CN110309234B - 一种基于知识图谱的客户持仓预警方法、装置及存储介质 - Google Patents
一种基于知识图谱的客户持仓预警方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110309234B CN110309234B CN201910514255.2A CN201910514255A CN110309234B CN 110309234 B CN110309234 B CN 110309234B CN 201910514255 A CN201910514255 A CN 201910514255A CN 110309234 B CN110309234 B CN 110309234B
- Authority
- CN
- China
- Prior art keywords
- stock
- information
- mark
- early warning
- evaluated
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的客户持仓预警方法、装置和存储介质,所述方法包括:获取资信息对资讯信息的事件主体,焦点实体进行提取,确定第一股票标的,然后根据预先构建的知识图谱检索与第一股票有关联的其他股票标的,从而将资讯与其他股票标的联系起来,然后计算第一股票标的与每一相关股票标的,的关系类型和关系度数、资讯的多空倾向分数、读取客户的仓位,根据这些数据进行评分,当分数超过预设阈值时,向客户发送预警数据;通过实施本发明的实施例,能够在资讯直接影响主体不是客户直接持有的股票标的,但如果资讯直接影响的主体是与客户持有的股票标的有联系的其他股票标的,也可以实现预警,使得预警更加的全面。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于知识图谱的客户持仓预警方法、装置及存储介质。
背景技术
现有的客户持仓标的预警技术,基于自然语言处理对资讯多空情感倾向进行分析,针对资讯影响的股票标的,结合客户股票持仓数据,若资讯负面影响较大且客户持有该股票仓位较高,则将资讯推送给该客户,以达到风险预警的目的。
但是现有的客户持仓预警技术,无法判断与客户持仓股票标的有关联关系的其他股票,从而无法进行相关预警。例如某一企业的供应商有负面资讯影响,则可能影响该企业经营业绩,但根据现有技术,无法将该资讯推送给持有该企业股票的客户,导致预警提示不够全面。
发明内容
本发明实施例提供一种基于知识图谱的客户持仓预警方法、装置及存储介质,能在客户持仓股票或与该持仓股票有关联关系的股票,产生负面消息时,将资讯推送到客户进行相关预警,达到更全面的风险提示的效果。
本发明实施例提供一种基于知识图谱的客户持仓预警方法,包括:
获取资讯信息,并提取所述资讯信息的资讯类型、资讯标题、资讯内容及资讯焦点实体;
根据所述资讯标题和资讯内容,对所述资讯信息进行多空倾向分析,获得资讯多空倾向分数;
根据所述资讯焦点实体,确定与所述资讯焦点实体对应的股票标的,作为第一股票标的;继而根据预设的知识图谱检索与所述第一股票标的相关联的其他股票标的,获得若干相关股票标的,并确定所述第一股票标的与每一所述相关股票标的,的关系类型和关系度数;
获取客户持有的若干待评估股票标的,的股票仓位;其中,所述待评估股票标的为所述第一股票标的或所述相关股票标的;
根据所述资讯类型、多空倾向分数、所述待评估股票标的与所述第一股票标的,的关系类型、关系度数和所述股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,并在所述评价分数超过预设阈值时,向所述客户发送预警数据。
进一步的,所述根据所述资讯类型、多空倾向分数、所述待评估股票标的与所述第一股票标的,的关系类型、关系度数和股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,具体为:
为所述待评估股票标的的关系类型、所述第一股票标的的资讯类型设置权重,继而通过以下公式计算所述待评估股票标的,的评价分数:
评价分数 =多空倾向分数 * ( 关系类型权重/关系度数 * 资讯类型的权重 ) *股票仓位。
进一步的,所述资讯类型包括:新闻、公告和研究报告。
进一步的,所述关系类型包括:债权人、担保人、股东、客户和供应商。
进一步的,所述预警数据包括:资讯ID,资讯标题,资讯摘要,资讯URL,资讯发布时间,所述资讯多空倾向分数,所述第一股票标的,所述相关股票标的以及每一所述相关股票标的与第一股票标的间的关系类型。
在上述方法项实施例的基础上,对应提供了装置项实施例,本发明一实施例提供了一种基于知识图谱的客户持仓预警装置,包括资讯信息获取模块、资讯多空分析模块、股票标的获取模块、客户仓位获取模块以及评分预警模块;
其中,所述资讯信息获取模块,用于获取资讯信息,并提取所述资讯信息的资讯类型、资讯标题、资讯内容及资讯焦点实体;
所述资讯多空分析模块,用于根据所述资讯标题和资讯内容,对所述资讯信息进行多空倾向分析,获得资讯多空倾向分数;
所述股票标的获取模块,用于根据所述资讯焦点实体,确定与所述资讯焦点实体对应的股票标的,作为第一股票标的;继而根据预设的知识图谱检索与所述第一股票标的相关联的其他股票标的,获得若干相关股票标的,并确定所述第一股票标的与每一所述相关股票标的,的关系类型和关系度数;
所述客户仓位获取模块,用于客户持有的若干待评估股票标的,的股票仓位;其中,所述待评估股票标的为所述第一股票标的或所述相关股票标的;
所述评分预警模块,用于根据所述每一待评估股票标的,的资讯类型、多空倾向分数、关系类型、关系度数和股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,并在所述评价分数超过预设阈值时,向所述客户发送预警数据。
在上述方法项实施例的基础上,对应提供了另一装置项实施例,包括处理器,存储器以及存储在所述存储器中并由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求本发明任意一项方法项实施例提供的基于知识图谱的客户持仓预警方法。
在上述方法项实施例的基础上,对应提供了一存储介质项,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行本发明任意一项方法项提及的基于知识图谱的客户持仓预警方法。
通过实施本发明的实施例具有如下有益效果:
本发明实施例提供了一种基于知识图谱的客户持仓预警方法、装置和存储介质,方法首先获取资信息对资讯信息的事件主体,焦点实体进行提取,确定资讯直接影响的股票标的,即上述的第一股票标的,然后根据预先构建的知识图谱检索与第一股票有关联的其他股票标的,即上述的若干相关股票标的,从而将资讯与其他股票标的联系起来,然后计算第一股票标的与每一相关股票标的,的关系类型和关系度数、资讯的多空倾向分数、读取客户的仓位,根据这些数据进行评分,当分数超过预设阈值时,向客户发送预警数据;这样即使资讯直接影响主体不是客户直接持有的股票标的,但如果资讯直接影响的主体是与客户持有的股票标的有联系的其他股票标的,也可以实现预警,使得预警更加的全面。
附图说明
图1是本发明一实施例提供的一种基于知识图谱的客户持仓预警方法的流程示意图。
图2是本发明一实施例提供的一种基于知识图谱的客户持仓预警装置的结构示意图。
具体实施方式
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。
如图1所示,本发明一实施例提供的一种基于知识图谱的客户持仓预警方法方法的流程示意图,包括以下步骤,需要说明的是以下步骤仅仅是示意性的,并不作为执行先后的顺序的限定。
步骤S101: 获取资讯信息,并提取资讯信息的资讯类型、资讯标题、资讯内容及资讯焦点实体。
步骤S102: 根据资讯标题和资讯内容,对资讯信息进行多空倾向分析,获得资讯多空倾向分数;
步骤S103:根据资讯焦点实体,确定与资讯焦点实体对应的股票标的,作为第一股票标的;继而根据预设的知识图谱检索与第一股票标的相关联的其他股票标的,获得若干相关股票标的,并确定第一股票标的与每一相关股票标的,的关系类型和关系度数;
步骤S104:获取客户持有的若干待评估股票标的,的股票仓位;其中,所述待评估股票标的为所述第一股票标的或所述相关股票标的;
步骤S105:根据所述资讯类型、多空倾向分数、所述待评估股票标的与所述第一股票标的,的关系类型、关系度数和所述股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,并在所述评价分数超过预设阈值时,向客户发送预警数据。
对于步骤S101:可以通过手工录入,或直接从各新闻网站等方式获取上述资讯信息,然后提取出资讯的资讯类型,资讯标题,资讯内容,及资讯的焦点实体;
在一个优选的实施中,资讯类型,可以包括新闻、公告和研报等,需要说明的是,资讯的类型的分类时多样的并不局限于上述的三种方式;上述资讯焦点实体指的是资讯内容的主体对象:例如一资讯信息的资讯内容为:“某某公司上个季度卖出100万部手机”则这里的“某某公司”就是上述的资讯焦点实体。对于如何对焦点实体,可以采用现有的概率生成模型方法,对候选实体与实体指称项之间的相似性评分,从而根据评分进行语义消歧。通过现有的语料分析技术可以获取,在此不再赘述。
对于步骤S102:具体的,在一个优选的实施例中,通过资讯标题和资讯内容,构建请求,调用现有的语义服务分析资讯的多空倾向,将语义服务的多空分析的返回值作为上述资讯多空倾向分数;
对于步骤S103:在获取了焦点实体之后,即可确定焦点实体对应的股票标的即第一股票标的,这里所提及的对应的股票标的,即该焦点实体上市后的对应的股票名称;紧接着根据预先构建好的知识图谱检索与上述第一股票标的相关联的其他股票标的,获得上述相关股票标的;同时记录它们之间的关系类型,关系度数;
知识图谱的构建属于现有技术,但为了保证本发明公开的充分性,以下对知识图谱的构建进行一个详细的说明:
知识图谱的构建首先要确定数据标准,并在数据层面对数据源进行管理,包括公司内部业务数据、第三方公司数据、公开的互联网数据,这些数据包括结构化数据(例如关系型数据库)、非结构化数据(例如文本)、半结构化数据(例如网页)等。
通过面向人工智能的数据处理,从这些多源异构的数据中提取实体关系和事件信息,并对这些信息进行计算生成新的标签和信息。
然后进行知识抽取,知识抽取包括利用自定义规则或自然语言处理的方法进行实体识别、关系挖掘、属性抽取;
对于结构化数据,通过分析数据库中表、字段、主键、外键及其相互之间的对应关系,可以简单的将其转换为知识图谱的三元组。
对于半结构化数据,利用正则表达式、XPATH等工具自动从数据源中进行知识抽取;
对于非结构化数据(这里主要是文本),实体识别可以看作一个序列标注问题,即通过机器学习等方法对句子的每个位置进行标注,主要的方法是BiLSTM-CRF(双向长短期记忆神经网络-条件随机场),即由深度学习方法得到文本相关特征,再由CRF进行实体标注。关系挖掘采用了基于条件随机场的关系抽取模型(H-CRF)的方法进行抽取。属性抽取的主要方法是基于规则和启发式算法进行模式匹配,以及通过监督学习的方法,训练实体属性标注模型,然后将其应用于对半结构化数据的实体属性抽取。
在对多个数据源进行知识抽取之后,需要将知识进行融合,其中包括实体链接、属性归一等。
实体链接是通过采用概率生成模型的方法,候选实体与实体指称项之间的相似性评分,从而根据评分进行语义消歧。例如我们想知道“苹果上个季度卖出100万部iPhone手机”里面的“苹果”指的是“苹果公司”还是“苹果水果”,可以通过语料统计出,“苹果公司”在语料中出现的概率为0.1,用“苹果”来指代“苹果公司”的概率为0.6,“苹果公司”在上述例句中出现的概率为0.8,那么三者相乘为0.048;另外,“苹果水果”在语料中出现的概率为0.1,用“苹果”来指代“苹果水果”的概率为0.9,“苹果水果”在上述例句中出现的概率为0.1,那么三者相乘为0.009;这样可以看出例句中更有可能指的是“苹果公司”。
属性归一主要是基于模式匹配的方法,基于文本相似度的方式,消除不一致的关系。
通过知识图谱保存实体、关系、属性、标签等,以属性图数据模型进行本体建模,利用机器学习训练模型进而加速和优化二次抽取、创建标签体系等过程,最后构造出宏观经济图谱、全行业图谱、单行业/概念/板块图谱、公司图谱、业务数据图谱等。
在本发明中使用到的数据主要是股票实体之间的关联关系,例如“A企业”与“B企业”的关系是“供应商”等。
在一个预选的实施例中,上述第一股票标的与每一相关股票标的,的关系类型,既为它们图谱中的关系,可以但不限于以下几种关系类型:债权人、担保人、股东、客户、供应商等。
在一个优选的实施例中上述第一股票标的与每一相关股票标的关系度数,中的关系度数是用于衡量各相关股票标的与第一股票标的的相关性程度;例如:假设A和B在图谱中有直接的联系,例如A与B之间属于上述几种关系类型中的一种或多种,这里可以假设,A为B的供应商,B和C在图谱中也有直接的关联关系,例如B是C的客户,但是A与C之间没有直接的关系,只有通过B才能建立连接关系,那么此时,A与B、B与C之间均为一度关系,A与C为二度关系,以此类推。
在一个优选的实施例中,若检索到的相关股票标的,的数量超过规定的阈值,则停止检索;在实际情况中,通过知识图谱可以检索得到大量的相关股票标的,此时可以对检索到的相关股票标的,做一个数据过滤,可以将阈值设为,当检索出来的相关股票标的的数据,超过了个,则停止检索。
对于步骤S104:具体的,将客户的持有的股票中,与上述步骤S103获得的股票标的,相同的股票标的作为待评估股票标的,然后读取对应股票仓位;
例如在步骤S103中的得到的第一股票标的为a,得到与a有关联的股票标的,为b,c,d,e。W客户持有的股票为a,b,f,g; Z客户持有的股票为b,f,g; H客户持有的股票为g,h,I,j,那么此时则将股票a,和股票b作为W客户的待评估股票标的,读取W客户的a和b两只股票的仓位,将股票b作为Z客户的待评估股票标的,读取Z客户的b股票的仓位;不读取H客户的任何股票的仓位;
对于步骤S105:在一个优选的实施例中,首先为不同类型的资讯添加不同的权重,如新闻型的权重为1、公告型的权重为2,研究报告的权重为3。需要说明的是上述权重的值仅仅是示意性的,可以根据实际情况进行调整。
对不同关系类型也添加不同的权重,债权人的权重为1、担保人的权重为2、股东的权重为3、客户的权重为4和供应商的权重为5;即当上述第一股票标的,是待评估股票标的,的债权人时则此时的权重为1;当上述第一股票标的,待评估股票标的,的担保人时则此时的权重为2;当上述第一股票标的,待评估股票标的,的股东时则此时的权重为3;当上述第一股票标的,是待评估股票标的,的客户时则此时的权重为4;当上述第一股票标的,是待评估股票标的,的供应商时则此时的权重为5;
需要说明的是当上述待评估股票标的就为第一股票标的时此时的权重可设为6;
需要说明的是上述权重值得设定仅仅是示意性的,可以根据实际情况作适应性的调整。
紧接着通过以下公式对待评估股票标的进行评分,
评价分数 =多空倾向分数 * ( (关系类型权重/关系度数)* 资讯类型的权重 )* 股票仓位。
当分数超过预设阈值则向用户发送预警数据,需要说明的是,在实际情况中客户可能持有多只待评估股票标的,那么需要分别计算每一只股票的分数,当客户持有的待评估股票标的中,有任意一只的股票分数超过预设值,则发送预警数据;
在一个优选的实施例中,上述预警数据可以但不限于包括以下数据项:资讯ID,资讯标题,资讯摘要,资讯URL,资讯发布时间,资讯多空倾向分数,第一股票标的,相关股票标的以及每一相关股票标的与第一股票标的间的关系类型。
在一个可选的实施例中,还可以根据分数预先设置不同的预警等级,例如高、中、低三个等级,不同预警等级,表示资讯信息对于对应股票标的,的股价的影响程度,预警等级越高表示对股价的影响程度越高,在计算出客户所持股票标的的分数后,根据分数进行预警等级的划分,得到客户所持股票的预警等级;
在一个可选的实施例中,可以将上述的股票的预警等级一起封装在上述预警数据中。
需要说明的是,在本方案中,获取的资讯信息可以是单一的一条资讯,也可以是多条资讯信息,当同时对多条资讯信息进行处理时,在执行步骤S102时,可以将正负面系数不够强烈的资讯进行过滤,语义服务的多空分析返回值可能的最大范围是[-10, 10],如果资讯的正负面系数位于区间[-1, 1],则定位该资讯信息正负面系数不够强烈。
在上述方法项实施例的基础上,对应的提供了装置项实施例;
如图2所示,本发明另一实施例提供了一种基于知识图谱的客户持仓预警装置,包括:资讯信息获取模块201、资讯多空分析模块202、股票标的获取模块203、客户仓位获取模块204以及评分预警模块205;
其中,资讯信息获取模块,用于获取资讯信息,并提取资讯信息的资讯类型、资讯标题、资讯内容及资讯焦点实体;
资讯多空分析模块,用于根据资讯标题和资讯内容,对资讯信息进行多空倾向分析,获得资讯多空倾向分数;
股票标的获取模块,用于根据资讯焦点实体,确定与资讯焦点实体对应的股票标的,作为第一股票标的;继而根据预设的知识图谱检索与第一股票标的相关联的其他股票标的,获得若干相关股票标的,并确定第一股票标的与每一相关股票标的,的关系类型和关系度数;
客户仓位获取模块,用于获取客户持有的若干待评估股票标的,的股票仓位;其中,所述待评估股票标的为所述第一股票标的或所述相关股票标的;
评分预警模块,用于根据所述资讯类型、多空倾向分数、所述待评估股票标的与所述第一股票标的,的关系类型、关系度数和所述股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,并在所述评价分数超过预设阈值时,向所述客户发送预警数据。
可以理解的是,上述装置项实施例是与上述方法项实施例对应的虚拟装置项,其可以实现本发明上述任意一项方法项实施例提供的基于知识图谱的客户持仓预警方法。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
在上述方法项实施例的基础上提供了另一实施例,本发明另一实施例提供了一种基于知识图谱的客户持仓预警装置,其特征在于,包括处理器,存储器以及存储在存储器中并由处理器执行的计算机程序,处理器执行计算机程序时,实现本发明上述任意一项方法项实施例提供的基于知识图谱的客户持仓预警方法。
需要说明的是:所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是基于知识图谱的客户持仓预警装置装置的控制中心,利用各种接口和线路连接整个基于知识图谱的客户持仓预警装置装置的各个部分。
存储器可用于存储计算机程序和/或模块,处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现本实施例中基于知识图谱的客户持仓预警装置的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器中,并由处理器执行,以完成本发明。
在本实施例中基于知识图谱的客户持仓预警装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本实施例中提及的基于知识图谱的客户持仓预警装置还可以包括输入输出设备、网络接入设备、总线等。
在本发明方法项实施例的基础上,还提供了另一实施例,本发明另一实施提供了一种存储介质,其特征在于,存储介质包括存储的计算机程序,其中,在计算机程序运行时控制存储介质所在设备执行基于知识图谱的客户持仓预警方法。
需要说明的是,此处提及的存储介质是一种,计算机可读存储介质,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
通过实施本发明的实施例具有如下有益效果:
本发明实施例提供了一种基于知识图谱的客户持仓预警方法、装置和存储介质,方法首先获取资信息对资讯信息的事件主体,焦点实体进行提取,确定资讯直接影响的股票标的,即上述的第一股票标的,然后根据预先构建的知识图谱检索与第一股票有关联的其他股票标的,即上述的若干相关股票标的,从而将资讯与其他股票标的联系起来,然后计算第一股票标的与每一相关股票标的,的关系类型和关系度数、资讯的多空倾向分数、读取客户的仓位,根据这些数据进行评分,当分数超过预设阈值时,向客户发送预警数据;这样即使资讯直接影响主体不是客户直接持有的股票标的,但如果资讯直接影响的主体是与客户持有的股票标的有联系的其他股票标的,也可以实现预警,使得预警更加的全面。
以上是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种基于知识图谱的客户持仓预警方法,其特征在于,包括:
获取资讯信息,并提取所述资讯信息的资讯类型、资讯标题、资讯内容及资讯焦点实体;
根据所述资讯标题和资讯内容,对所述资讯信息进行多空倾向分析,获得资讯多空倾向分数;
根据所述资讯焦点实体,确定与所述资讯焦点实体对应的股票标的,作为第一股票标的;继而根据预设的知识图谱检索与所述第一股票标的相关联的其他股票标的,获得若干相关股票标的,并确定所述第一股票标的与每一所述相关股票标的,的关系类型和关系度数;其中,所述关系度数用于衡量各相关股票标的与第一股票标的的相关性程度;
获取客户持有的若干待评估股票标的,的股票仓位;其中,所述待评估股票标的为所述第一股票标的或所述相关股票标的;
根据所述资讯类型、多空倾向分数、所述待评估股票标的与所述第一股票标的,的关系类型、关系度数和所述股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,并在所述评价分数超过预设阈值时,向所述客户发送预警数据。
2.如权利要求1所述的基于知识图谱的客户持仓预警方法,其特征在于,根据所述资讯类型、多空倾向分数、所述待评估股票标的与所述第一股票标的,的关系类型、关系度数和股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,具体为:
为所述待评估股票标的的关系类型、所述第一股票标的的资讯类型设置权重,继而通过以下公式计算所述待评估股票标的,的评价分数:
评价分数 =多空倾向分数 * ( (关系类型权重/关系度数)* 资讯类型的权重 ) * 股票仓位。
3.如权利要求1所述的基于知识图谱的客户持仓预警方法,其特征在于,所述资讯类型包括:新闻、公告和研究报告。
4.如权利要求1所述的基于知识图谱的客户持仓预警方法,其特征在于,所述关系类型包括:债权人、担保人、股东、客户和供应商。
5.如权利要求1所述的基于知识图谱的客户持仓预警方法,其特征在于,所述预警数据包括:资讯ID,资讯标题,资讯摘要,资讯URL,资讯发布时间,所述资讯多空倾向分数,所述第一股票标的,所述相关股票标的以及每一所述相关股票标的与第一股票标的间的关系类型。
6.一种基于知识图谱的客户持仓预警装置,其特征在于,包括:资讯信息获取模块、资讯多空分析模块、股票标的获取模块、客户仓位获取模块以及评分预警模块;
其中,所述资讯信息获取模块,用于获取资讯信息,并提取所述资讯信息的资讯类型、资讯标题、资讯内容及资讯焦点实体;
所述资讯多空分析模块,用于根据所述资讯标题和资讯内容,对所述资讯信息进行多空倾向分析,获得资讯多空倾向分数;
所述股票标的获取模块,用于根据所述资讯焦点实体,确定与所述资讯焦点实体对应的股票标的,作为第一股票标的;继而根据预设的知识图谱检索与所述第一股票标的相关联的其他股票标的,获得若干相关股票标的,并确定所述第一股票标的与每一所述相关股票标的,的关系类型和关系度数;其中,所述关系度数用于衡量各相关股票标的与第一股票标的的相关性程度;
所述客户仓位获取模块,用于获取客户持有的若干待评估股票标的,的股票仓位;其中,所述待评估股票标的为所述第一股票标的或所述相关股票标的;
所述评分预警模块,用于根据所述资讯类型、多空倾向分数、所述待评估股票标的与所述第一股票标的,的关系类型、关系度数和所述股票仓位,对每一所述待评估股票标的进行评分,获得评价分数,并在所述评价分数超过预设阈值时,向所述客户发送预警数据。
7.一种基于知识图谱的客户持仓预警装置,其特征在于,包括处理器,存储器以及存储在所述存储器中并由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-5任意一项所述的基于知识图谱的客户持仓预警方法。
8.一种存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至5中任意一项所述的基于知识图谱的客户持仓预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910514255.2A CN110309234B (zh) | 2019-06-14 | 2019-06-14 | 一种基于知识图谱的客户持仓预警方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910514255.2A CN110309234B (zh) | 2019-06-14 | 2019-06-14 | 一种基于知识图谱的客户持仓预警方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110309234A CN110309234A (zh) | 2019-10-08 |
CN110309234B true CN110309234B (zh) | 2023-06-09 |
Family
ID=68075888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910514255.2A Active CN110309234B (zh) | 2019-06-14 | 2019-06-14 | 一种基于知识图谱的客户持仓预警方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309234B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127213A (zh) * | 2019-11-19 | 2020-05-08 | 泰康保险集团股份有限公司 | 信息处理方法与装置、存储介质、电子设备 |
CN111027832A (zh) * | 2019-11-28 | 2020-04-17 | 卓尔智联(武汉)研究院有限公司 | 一种税务风险确定方法、装置及存储介质 |
CN111814477B (zh) * | 2020-07-06 | 2022-06-21 | 重庆邮电大学 | 一种基于争议焦点实体的争议焦点发现方法、装置及终端 |
CN112000725B (zh) * | 2020-08-28 | 2023-03-21 | 哈尔滨工业大学 | 一种面向多源异构资源的本体融合前处理方法 |
CN113742495B (zh) * | 2021-09-07 | 2024-02-23 | 平安科技(深圳)有限公司 | 基于预测模型的评级特征权重确定方法及装置、电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216718A (ja) * | 2002-01-17 | 2003-07-31 | Dentsu Inc | 株式時価総額構成要素分析機能を備えた企業価値分析システム |
CN103208079A (zh) * | 2012-01-12 | 2013-07-17 | 孙武仲 | 股票资讯建议提供装置 |
CN107783973A (zh) * | 2016-08-24 | 2018-03-09 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN108897853A (zh) * | 2018-06-29 | 2018-11-27 | 北京百度网讯科技有限公司 | 生成推送信息的方法和装置 |
CN109285070A (zh) * | 2018-08-22 | 2019-01-29 | 平安科技(深圳)有限公司 | 基金的持仓调整方法及装置、存储介质、计算机设备 |
-
2019
- 2019-06-14 CN CN201910514255.2A patent/CN110309234B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216718A (ja) * | 2002-01-17 | 2003-07-31 | Dentsu Inc | 株式時価総額構成要素分析機能を備えた企業価値分析システム |
CN103208079A (zh) * | 2012-01-12 | 2013-07-17 | 孙武仲 | 股票资讯建议提供装置 |
CN107783973A (zh) * | 2016-08-24 | 2018-03-09 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN108897853A (zh) * | 2018-06-29 | 2018-11-27 | 北京百度网讯科技有限公司 | 生成推送信息的方法和装置 |
CN109285070A (zh) * | 2018-08-22 | 2019-01-29 | 平安科技(深圳)有限公司 | 基金的持仓调整方法及装置、存储介质、计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110309234A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309234B (zh) | 一种基于知识图谱的客户持仓预警方法、装置及存储介质 | |
US11334635B2 (en) | Domain specific natural language understanding of customer intent in self-help | |
US11487941B2 (en) | Techniques for determining categorized text | |
US20170235820A1 (en) | System and engine for seeded clustering of news events | |
US8266148B2 (en) | Method and system for business intelligence analytics on unstructured data | |
US20210158176A1 (en) | Machine learning based database search and knowledge mining | |
Jonnalagadda et al. | A new iterative method to reduce workload in systematic review process | |
CN104081385A (zh) | 从文档表示信息 | |
CA3052527A1 (en) | Target document template generation | |
CN104834651A (zh) | 一种提供高频问题回答的方法和装置 | |
CN109033277A (zh) | 基于机器学习的类脑系统、方法、设备及存储介质 | |
CA2956627A1 (en) | System and engine for seeded clustering of news events | |
CN114398473A (zh) | 企业画像生成方法、装置、服务器及存储介质 | |
Arafat et al. | Analyzing public emotion and predicting stock market using social media | |
CN117609468A (zh) | 生成检索语句的方法及装置 | |
CN116049376A (zh) | 一种信创知识检索回复的方法、装置和系统 | |
CN113742495B (zh) | 基于预测模型的评级特征权重确定方法及装置、电子设备 | |
CN111026705B (zh) | 建筑工程文件管理方法、系统及终端设备 | |
Nicoletti et al. | Towards software architecture documents matching stakeholders’ interests | |
CN113590792A (zh) | 用户问题的处理方法、装置和服务器 | |
US20140280149A1 (en) | Method and system for content aggregation utilizing contextual indexing | |
Malik et al. | Exploring the corporate ecosystem with a semi-supervised entity graph | |
Liu et al. | Practical skills of business english correspondence writing based on data mining algorithm | |
CN117573956B (zh) | 元数据管理方法、装置、设备及存储介质 | |
US11830081B2 (en) | Automated return evaluation with anomoly detection |
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 |