经济发展水平、人口数量等特征中的一种或多种来设置。而根据实际上获取的当前时段内的突发事件的位置信息,可以确定此突发事件发生时涉及到的至少一个地理区域;而该可变数据资产对应的业务场景所在地域,和突发事件发生位置所在地域之间的匹配度越接近,突发事件对该可变数据资产的价值产生的影响影响越大,因此,可以根据该匹配度确定第一加权系数,再结合突发事件发生时涉及到的至少一个地理区域中每个地理区域对应的权重值,可以确定第一影响参数。
如果可变资产数据为股票,在这个应用场景下,可以介绍确定第一影响参数的具体过程。获取突发事件发生位置的位置信息,当此突发事件发生的位置属于在国内,并且涉及到的地理区域包括3个城市city1、city2和city3,获取这3个城市对应的权重值wcity1、wcity2和wcity3。而该股票对应的业务场景所在地域也在国内,那么可以将第一加权系数的值确定为u。(可选的,在另一种情况下,该股票对应的业务场景所在地域在国外,那么可以将第一加权系数的值确定为v,并且v<u。)这样,可以将第一影响参数表示为w,那么:
w=(wcity1+wcity2+wcity3)×u
以上为根据该位置信息和该地域信息,确定第一影响参数的一种方法,不限于以上方法,还可以采用其他可能的方法来确定第一影响参数,本发明实施例并不进行限制。
而除了第一影响参数,还可以根据该事件类型信息和该行业类型信息,确定第二影响参数,该第二影响参数用于表示该突发事件的事件类型与该可变数据资产对应的业务场景所属行业类型之间的相关度;
具体的,确定第二影响参数的过程可以包括:获取的突发事件的事件数据中还包括该突发事件的摘要信息;
获取与该事件类型信息和该行业类型信息对应的至少一个参数信息,该参数信息包括第二加权系数和事件摘要信息,不同参数信息中的事件摘要信息不同;
获取该突发事件的摘要信息与该至少一个参数信息中每个参数信息中包括的事件摘要信息之间的匹配度,并将匹配度最大的参数信息中所包含的第二加权系数确定为第二影响参数。
在这个过程中,服务器中可以预先存储将事件类型和行业类型对应关联的关联表,此关联表格中反应了不同类型的事件和不同类型的行业之间的关系。具体的,事件的类型可以包括政治类、军事类、公共安全类、公共卫生类、经济类等类型,而行业类型可以包括申万行业分类中的各种行业类型,比如医药生物、轻工制造、商业贸易等。申万行业分类是一种面向投资、管理的行业分类标准,主要考虑上市公司产品和服务的关联性。不限于申万行业分类,可以利用其他行业分类标准来划分行业类型。
如表1所示,表中的内容展现了事件类型与行业类型的对应关系,其中,事件摘要信息可以表示为事件描述,行业类型可以表示为股票类型,而第二加权系数和正负反馈对应,当反馈为正反馈时,第二加权系数为正值,当反馈为负反馈时,第二加权系数为负值。第二加权系数的值的大小可以是固定的,也可以根据实际突发事件产生的影响大小而变化。
当可变数据资产为股票,在此应用场景下,下面可以介绍利用表1来确定第二影响参数的具体过程。当接收到对某股票的价值预测请求时,获取了当前时段内的突发事件的事件类型信息和该股票对应的业务类型信息,并且还获取了该突发事件的事件摘要信息,可以先根据该事件类型信息找到此事件类型和股票类型的对应关系,其中,仅根据事件类型和股票类型不一定能够唯一确定反馈结果,事件类型可能对应至少一条事件描述,根据此事件描述的不同,对应相同的股票类型而产生的反馈可能也不同。然后,将实际获取的突发事件的事件摘要信息和表中的至少一条事件描述进行匹配,获得匹配度最大时对应的反馈结果,根据此反馈结果确定第二加权系数的值,并把此时的第二加权系数确定为第二影响参数g。
事件类型 | 事件描述 | 股票类型 | 正负反馈 |
公共卫生 | 突发高传播疫情 | 交通运输 | 负 |
政治 | 中美冲突 | 轻工制造 | 负 |
军事 | 海南军演 | 军工 | 正 |
表1
不限于以上方法,还可以采用其他可能的方法来确定第二影响参数,本发明实施例并不进行限制。
S205,调用数据资产分析模型,并通过该数据资产分析模型对该影响参数进行处理,获得该可变数据资产的价值预测信息。
在本实施例中,根据获取的事件数据和业务数据,可以得到第一影响参数和第二影响参数。然后可以调用数据资产分析模型,通过该模型对第一影响参数和第二影响参数进行处理,来获得该可变数据资产的价值预测信息。
其中,当可变数据资产为股票时,该数据资产分析模型可以利用公式来获得可变数据资产的价值预测信息。此公式为
f(x,y)=g(y)×[w(y)×t3-t×Sin(t×π)]×x+x
其中x是待预测股票的当前价格,w(y)是第一影响参数,g(y)是第二影响参数,反应对股票的正向或负向影响,t是相对变化时间,可以以天数为单位,f(x,y)为待预测股票的未来价格。此公式反应的是,相对于事件发生的第一天来说,股票的预测价格走势。根据股票的当前价格、对应的业务数据和突发事件的事件数据以及此公式,可以获取股票的价格预测信息。
可选的,该数据资产分析模型也可以是根据历史统计数据和分析结果得到的其他模型,本发明实施例对此不作限制。
S206,向该终端发送该价值预测信息。
获得该可变数据资产的价值预测信息后,可以向终端发送该价值预测信息,使终端呈现该价值预测信息。其中,价值预测信息可以通过多种形式呈现,如曲线图、柱状图以及图表等形式。
本发明实施例中,通过利用数据资产分析模型对影响参数进行处理,获得可变数据资产的价值预测信息,从而在保证价值预测信息准确性的前提下,降低数据处理的复杂程度,可以提升价值预测信息的反馈效率。
请参见图3为本发明实施例提供了一种价值预测信息反馈装置的结构示意图。如图3示,本发明实施例的所述价值预测信息反馈装置可以包括:
接收单元10,用于从终端接收用于请求对可变数据资产进行价值预测的预测请求;
第一获取单元11,用于响应于该预测请求,获取当前时段内的突发事件,并提取用于描述该突发事件的事件数据;
第二获取单元12,用于获取用于表示该可变数据资产对应的业务场景的业务数据;
确定单元13,用于根据该事件数据与该业务数据,确定用于表示该突发事件对该可变数据资产影响程度的影响参数;
预测单元14,用于调用数据资产分析模型,并通过该数据资产分析模型对该影响参数进行处理,获得该可变数据资产的价值预测信息;
发送单元15,用于向该终端发送该价值预测信息。
在一种可能的实现方式中,该第一获取单元11具体用于:
获取当前时段内目标网址列表中的网站发布的N篇目标文章,该N为大于或者等于1的整数;
针对该N篇目标文章中的每篇目标文章,获取与该目标文章关联的至少一个参数量,该至少一个参数量包括对该目标文章的阅读量、对该目标文章的转发量或对该目标文章的评论量中的一种或多种;
根据与该目标文章关联的至少一个参数量,计算该目标文章对应的热度;
获取该N篇目标文章中每篇目标文章对应的热度,并将热度大于第一阈值的M篇目标文章作为M篇候选目标文章,该M为大于或者等于1的整数且该M小于或者等于该N;
利用自然语言处理技术对该M篇候选目标文章中的每篇候选目标文章进行处理,获得该M篇候选目标文章中每篇候选目标文章对应的主题事件;
根据该M篇候选目标文章中每篇候选目标文章对应的主题事件,获得当前时段内的突发事件。
在一种可能的实现方式中,该第一获取单元11具体用于:
获取该主题事件在该M篇候选目标文章中的出现概率;
若该出现概率大于第二阈值,则将该主题事件确定为当前时段内的突发事件。
在一种可能的实现方式中,该事件数据包括用于表示该突发事件的发生位置的位置信息,和/或用于表示该突发事件所属事件类型的事件类型信息;
该业务数据包括用于表示该可变数据资产对应的业务场景所在地域的地域信息,和/或用于表示该可变数据资产对应的业务场景所属行业类型的行业类型信息。
在一种可能的实现方式中,若该事件数据包括该位置信息和该事件类型信息,该业务数据包括该地域信息和该行业类型信息;
该确定单元13具体用于:
根据该位置信息和该地域信息,确定第一影响参数,该第一影响参数用于表示该突发事件的发生位置与该可变数据资产对应的业务场景所在地域之间的位置相关度;
根据该事件类型信息和该行业类型信息,确定第二影响参数,该第二影响参数用于表示该突发事件的事件类型与该可变数据资产对应的业务场景所属行业类型之间的相关度;
该预测单元14具体用于:
调用数据资产分析模型,并通过该数据资产分析模型对该第一影响参数和该第二影响参数进行处理,获得该可变数据资产的价值预测信息。
在一种可能的实现方式中,该确定单元13具体用于:
根据该位置信息,确定在该突发事件的发生位置预设范围内的至少一个地理区域;
获取该至少一个地理区域中每个地理区域对应的权重值,该权重值用于表示在该地理区域发生该突发事件产生的影响大小;
确定该突发事件的发生位置所属地域;
根据该地域信息,确定该可变数据资产对应的业务场景所在地域,并根据该突发事件的发生位置所属地域与该可变数据资产对应的业务场景所在地域之间的匹配度,确定第一加权系数;
根据该至少一个地理区域中每个地理区域对应的权重值和该第一加权系数,确定第一影响参数。
在一种可能的实现方式中,该事件数据中还包括该突发事件的摘要信息;
该确定单元13具体用于:
该根据该事件类型信息和该行业类型信息,确定第二影响参数,包括:
获取与该事件类型信息和该行业类型信息对应的至少一个参数信息,该参数信息包括第二加权系数和事件摘要信息,不同参数信息中的事件摘要信息不同;
获取该突发事件的摘要信息与该至少一个参数信息中每个参数信息中包括的事件摘要信息之间的匹配度,并将匹配度最大的参数信息中所包含的第二加权系数确定为第二影响参数。
本发明实施例中,通过利用数据资产分析模型对影响参数进行处理,获得可变数据资产的价值预测信息,从而在保证价值预测信息准确性的前提下,降低数据处理的复杂程度,可以提升价值预测信息的反馈效率。
请参照图4为本发明实施例提供的另一种价值预测信息反馈装置的结构示意图,如图4示,所述价值预测信息反馈装置1000可以包括:至少一个处理器1001,例如CPU,至少一个通信接口1003,存储器1004,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。通信接口1003可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器1004可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4示,作为一种计算机存储介质的存储器1004中可以包括操作***、网络通信模块以及程序指令。
在图4示的价值预测信息反馈装置1000中,处理器1001可以用于加载存储器1004中存储的程序指令,并具体执行以下操作:
从终端接收用于请求对可变数据资产进行价值预测的预测请求;
响应于该预测请求,获取当前时段内的突发事件,并提取用于描述该突发事件的事件数据;
获取用于表示该可变数据资产对应的业务场景的业务数据;
根据该事件数据与该业务数据,确定用于表示该突发事件对该可变数据资产影响程度的影响参数;
调用数据资产分析模型,并通过该数据资产分析模型对该影响参数进行处理,获得该可变数据资产的价值预测信息;
向该终端发送该价值预测信息。
需要说明的是,具体执行过程可以参见图2所示方法实施例的具体说明,在此不进行赘述。
具体执行步骤可以参见前述实施例的描述,此处不在赘述。
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质可以存储有多条指令,所述指令适于由处理器加载并执行如上述图2所示实施例的方法步骤,具体执行过程可以参见图2所示实施例的具体说明,在此不进行赘述。
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计算机可读取存储介质中,该程序在执行时,包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、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。
Claims (10)
1.一种价值预测信息反馈方法,其特征在于,所述方法应用于服务器,所述方法包括:
从终端接收用于请求对可变数据资产进行价值预测的预测请求;
响应于所述预测请求,获取当前时段内的突发事件,并提取用于描述所述突发事件的事件数据;
获取用于表示所述可变数据资产对应的业务场景的业务数据;
根据所述事件数据与所述业务数据,确定用于表示所述突发事件对所述可变数据资产影响程度的影响参数;
调用数据资产分析模型,并通过所述数据资产分析模型对所述影响参数进行处理,获得所述可变数据资产的价值预测信息;
向所述终端发送所述价值预测信息。
2.如权利要求1所述的方法,其特征在于,所述获取当前时段内的突发事件,包括:
获取当前时段内目标网址列表中的网站发布的N篇目标文章,所述N为大于或者等于1的整数;
针对所述N篇目标文章中的每篇目标文章,获取与所述目标文章关联的至少一个参数量,所述至少一个参数量包括对所述目标文章的阅读量、对所述目标文章的转发量或对所述目标文章的评论量中的一种或多种;
根据与所述目标文章关联的至少一个参数量,计算所述目标文章对应的热度;
获取所述N篇目标文章中每篇目标文章对应的热度,并将热度大于第一阈值的M篇目标文章作为M篇候选目标文章,所述M为大于或者等于1的整数且所述M小于或者等于所述N;
利用自然语言处理技术对所述M篇候选目标文章中的每篇候选目标文章进行处理,获得所述M篇候选目标文章中每篇候选目标文章对应的主题事件;
根据所述M篇候选目标文章中每篇候选目标文章对应的主题事件,获得当前时段内的突发事件。
3.如权利要求2所述的方法,其特征在于,所述根据所述M篇候选目标文章中每篇候选目标文章对应的主题事件,获得当前时段内的突发事件,包括:
获取所述主题事件在所述M篇候选目标文章中的出现概率;
若所述出现概率大于第二阈值,则将所述主题事件确定为当前时段内的突发事件。
4.如权利要求1至3任一项所述的方法,其特征在于,所述事件数据包括用于表示所述突发事件的发生位置的位置信息,和/或用于表示所述突发事件所属事件类型的事件类型信息;
所述业务数据包括用于表示所述可变数据资产对应的业务场景所在地域的地域信息,和/或用于表示所述可变数据资产对应的业务场景所属行业类型的行业类型信息。
5.如权利要求4所述的方法,其特征在于,若所述事件数据包括所述位置信息和所述事件类型信息,所述业务数据包括所述地域信息和所述行业类型信息;
所述根据所述事件数据与所述业务数据,确定用于表示所述突发事件对所述可变数据资产影响程度的影响参数,包括:
根据所述位置信息和所述地域信息,确定第一影响参数,所述第一影响参数用于表示所述突发事件的发生位置与所述可变数据资产对应的业务场景所在地域之间的位置相关度;
根据所述事件类型信息和所述行业类型信息,确定第二影响参数,所述第二影响参数用于表示所述突发事件的事件类型与所述可变数据资产对应的业务场景所属行业类型之间的相关度;
所述调用数据资产分析模型,并通过所述数据资产分析模型对所述影响参数进行处理,获得所述可变数据资产的价值预测信息,包括:
调用数据资产分析模型,并通过所述数据资产分析模型对所述第一影响参数和所述第二影响参数进行处理,获得所述可变数据资产的价值预测信息。
6.如权利要求5所述的方法,其特征在于,所述根据所述位置信息和所述地域信息,确定第一影响参数,包括:
根据所述位置信息,确定在所述突发事件的发生位置预设范围内的至少一个地理区域;
获取所述至少一个地理区域中每个地理区域对应的权重值,所述权重值用于表示在所述地理区域发生所述突发事件产生的影响大小;
确定所述突发事件的发生位置所属地域;
根据所述地域信息,确定所述可变数据资产对应的业务场景所在地域,并根据所述突发事件的发生位置所属地域与所述可变数据资产对应的业务场景所在地域之间的匹配度,确定第一加权系数;
根据所述至少一个地理区域中每个地理区域对应的权重值和所述第一加权系数,确定第一影响参数。
7.如权利要求5所述的方法,其特征在于,所述事件数据中还包括所述突发事件的摘要信息;
所述根据所述事件类型信息和所述行业类型信息,确定第二影响参数,包括:
获取与所述事件类型信息和所述行业类型信息对应的至少一个参数信息,所述参数信息包括第二加权系数和事件摘要信息,不同参数信息中的事件摘要信息不同;
获取所述突发事件的摘要信息与所述至少一个参数信息中每个参数信息中包括的事件摘要信息之间的匹配度,并将匹配度最大的参数信息中所包含的第二加权系数确定为第二影响参数。
8.一种价值预测信息反馈装置,其特征在于,包括:
接收单元,用于从终端接收用于请求对可变数据资产进行价值预测的预测请求;
第一获取单元,用于响应于所述预测请求,获取当前时段内的突发事件,并提取用于描述所述突发事件的事件数据;
第二获取单元,用于获取用于表示所述可变数据资产对应的业务场景的业务数据;
确定单元,用于根据所述事件数据与所述业务数据,确定用于表示所述突发事件对所述可变数据资产影响程度的影响参数;
预测单元,用于调用数据资产分析模型,并通过所述数据资产分析模型对所述影响参数进行处理,获得所述可变数据资产的价值预测信息;
发送单元,用于向所述终端发送所述价值预测信息。
9.一种价值预测信息反馈装置,其特征在于,包括处理器、存储器以及通信接口,所述处理器、存储器和通信接口相互连接,其中,所述通信接口用于接收和发送数据,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562395.6A CN112651555B (zh) | 2020-12-25 | 2020-12-25 | 价值预测信息反馈方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562395.6A CN112651555B (zh) | 2020-12-25 | 2020-12-25 | 价值预测信息反馈方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651555A true CN112651555A (zh) | 2021-04-13 |
CN112651555B CN112651555B (zh) | 2024-07-23 |
Family
ID=75363016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011562395.6A Active CN112651555B (zh) | 2020-12-25 | 2020-12-25 | 价值预测信息反馈方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651555B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104581779A (zh) * | 2014-12-11 | 2015-04-29 | 华为技术有限公司 | 一种业务处理方法以及装置 |
CN108733782A (zh) * | 2018-05-08 | 2018-11-02 | 平安科技(深圳)有限公司 | 资产走势分析的方法、装置、计算机设备和存储介质 |
CN110378515A (zh) * | 2019-06-14 | 2019-10-25 | 平安科技(深圳)有限公司 | 一种突发事件的预测方法、装置、存储介质和服务器 |
CN111639183A (zh) * | 2020-05-19 | 2020-09-08 | 民生科技有限责任公司 | 一种基于深度学习算法的金融同业舆情分析方法及*** |
-
2020
- 2020-12-25 CN CN202011562395.6A patent/CN112651555B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104581779A (zh) * | 2014-12-11 | 2015-04-29 | 华为技术有限公司 | 一种业务处理方法以及装置 |
CN108733782A (zh) * | 2018-05-08 | 2018-11-02 | 平安科技(深圳)有限公司 | 资产走势分析的方法、装置、计算机设备和存储介质 |
CN110378515A (zh) * | 2019-06-14 | 2019-10-25 | 平安科技(深圳)有限公司 | 一种突发事件的预测方法、装置、存储介质和服务器 |
CN111639183A (zh) * | 2020-05-19 | 2020-09-08 | 民生科技有限责任公司 | 一种基于深度学习算法的金融同业舆情分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112651555B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993085B (zh) | 模型训练方法、基于模型的用户行为预测方法及装置 | |
CN109492772B (zh) | 生成信息的方法和装置 | |
CN105488163A (zh) | 信息推送方法和装置 | |
CN111626767A (zh) | 资源数据的发放方法、装置及设备 | |
CN111026853A (zh) | 目标问题的确定方法、装置、服务器和客服机器人 | |
CN115238815A (zh) | 异常交易数据获取方法、装置、设备、介质和程序产品 | |
CA3169417A1 (en) | Method of and system for appraising risk | |
CN111951008A (zh) | 一种风险预测方法、装置、电子设备和可读存储介质 | |
CN110544165B (zh) | 一种信用风险评分卡创建方法、装置及电子设备 | |
CN116452243A (zh) | 一种基于大数据的企业订单预测方法、***及介质 | |
CN110796505B (zh) | 一种业务对象推荐方法以及装置 | |
CN112651555B (zh) | 价值预测信息反馈方法及装置 | |
CN115619142A (zh) | 匹配数据的方法、装置、设备和计算机可读介质 | |
CN112532692B (zh) | 一种信息推送方法及装置、存储介质 | |
CN114219664A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN112434083A (zh) | 一种基于大数据的事件处理方法和装置 | |
WO2021025671A1 (en) | Real-time geo-intelligent aggregation engine | |
CN116795987A (zh) | 交易报文处理方法及装置、电子设备和存储介质 | |
CN117993953A (zh) | 一种工程建设费用计算的方法、***、设备及存储介质 | |
CN117593090A (zh) | 基于多任务学习的图结构预测模型训练方法和相关装置 | |
CN118279059A (zh) | 数据推送方法、装置和设备 | |
CN116911913A (zh) | 一种交互结果的预测方法及装置 | |
CN117853247A (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 | |
CN116933861A (zh) | 一种基于强化学习的模型优化方法、装置、设备及介质 | |
CN113554460A (zh) | 一种***的识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |