CN110889291A - 一种基于深度学习和区块链的研报评价方法 - Google Patents
一种基于深度学习和区块链的研报评价方法 Download PDFInfo
- Publication number
- CN110889291A CN110889291A CN201911144753.9A CN201911144753A CN110889291A CN 110889291 A CN110889291 A CN 110889291A CN 201911144753 A CN201911144753 A CN 201911144753A CN 110889291 A CN110889291 A CN 110889291A
- Authority
- CN
- China
- Prior art keywords
- research
- report
- evaluation
- blockchain
- data
- 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
- 238000011160 research Methods 0.000 title claims abstract description 174
- 238000011156 evaluation Methods 0.000 title claims abstract description 79
- 238000013135 deep learning Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims description 21
- 238000012795 verification Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000003058 natural language processing Methods 0.000 claims description 5
- 238000011002 quantification Methods 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 9
- 238000013528 artificial neural network Methods 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 2
- 238000011158 quantitative evaluation Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
- G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于深度学习和区块链的研报评价方法，利用云数据中心云服务及现有模型，通过对研报进行文字语义分析，根据预先训练好的领域模型，自动抽取其结论及预测的内容，并进行处理形成可以量化评价的指标，采用神经网络和传统规则判断方法结合，使得量化评价内容更加准确、合理，同时减少人为参与，消除人为主观意见，更加公正客观地反映研报评价结果。有效利用区块链技术，将研报涉及的利益方参与方联合起来，把研报发布、评价过程涉及的相关数据通过智能合约形式，利用区块链基础设施写入到区块链中。相较于传统的方式，通过统一的、去中心化的方式，有效地解决了研报涉及利益方的互信问题，增加了研报数据的透明性。
Description
技术领域
本发明涉及区块链、深度学习和神经网络技术领域，具体涉及一种基于深度学习和区块链的研报评价方法。
背景技术
区块链技术，又称为“分布式账本技术”，是一种去中心化、集体维护分布式账本的技术方案，其本质是由多个节点集体参与通过多方存储、多方计算的方式来实现数据不可篡改、计算结果可信的分布式数据库系统。区块链不是一种单一的技术，而是多种技术整合的结果，利用区块链技术维护一个可靠的、难以篡改的账本记录，可以降低信任的风险，并能有效的降低众参与方协作的维护成本。区块链技术的发展使得智能合约成为可能，其本质是一段由一台计算机或者计算机网络按照签署合约的权利和义务自动执行的代码，合约的执行无需中心节点来进行控制。由于智能合约使用代码的方式，保证了合同条款的强制执行力；将智能合约与区块链相结合，使得合约的条款一旦设定，就没有第三方可以篡改。智能合约这一颠覆性的技术是区块链的重要特性，将会对人类社会结构产生重大变化。
近年来，人工智能技术发展迅速，其商业化速度超出预期，人工智能将会给整个社会带来颠覆性的变化，已经成为未来各国重要的发展战略。特别是以深度学习为核心的算法演进，其超强的进化能力，在大数据的支持下，通过训练构建得到类似人脑结构的大规模神经网络，已经可以解决各类问题。各种复杂的因素往往以非线性的方式结合在一起，特征的学习尤其重要，而海量训练数据的出现在很大程度上缓解了训练过拟合的问题，从大数据中进行深度学习，通过神经网络已经在计算机视觉、声音处理、自然语言处理中达到了很好的应用实践效果，这也打破了传统的模式识别方式，对整个各个理领域产生了颠覆性的变革。
研究报告是通过全面的调查研究，分析论证某个建设或改造工程、某种科学研究、某项商务活动切实可行而提出的一种书面材料。比如行业研究报告是从事行业投资之前，对行业相关各种因素进行具体调查、研究、分析，评估项目可行性、效果效益程度，提出建设性意见建议对策等，为行业投资决策者和主管机关审批的研究性报告。研究报告需要如实的反映客观情况，对研究过程中所获取的资料进行全面系统的整理和分析，通过图表、统计结果及文献资料，或以纵向的发展过程，或横向类别分析提出论点、分析论据，进行论证。对于某些行业趋势、技术趋势需要进行一些预测判断，在一些证券、金融公司尤为突出，需要分析师对上市公司、行业、股票等进行分析预测，并将报告公开。一方面，研究报告提出的预测结论比较模糊，可能会被误读进而影响投资者的判断，也需要对虚假资料、刻意引导投资者的研报发布机构进行追责，另一方面，研究报告结论往往要很久才能验证其价值，投资者无法一直跟踪，这需要持续对研报进行公正客观准确的评价，方便投资者判断获得有价值的研报，在这种情况下，如何有效利用深度学习和区块链技术，将研报中的分析预测信息自动提取量化，持续客观公正的评价研报成为亟须解决的问题。
发明内容
本发明为了克服以上技术的不足，提供了一种基于深度学习和区块链的研报评价方法，将研报内容通过NLP技术结合神经网络提取出其中可量化的指标，以研报相关监管风控机构为中心，将各个研报分析机构作为参与方联合起来，有效利用区块链和智能合约技术，将研报发布、指标量化、制定评价标准以及研报评价过程通过智能合约形式，利用区块链基础设施写入到区块链中，保障研报的评价真实性和过程可追溯性，增加研报相关数据的透明性，降低了研报分析行业的信任成本和运营成本，进而提升投资决策的效率，同时为投资者带来更好的价值判断。
本发明克服其技术问题所采用的技术方案是：
一种基于深度学习和区块链的研报评价方法，包括如下步骤：
a)建立云数据中心，通过云数据中心的区块链服务提供商在一个P2P共识网络中建立区块链基础设施，形成P2P共识网络；
b)在基于区块链的P2P共识网络中选出管理节点、背书节点和记账节点，由第三方数字证书认证中心对各个节点发放数字证书，实现各个节点间的互信；
c)将收集的研报文档汇集到云数据中心，形成研报文档处理服务；
d)利用云数据中心的自然语言处理模型对研报文档进行重训练，形成对行业领域的语义分析模型及对语义分析服务；
e)将语义分析结果结合业界标准及规范进行数据标注，将标注后的数据通过训练生成指标量化的神经网络模型，将指标量化的神经网络模型结合已知的规则方法形成指标量化服务；
f)研报发布机构及行业监管机构通过云数据中心定义研报的数据标准、研报的基础评价标准及研报的服务验证规范，发布研报评价合约；
g)执行研报评价标准智能合约，确定研报的数据标准、基础评价标准及研报的服务验证规范，根据确定研报的数据标准、基础评价标准及研报的服务验证规范提供评价原则以及评价判断方式；
h)隶属于研报发布机构的分析师在云数据中心进行注册，发布分析师注册智能合约；
i)执行分析师注册智能合约，完成研报分析师身份的绑定，由相关机构为其发放代币；
j)分析师将研报对外公开并附加研报的证明材料，发布研报发布智能合约；
k)执行研报发布智能合约，确定研报的真实性和合法性，并由相关相关机构为其发放相关奖励代币；
l)将确定真实性的研报通过云数据中心的研报文档处理服务进行文字提取、语义分析、指标量化，形成量化指标并发布量化指标智能合约；
m)执行量化指标智能合约，将可评价的领域数据结合数据规范形成该研报可量化的指标；
n)制定评价标准服务，将研报形成具体评价条目，发布研报评价智能合约；
o)执行研报评价智能合约，更加评价条目在外部可信数据源中验证研报内容准确性，并进行记录；
p)分析师及研报发布结构在区块链上进行数据分析，得到研报评估认定结果。
进一步的，步骤c)中云数据中心根据研报文档的不同格式进行格式化处理，格式化处理后形成研报文档处理服务。
进一步的，步骤n)中由分析师、科研人员、领域专家作为参与者，发布匿名评价智能合约，提供数据支持对研报进行评价。
进一步的，步骤o)中执行研报评价智能合约时对合约中提供的数据支撑进行验证，并评价研报内容，由相关机构为其发放相关奖励代币。
进一步的，步骤f)至步骤n)中的合约由背书节点执行，并将执行结果发给记账节点，由记账节点达成共识生成新的区块，按预先设定的规则完成相关操作后向相关参与方发送通知信息并完成代币交易。
进一步的，区块链中各个参与节点通过P2P共识网络获取最新区块链数据，并更新各节点的本地账本记录。
进一步的，投资者通过查询区块链上的所有操作记录并进行验证，验证后完成研报评价内容的追溯。
进一步的，步骤o)中外部可信数据源为国家政府机关网站或知名企业官方网站或行业联盟网站或可信搜索引擎或可信度高的行业数据服务API。
进一步的，区块链中各个节点之间通过加密的方式进行通讯。
优选的，采用SHA256为摘要算法，采用SHA256WithRSA作为签名算法，信道加密采用TLS，数字证书采用X509格式。
本发明的有益效果是：有效利用云数据中心云服务及现有模型，通过对研报进行文字语义分析，根据预先训练好的领域模型，自动抽取其结论及预测的内容，并进行处理形成可以量化评价的指标，采用神经网络和传统规则判断方法结合，使得量化评价内容更加准确、合理，同时减少人为参与，消除人为主观意见，更加公正客观地反映研报评价结果；有效利用区块链技术，将研报涉及的利益方参与方联合起来，把研报发布、评价过程涉及的相关数据通过智能合约形式，利用区块链基础设施写入到区块链中；相较于传统的方式，通过统一的、去中心化的方式，有效地解决了研报涉及利益方的互信问题，智能合约自动执行也减少了人为影响，增加了研报数据的透明性，通过上链保障研报的评价真实性和过程可追溯性，降低了研报分析行业的信任成本和运营成本，通过匿名评价并提供代币奖励，鼓励投资者及从业者的参与；通过外部可信数据源多方印证的方式，增加研报的真实性，进而提升投资决策的效率，同时为投资者带来更好的价值判断，在一定程度上推动了整个产业公平公正的健康发展。
附图说明
图1为本发明的区块链节点组成示意图；
图2为本发明的区块链结构示意图；
图3为本发明的研报跟踪评价的流程图；。
具体实施方式
下面结合附图1、附图2、附图3对本发明做进一步说明。
如附图1所示通过对研报进行文字语义分析，根据预先训练好的领域模型，提取其结论及预测的内容，并进行处理形成可以量化评价的指标，主要包括研报文档处理、文字提取、语义分析、指标量化和制定评价标准等过程，在云数据中心中以服务的形式提供出来；通过云数据中心的区块链服务提供商，在一个P2P共识网络中建立区块链基础设施，P2P共识网络存在管理节点、背书节点和记账节点，共同合作实现智能合约的执行以及区块链新区块的生成；包括来自研报发布机构、行业监管机构等相关机构作为区块链的参与节点共同维护一份账本，账本中记录研报评价各阶段智能合约的执行情况；通过发行代币，鼓励分析师、领域专家、科技工作者等积极参与，及时提供反映体现研报评价结果的信息，实现更加客观公正的评价，进而提升研报价值，推动整个产业的健康发展。其中，
所述的云数据中心提供云基础设施服务，通过运行业务服务平台提供研报分析处理评价云服务，同时提供区块链相关的基础设施服务以及第三方证书认证服务，也包括链上内容追溯查询、统计、分析等服务；所述的研报发布机构、行业监管机构作为参与节点加入到区块链中，并提出研报的基础评价标准及服务验证规范；所述的分析师隶属于研报发布机构，发布相关研报及报告验证标准，同时可以参与到研报评价过程；所述的领域专家主要参与到研报评价中，提供相关材料和评价判断；所述的研报文档处理服务，将各种格式的研报文档进行格式化处理；所述的文字提取服务将研报中涉及评价的文字内容提取出来，形成纯文本内容；所述的语义分析服务将文字内容根据领域模型进行分析，领域模型采用深度学习神经网络，最终形成可评价的领域数据；所述的指标量化服务将可评价的领域数据，结合数据规范，形成可量化的指标；所述的制定评价标准服务提供评价原则以及具体评价判断方式；所述的区块链服务由提供商提供区块链基础设施服务，在一个P2P共识网络中建立区块链基础设施，通过创建一个代币，为其分配价值，同时将区块链中待执行的智能合约程序公开，供所有参与方、相关利益方以及社区开发者检查，所有的智能合约执行结果都将记录在区块链中；所述的智能合约包括研报评价标准智能合约、分析师注册智能合约、研报发布智能合约、研报量化指标智能合约、研报评价智能合约、匿名评价智能合约等；所述的P2P共识网络是没有中心节点、通过节点间进行消息交换的网络体系，P2P共识网络存在管理节点、背书节点和记账节点，共同合作实现智能合约的执行以及区块链新区块的生成，共同维护一个账本记录；所述的管理节点负责参与节点的准入；所述的第三方数字证书认证中心负责发放数字证书，可以由所述的区块链基础设施配套提供，实现节点间安全通信和身份认证。
为了描述清楚，如图2中所示，区块链中记录的数据是智能合约执行结果，其区块（Block）结构包括版本号、时间戳、交易Merkle树根摘要、合约执行状态、前区块摘要值和本区块摘要值（标识），其中交易结构记录智能合约。这对本领域技术人员将理解的是，除了使用以上结构表示方法之外，根据本发明的实施方式的构造也能够应用于其他数据表示方法之上。
实施例1：
如附图3所示，一种基于深度学习和区块链的研报评价方法，包括如下步骤：
a)建立云数据中心，通过云数据中心的区块链服务提供商在一个P2P共识网络中建立区块链基础设施，形成P2P共识网络；
b)在基于区块链的P2P共识网络中选出管理节点、背书节点和记账节点，由第三方数字证书认证中心对各个节点发放数字证书，实现各个节点间的互信；
c)将收集的研报文档汇集到云数据中心，形成研报文档处理服务；
d)利用云数据中心的自然语言处理模型对研报文档进行重训练，形成对行业领域的语义分析模型及对语义分析服务；
e)将语义分析结果结合业界标准及规范进行数据标注，将标注后的数据通过训练生成指标量化的神经网络模型，将指标量化的神经网络模型结合已知的规则方法形成指标量化服务；
f)研报发布机构及行业监管机构通过云数据中心定义研报的数据标准、研报的基础评价标准及研报的服务验证规范，发布研报评价合约；
g)执行研报评价标准智能合约，确定研报的数据标准、基础评价标准及研报的服务验证规范，根据确定研报的数据标准、基础评价标准及研报的服务验证规范提供评价原则以及评价判断方式；
h)隶属于研报发布机构的分析师在云数据中心进行注册，发布分析师注册智能合约；
i)执行分析师注册智能合约，完成研报分析师身份的绑定，由相关机构为其发放代币；
j)分析师将研报对外公开并附加研报的证明材料，发布研报发布智能合约；
k)执行研报发布智能合约，确定研报的真实性和合法性，并由相关相关机构为其发放相关奖励代币；
l)将确定真实性的研报通过云数据中心的研报文档处理服务进行文字提取、语义分析、指标量化，形成量化指标并发布量化指标智能合约；
m)执行量化指标智能合约，将可评价的领域数据结合数据规范形成该研报可量化的指标；
n)制定评价标准服务，将研报形成具体评价条目，发布研报评价智能合约；
o)执行研报评价智能合约，更加评价条目在外部可信数据源中验证研报内容准确性，并进行记录；
p)分析师及研报发布结构在区块链上进行数据分析，得到研报评估认定结果。
实施例2：
步骤c)中云数据中心根据研报文档的不同格式进行格式化处理，格式化处理后形成研报文档处理服务。如研报文档可能是word文档也可能是PDF文档，因此根据不同格式进行格式化处理。
实施例3：
步骤n)中由分析师、科研人员、领域专家作为参与者，发布匿名评价智能合约，提供数据支持对研报进行评价。
实施例4：
步骤o)中执行研报评价智能合约时对合约中提供的数据支撑进行验证，并评价研报内容，由相关机构为其发放相关奖励代币。
实施例5：
步骤f)至步骤n)中的合约由背书节点执行，并将执行结果发给记账节点，由记账节点达成共识生成新的区块，按预先设定的规则完成相关操作后向相关参与方发送通知信息并完成代币交易。
实施例6：
区块链中各个参与节点通过P2P共识网络获取最新区块链数据，并更新各节点的本地账本记录。
实施例7：
投资者通过查询区块链上的所有操作记录并进行验证，验证后完成研报评价内容的追溯。
实施例8：
步骤o)中外部可信数据源为国家政府机关网站或知名企业官方网站或行业联盟网站或可信搜索引擎或可信度高的行业数据服务API。
实施例9：
区块链中各个节点之间通过加密的方式进行通讯。优选的采用SHA256为摘要算法，采用SHA256WithRSA作为签名算法，信道加密采用TLS，数字证书采用X509格式。
以上所述的实施例，只是本发明较优选的具体实施方式，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (10)
1.一种基于深度学习和区块链的研报评价方法，其特征在于，包括如下步骤：
a)建立云数据中心，通过云数据中心的区块链服务提供商在一个P2P共识网络中建立区块链基础设施，形成P2P共识网络；
b)在基于区块链的P2P共识网络中选出管理节点、背书节点和记账节点，由第三方数字证书认证中心对各个节点发放数字证书，实现各个节点间的互信；
c)将收集的研报文档汇集到云数据中心，形成研报文档处理服务；
d)利用云数据中心的自然语言处理模型对研报文档进行重训练，形成对行业领域的语义分析模型及对语义分析服务；
e)将语义分析结果结合业界标准及规范进行数据标注，将标注后的数据通过训练生成指标量化的神经网络模型，将指标量化的神经网络模型结合已知的规则方法形成指标量化服务；
f)研报发布机构及行业监管机构通过云数据中心定义研报的数据标准、研报的基础评价标准及研报的服务验证规范，发布研报评价合约；
g)执行研报评价标准智能合约，确定研报的数据标准、基础评价标准及研报的服务验证规范，根据确定研报的数据标准、基础评价标准及研报的服务验证规范提供评价原则以及评价判断方式；
h)隶属于研报发布机构的分析师在云数据中心进行注册，发布分析师注册智能合约；
i)执行分析师注册智能合约，完成研报分析师身份的绑定，由相关机构为其发放代币；
j)分析师将研报对外公开并附加研报的证明材料，发布研报发布智能合约；
k)执行研报发布智能合约，确定研报的真实性和合法性，并由相关相关机构为其发放相关奖励代币；
l)将确定真实性的研报通过云数据中心的研报文档处理服务进行文字提取、语义分析、指标量化，形成量化指标并发布量化指标智能合约；
m)执行量化指标智能合约，将可评价的领域数据结合数据规范形成该研报可量化的指标；
n)制定评价标准服务，将研报形成具体评价条目，发布研报评价智能合约；
o)执行研报评价智能合约，更加评价条目在外部可信数据源中验证研报内容准确性，并进行记录；
p)分析师及研报发布结构在区块链上进行数据分析，得到研报评估认定结果。
2.根据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：步骤c)中云数据中心根据研报文档的不同格式进行格式化处理，格式化处理后形成研报文档处理服务。
3.根据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：步骤n)中由分析师、科研人员、领域专家作为参与者，发布匿名评价智能合约，提供数据支持对研报进行评价。
4.根据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：步骤o)中执行研报评价智能合约时对合约中提供的数据支撑进行验证，并评价研报内容，由相关机构为其发放相关奖励代币。
5.据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：步骤f)至步骤n)中的合约由背书节点执行，并将执行结果发给记账节点，由记账节点达成共识生成新的区块，按预先设定的规则完成相关操作后向相关参与方发送通知信息并完成代币交易。
6.据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：区块链中各个参与节点通过P2P共识网络获取最新区块链数据，并更新各节点的本地账本记录。
7.据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：投资者通过查询区块链上的所有操作记录并进行验证，验证后完成研报评价内容的追溯。
8.据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：步骤o)中外部可信数据源为国家政府机关网站或知名企业官方网站或行业联盟网站或可信搜索引擎或可信度高的行业数据服务API。
9.据权利要求1所述的基于深度学习和区块链的研报评价方法，其特征在于：区块链中各个节点之间通过加密的方式进行通讯。
10.据权利要求9所述的基于深度学习和区块链的研报评价方法，其特征在于：采用SHA256为摘要算法，采用SHA256WithRSA作为签名算法，信道加密采用TLS，数字证书采用X509格式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911144753.9A CN110889291B (zh) | 2019-11-21 | 2019-11-21 | 一种基于深度学习和区块链的研报评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911144753.9A CN110889291B (zh) | 2019-11-21 | 2019-11-21 | 一种基于深度学习和区块链的研报评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889291A true CN110889291A (zh) | 2020-03-17 |
| CN110889291B CN110889291B (zh) | 2023-06-27 |
Family
ID=69748131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911144753.9A Active CN110889291B (zh) | 2019-11-21 | 2019-11-21 | 一种基于深度学习和区块链的研报评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889291B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111476030A (zh) * | 2020-05-08 | 2020-07-31 | 中国科学院计算机网络信息中心 | 一种基于深度学习的前瞻因子筛选方法 |
| CN112307501A (zh) * | 2020-08-20 | 2021-02-02 | 青岛海纳云科技控股有限公司 | 基于区块链技术的大数据系统及存储方法和使用方法 |
| CN112686640A (zh) * | 2020-12-22 | 2021-04-20 | 罗科仕管理顾问有限公司 | 凭证保险库系统的基于技能的凭证验证 |
| CN113034284A (zh) * | 2021-04-14 | 2021-06-25 | 刘星 | 基于算法，大数据和区块链的股票走势分析及预警系统 |
| CN113344476A (zh) * | 2021-08-05 | 2021-09-03 | 深圳市数标国际科技有限公司 | 一种基于智能标识和区块链的职业教育评价方法及系统 |
| CN113657802A (zh) * | 2021-08-26 | 2021-11-16 | 湖北央中巨石信息技术有限公司 | 数据采集分类分级成熟度指标记账方法、区块链系统及数据采集分类分级成熟度评估方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108647822A (zh) * | 2018-05-10 | 2018-10-12 | 平安科技（深圳）有限公司 | 电子装置、基于研报数据的预测方法和计算机存储介质 |
| CN109284504A (zh) * | 2018-10-22 | 2019-01-29 | 平安科技（深圳）有限公司 | 利用深度学习模型的证券研报分析方法及装置 |
| CN109388804A (zh) * | 2018-10-22 | 2019-02-26 | 平安科技（深圳）有限公司 | 利用深度学习模型的证券研报核心观点提取方法及装置 |
| CN109445948A (zh) * | 2018-11-15 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于智能合约的数据标注众包平台系统及众包数据标注方法 |
| CN110069932A (zh) * | 2019-05-08 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于智能合约的数据湖融合数据安全分析方法 |
| CN110472880A (zh) * | 2019-08-20 | 2019-11-19 | 李峰 | 评价合作问题解决能力的方法、装置及存储介质 |
-
2019
- 2019-11-21 CN CN201911144753.9A patent/CN110889291B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108647822A (zh) * | 2018-05-10 | 2018-10-12 | 平安科技（深圳）有限公司 | 电子装置、基于研报数据的预测方法和计算机存储介质 |
| CN109284504A (zh) * | 2018-10-22 | 2019-01-29 | 平安科技（深圳）有限公司 | 利用深度学习模型的证券研报分析方法及装置 |
| CN109388804A (zh) * | 2018-10-22 | 2019-02-26 | 平安科技（深圳）有限公司 | 利用深度学习模型的证券研报核心观点提取方法及装置 |
| CN109445948A (zh) * | 2018-11-15 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于智能合约的数据标注众包平台系统及众包数据标注方法 |
| CN110069932A (zh) * | 2019-05-08 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于智能合约的数据湖融合数据安全分析方法 |
| CN110472880A (zh) * | 2019-08-20 | 2019-11-19 | 李峰 | 评价合作问题解决能力的方法、装置及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111476030A (zh) * | 2020-05-08 | 2020-07-31 | 中国科学院计算机网络信息中心 | 一种基于深度学习的前瞻因子筛选方法 |
| CN112307501A (zh) * | 2020-08-20 | 2021-02-02 | 青岛海纳云科技控股有限公司 | 基于区块链技术的大数据系统及存储方法和使用方法 |
| CN112686640A (zh) * | 2020-12-22 | 2021-04-20 | 罗科仕管理顾问有限公司 | 凭证保险库系统的基于技能的凭证验证 |
| CN113034284A (zh) * | 2021-04-14 | 2021-06-25 | 刘星 | 基于算法，大数据和区块链的股票走势分析及预警系统 |
| CN113344476A (zh) * | 2021-08-05 | 2021-09-03 | 深圳市数标国际科技有限公司 | 一种基于智能标识和区块链的职业教育评价方法及系统 |
| CN113657802A (zh) * | 2021-08-26 | 2021-11-16 | 湖北央中巨石信息技术有限公司 | 数据采集分类分级成熟度指标记账方法、区块链系统及数据采集分类分级成熟度评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889291B (zh) | 2023-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110889291B (zh) | 一种基于深度学习和区块链的研报评价方法 | |
| Secinaro et al. | Blockchain in the accounting, auditing and accountability fields: a bibliometric and coding analysis | |
| Lombardi et al. | The disruption of blockchain in auditing–a systematic literature review and an agenda for future research | |
| Bakarich et al. | The use of blockchains to enhance sustainability reporting and assurance | |
| Shae et al. | AI blockchain platform for trusting news | |
| F Atayah et al. | Audit and tax in the context of emerging technologies: A retrospective analysis, current trends, and future opportunities | |
| CN104574110A (zh) | 一种信用数字认证方法 | |
| Guo et al. | Early disruptors: Examining the determinants and consequences of blockchain early adoption | |
| Jarva | Economic consequences of SFAS 142 goodwill write‐offs | |
| CN113421165A (zh) | 一种绿色金融产品评估与管理的方法及系统 | |
| Tanthanongsakkun et al. | Carbon emissions, corporate governance, and staggered boards | |
| Bai et al. | Can analyst coverage enhance corporate innovation legitimacy?——Heterogeneity analysis based on different situational mechanisms | |
| CN111091467A (zh) | 基于区块链与深度学习的股权交易管理计算机仿真系统 | |
| Hashem et al. | The impact of blockchain technology on audit process quality: an empirical study on the banking sector | |
| CN113554310A (zh) | 基于智能合约的企业信用动态评估模型 | |
| CN113592287A (zh) | 风险评估方法和装置 | |
| CN116028748A (zh) | 基于联盟链的内容审核系统和方法及标准统一和监管方法 | |
| Weidener | Decentralized Science (DeSci): Definition, Shared Values, and Guiding Principles | |
| CN113822764B (zh) | 资产数据处理方法及装置 | |
| Seppälä | The adaptation of sustainable finance driven by the Paris Agreement and the 2018 EU Sustainable Finance Action Plan and regulations: challenges and opportunities of climate targets for banks in Finland | |
| Semenova | Digital transformation of public services: leading trends, opportunities, and threats | |
| Balkan | Blockchain Applications in Banking | |
| Arai | Law and Economics of Language Model Development: Empirical Examination of Corporate Strategies and Vaporware Claims | |
| Liu et al. | Digging into Primary Financial Market: Challenges and Opportunities of Adopting Blockchain | |
| Lou et al. | Digital transformation, green innovation, and audit fees |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230518 Address after: 250000 building S02, No. 1036, Gaoxin Inspur Road, Jinan, Shandong Applicant after: Shandong Inspur Scientific Research Institute Co.,Ltd. Address before: North 6th floor, S05 building, Langchao Science Park, 1036 Langchao Road, hi tech Zone, Jinan City, Shandong Province Applicant before: SHANDONG INSPUR ARTIFICIAL INTELLIGENCE RESEARCH INSTITUTE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |