CN111857935A - 文字生成方法和装置 - Google Patents

文字生成方法和装置 Download PDF

Info

Publication number
CN111857935A
CN111857935A CN202010742767.7A CN202010742767A CN111857935A CN 111857935 A CN111857935 A CN 111857935A CN 202010742767 A CN202010742767 A CN 202010742767A CN 111857935 A CN111857935 A CN 111857935A
Authority
CN
China
Prior art keywords
data
multiple dimensions
results
market
market 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
Application number
CN202010742767.7A
Other languages
English (en)
Other versions
CN111857935B (zh
Inventor
郑昌
吴英强
徐之刚
徐乃煊
张政桢
孟兴东
杨季佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010742767.7A priority Critical patent/CN111857935B/zh
Publication of CN111857935A publication Critical patent/CN111857935A/zh
Application granted granted Critical
Publication of CN111857935B publication Critical patent/CN111857935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Human Computer Interaction (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提出一种文字生成方法和装置，涉及数据处理技术领域，其中，方法包括：通过获取行情数据，将行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，将多个维度的数据特征结果输入经过训练的文字生成模型，以得到与多个维度的数据特征结果对应的文字信息，根据多个维度的数据特征结果对应的文字信息，生成行情数据的文字提示信息。由此，通过生成行情数据中多个维度的文字提示信息将股票走势直观的展现给用户，解决了用户在股票投资过程中看不懂股票走势，无法自助进行投资等问题，降低了用户理解股票走势状态的门槛，为用户构造交易计划提供了参考依据。

Description

文字生成方法和装置
技术领域
本公开涉及数据处理技术领域，尤其涉及一种文字生成方法和装置。
背景技术
随着股票市场的不断发展，市场中有越来越多的股票可投资者选择，为了便于投资者对股票进行选择，对股票价格走势的分析至关重要。
目前，在对股票的价格走势进行分析时，大多采取趋势跟踪为主的单因素或者双因素识别算法，考虑的维度较少，并且不提供用户走势解析和交易计划工具。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本公开提出一种文字生成方法，能够从多个维度的数据对股票的行情数据进行分析，并对各个维度的数据特征结果以文字提示信息的方式进行展示，从而为用户提供了直观的股票分析结果。
本公开一方面实施例提出了一种文字生成方法，包括：
获取行情数据；其中，所述行情数据中携带标签数据，所述标签数据用于指示多个维度的数据；
将所述行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，其中，所述第一特征提取模型已经学习得到所述行情数据中每一个维度的数据，与对应维度的数据特征结果之间的映射关系；
将所述多个维度的数据特征结果输入经过训练的文字生成模型，以得到与所述多个维度的数据特征结果对应的文字信息，其中，所述文字生成模型已经学习得到各个维度的数据特征结果与所述文字信息之间的映射关系；
根据所述多个维度的数据特征结果对应的文字信息，生成所述行情数据的文字提示信息。
本公开另一方面实施例提出了一种文字生成装置，包括：
获取模块，用于获取行情数据；其中，所述行情数据中携带标签数据，所述标签数据用于指示多个维度的数据；
第一处理模块，用于将所述行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，其中，所述第一特征提取模型已经学习得到所述行情数据中每一个维度的数据，与对应维度的数据特征结果之间的映射关系；
第二处理模块，用于将所述多个维度的数据特征结果输入经过训练的文字生成模型，以得到与所述多个维度的数据特征结果对应的文字信息，其中，所述文字生成模型已经学习得到各个维度的数据特征结果与所述文字信息之间的映射关系；
生成模块，用于根据所述多个维度的数据特征结果对应的文字信息，生成所述行情数据的文字提示信息。
本公开又一方面实施例提出了一种文字生成系统，包括：行情系统、计算层以及接口层；
其中，所述行情系统，用于提供行情数据；
所述计算层，用于将所述行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果；将所述多个维度的数据特征结果输入经过训练的文字生成模型，以得到与所述多个维度的数据特征结果对应的文字信息；以及根据所述多个维度的数据特征结果对应的文字信息，生成所述行情数据的文字提示信息。
所述接口层，用于将所述行情数据的文字提示信息推送至客户端进行显示。
本公开又一方面实施例提出了一种计算机设备，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述实施例中所述的文字生成方法。
本公开又一方面实施例提出了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非暂态计算机可读指令，所述计算机可读指令用于使计算机执行上述实施例所述的文字生成方法。
本公开实施例提供的技术方案可以包含如下的有益效果：通过获取行情数据，将行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，将多个维度的数据特征结果输入经过训练的文字生成模型，以得到与多个维度的数据特征结果对应的文字信息，根据多个维度的数据特征结果对应的文字信息，生成行情数据的文字提示信息。由此，通过生成行情数据中多个维度的文字提示信息将股票走势直观的展现给用户，解决了用户在股票投资过程中看不懂股票走势，无法自助进行投资等技术问题，大大降低了用户理解股票走势状态的门槛，为用户构造交易计划提供了参考依据。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本公开实施例提供的一种文字生成方法的流程示意图；
图2为本公开实施例提供的一种文字生成的示例图；
图3为本公开实施例提供的另一种文字生成方法的流程示意图；
图4为本公开实施例提供的一种文字生成装置的结构示意图；
图5为本公开实施例提供的一种文字生成系统的结构示意图；
图6是图示根据本公开的实施例的计算机设备的硬件结构示意图；以及
图7是图示根据本公开实施例的计算机可读存储介质的示意图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
下面参考附图描述本公开实施例的文字生成方法和装置。
图1为本公开实施例提供的一种文字生成方法的流程示意图。
如图1所示，该文字生成方法包括以下步骤：
步骤101，获取行情数据。
其中，行情数据中携带标签数据，标签数据用于指示多个维度的数据。
本公开实施例中，在需要对股票进行综合分析时，首先从行情系统中获取用户所选的所有股票的行情数据，以及对行情数据进行分析的波段公式。
需要说明的是，每支股票都有不同维度的标签，从行情系统获取到的行情数据后，进一步确定每支自选股携带的标签数据。例如，行情数据携带的标签数据可以包括K线组合、均线趋势、成交量、涨跌幅度以及资金流向中的至少一个。
其中，K线是一条柱状的线条，由影线和实体组成。影线在实体的上方的部分叫上影线，下方的部分叫下影线。实体线分阳线和阴线两种，又称红阳线和黑阴线。k线是由一段时间内的开盘价、收盘价、最高价和最低价组成，表示这段时间内买卖双方的力量对比情况。一条k线记录的就是某一种股票一天的价格变动范围。成交量是指单位时间内股票交易市场或个股买卖的交易总量。涨跌幅度是指以本股票对应的指数作为参考，确定本股票相对于指数的相对涨跌幅度。例如，本股票涨了10％，指数同阶段涨幅5％，则相对涨幅5％。
步骤102，将行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果。
其中，第一特征提取模型已经学习得到行情数据中每一个维度的数据，与对应维度的数据特征结果之间的映射关系。
本公开实施例中，在获取到行情数据后，可以将行情数据输入经过训练的第一特征提取模型，以根据第一特征提取模型的输出确定行情数据中多个维度的数据特征结果。
由于第一特征提取模型是根据样本数据进行训练得到的，已经学习得到行情数据中多个维度的数据，与多个维度的数据特征结果之间的映射关系，因此将获取到的行情数据输入经过训练的第一特征提取模型后，能够准确输出多个维度的数据特征结果。
在一种可能的情况下，多个维度的数据特征结果可以包括K线组合、均线趋势、成交量、涨跌幅度以及资金流向等特征结果中的至少一个。
需要解释的是，第一特征提取模型输出的数据特征结果的维度与输入的行情数据的维度相关，如，输入第一特征提取模型的行情数据的维度为3，则可以得到3个维度对应的数据特征结果。
步骤103，将多个维度的数据特征结果输入经过训练的文字生成模型，以得到与多个维度的数据特征结果对应的文字信息。
其中，文字生成模型已经学习得到各个维度的数据特征结果与文字信息之间的映射关系。
为了使得第一特征提取模型输出的多个维度的数据特征结果更加直观的展示给用户，可以将多个维度的数据特征结果以文字的形式呈现给用户。
本公开中，在获取到第一特征提取模型输出的多个维度的数据特征结果后，可以将多个维度的数据特征结果输入经过训练的文字生成模型，以根据文字生成模型的输出得到多个维度的数据特征结果对应的文字信息。
由于文字生成模型已经学习得到各个维度的数据特征结果与文字信息之间的映射关系，因此，将多个维度的数据特征结果输入经过训练的文字生成模型之后，能够准确输出用于对各个维度的数据特征结果进行描述的文字信息。
需要说明的是，行情数据中包括多个维度的数据，在得到各个维度的数据特征结果之后，可以得到各个维度的数据特征结果对应的文字信息。但是，当某一维度的数据对应的特征不够显著时，可以不生成相应维度的数据特征结果对应的文字信息。
步骤104，根据多个维度的数据特征结果对应的文字信息，生成行情数据的文字提示信息。
本公开实施例中，将多个维度的数据特征结果输入经过训练的文字生成模型，得到的与各个维度的数据特征结果对应的文字信息之后，可以按照一定的逻辑对多个维度的数据特征结果对应的文字信息进行整合，以生成行情数据的文字提示信息。
作为一种可能的实现方式，可以获取行情数据的文字提示信息的模板库，以从模板库中获取与多个维度的数据特征结果对应的模板，根据各个维度的数据特征结果对应的模板中设置的槽位，在各个维度的数据特征结果对应的文字信息与槽位对应的文本位置，提取得到槽位的填槽内容，以得到行情数据的文字提示信息。
在一种可能的情况下，在生成行情数据的文字提示信息后，可以将行情数据的文字提示信息推送至客户端进行显示，以使得用户根据客户端展示的文字提示信息更加直观的理解股票的走势。
作为一种示例，可以得到如图2所示的行情数据的文字提示信息，以使得用户根据易于理解的文字提示信息实现自助式的投资咨询，给用户的交易提供参考。
本公开实施例的文字生成方法，通过获取行情数据，将行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，将多个维度的数据特征结果输入经过训练的文字生成模型，以得到与多个维度的数据特征结果对应的文字信息，根据多个维度的数据特征结果对应的文字信息，生成行情数据的文字提示信息。由此，通过生成行情数据中多个维度的文字提示信息将股票走势直观的展现给用户，解决了用户在股票投资过程中看不懂股票走势，无法自助进行投资等技术问题，大大降低了用户理解股票走势状态的门槛，为用户构造交易计划提供了参考依据。
在上述实施例的基础上，在一种可能的情况下，在采用第一特征提取模型生成多个维度的数据特征结果时，可以根据生成的第一类型文件对行情数据进行处理，以得到行情数据中多个维度的数据特征结果。下面结合图3对上述过程进行详细介绍，图3为本公开实施例提供的另一种文字生成方法的流程示意图。
如图3所示，上述步骤102还可以包括以下步骤：
步骤201，对第一特征提取模型进行词法分析和语法分析，以得到第一类型文件。
其中，第一特征提取模型，可以通过对股票的历史数据进行识别，以预测股票的价格走势，并可以对股票的走势进行解析，通过统计分析对股票进行风险提示。第一类型文件，是指可以被语法树解释器执行的语法树类型的文件，例如，第一类型文件可以为扩展名为“AST”的文件。
在一种可能的情况下，第一特征提取模型可以包括语法树生成器和语法树解释器，语法树生成器可以包括词法分析模块和语法分析模块，其中，词法分析模块用于将字符从左到右地读入源程序，即对构成源程序的字符流进行扫描然后根据构词规则识别单词(也称单词符号或符号)。语法分析模块的任务是在词法分析的基础上将单词序列组合成各类语法短语，如“程序”，“语句”，“表达式”等等。语法分析模块可以判断源程序在结构上是否正确。
在本公开实施例中，将第一特征提取模型输入语法树生成器后，词法分析模块对第一特征提取模型进行识别得到单词序列，进而采用语法分析模块对识别得到的单词序列进行组合，以生成语法树解释器能够执行的第一类型文件。
由此，通过语法树生成器将第一特征提取模型生成第一类型文件，不需要为第一特征提取模型单独编写高级程序语言就可以被语法树解释器执行，实现了公式计算的参数化和通用化。
在一种可能的情况下，将第一特征提取模型输入语法树生成器，得到第一类型文件后，可以对第一类型文件进行存储。例如，可以将第一类型文件存储至分布式存储器。由此，在语法树解释器需要执行第一类型文件时，可以直接从分布式存储器中获取第一类型文件，从而有利于提高数据处理的速度。
作为本公开实施例的一种可能的情况，可以将波段公式和第一特征提取模型一起输入语法树生成器，通过对波段公式和第一特征提取模型进行词法分析和语法分析，可以得到语法树类型的第一类型文件。
步骤202，根据第一类型文件对行情数据进行处理，以生成行情数据中多个维度的数据特征结果。
本公开实施例中，对第一特征提取进行词法分析和语法分析，得到第一类型文件之后，可以根据第一类型文件对行情数据进行处理，以生成行情数据中多个维度的数据特征结果。
可选地，可以从分布式存储器中获取第一类型文件，并将行情数据作为参数，解释执行波段公式，得到多个维度的数据特征结果。
本公开实施例中，从分布式存储器中获取到第一类型文件后，可以解释执行波段公式，得到多个维度的数据特征结果之后，可以将多个维度的数据特征结果进行存储。
可选地，可以将多个维度的数据特征结果发送至波段信号生成器，波段信号生成器接收到多个维度的数据特征结果之后，可以将多个维度的数据特征结果存储至信号存储器。
步骤203，根据多个维度的数据特征结果生成推送信号。
本公开实施例中，在生成多个维度的数据特征结果之后，还可以根据多个维度的数据特征结果生成推送信号。
可选地，波段信号生成器将多个维度的数据特征结果存储至信号存储器中，同时，可以根据多个维度的数据特征结果生成推送信号。
步骤204，向客户端发送推送信号，以使得客户端进行信号查询后获取到数据特征结果。
本公开实施例中，在根据多个维度的数据特征结果生成推送信息后，可以将推送信号实时推送至客户端，从而使得客户端接收到推送信号后，进行信号查询，以根据查询结果获取到信号存储器中存储的多个维度的数据特征结果。
可以理解的是，波段信号生成器根据多个维度的数据特征结果生成推送信号后，可以实时地将数据特征结果推送至用户，以给用户提供每日股票动态变化的走势解析信息。
由此，通过对第一特征提取模型进行词法分析和语法分析，以得到第一类型文件，根据第一类型文件对行情数据进行处理，以生成行情数据中多个维度的数据特征结果，根据多个维度的数据特征结果生成推送信号；向客户端发送推送信号，以使得客户端进行信号查询后获取到数据特征结果。由此，使得用户可以根据客户端展示的多个维度的数据特征结果，掌握股票的走势。
为了实现上述实施例，本公开实施例还提出一种文字生成装置。
图4为本公开实施例提供的一种文字生成装置的结构示意图。
如图4所示，该文字生成装置400，可以包括：获取模块410、第一处理模块420、第二处理模块430以及生成模块440。
其中，获取模块410，用于获取行情数据；其中，行情数据中携带标签数据，所述标签数据用于指示多个维度的数据。
第一处理模块420，用于将行情数据输入经过训练的第一特征提取，以得到多个维度的数据特征结果，其中，第一特征提取模型已经学习得到行情数据中每一个维度的数据，与对应维度的数据特征结果之间的映射关系。
第二处理模块430，用于将多个维度的数据特征结果输入经过训练的文字生成模型，以得到与多个维度的数据特征结果对应的文字信息，其中，文字生成模型已经学习得到各个维度的数据特征结果与文字信息之间的映射关系。
生成模块440，用于根据多个维度的数据特征结果对应的文字说明，生成行情数据的文字提示信息。
作为一种可能的情况，第一处理模块420，还可以用于：
对第一特征提取模型进行词法分析和语法分析，以得到第一类型文件；
根据第一类型文件对行情数据进行处理，以生成行情数据中多个维度的数据特征结果。
作为另一种可能的情况，第一处理模块420，还可以用于：
对第一类型文件进行存储。
作为另一种可能的情况，第一处理模块420，还可以用于：
对多个维度的数据特征结果进行存储。作为另一种可能的情况，第一处理模块420，还可以用于：
根据多个维度的数据特征结果生成推送信号；
向客户端发送推送信号，以使得客户端进行信号查询后获取到数据特征结果。作为另一种可能的情况，该文字生成装置400，还可以包括：
显示模块，用于将行情数据的文字提示信息推送至客户端进行显示。
作为另一种可能的情况，多个维度的数据可以包括：K线组合、均线趋势、成交量、涨跌幅度以及资金流向中的至少一个。
需要说明的是，前述对文字生成方法实施例的解释说明也适用于该实施例的文字生成装置，此处不再赘述。
本公开实施例的文字生成装置，通过获取行情数据，将行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，将多个维度的数据特征结果输入经过训练的文字生成模型，以得到与多个维度的数据特征结果对应的文字信息，根据多个维度的数据分析结果对应的文字信息，生成行情数据的文字提示信息。由此，通过生成行情数据中多个维度的文字提示信息将股票走势直观的展现给用户，解决了用户在股票投资过程中看不懂股票走势，无法自助进行投资等技术问题，大大降低了用户理解股票走势状态的门槛，为用户构造交易计划提供了参考依据。
为了实现上述实施例，本公开实施例还提出了一种文字生成系统。
图5为本公开实施例提供的一种文字生成系统的结构示意图。
如图5所示，该文字生成系统500，可以包括：行情系统510、计算层520以及接口层530。
其中，行情系统510，用于提供行情数据。
计算层520，用于将行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，其中，第一特征提取模型已经学习得到行情数据中每一个维度的数据，与所述对应维度的数据特征结果之间的映射关系；
将多个维度的数据特征结果输入经过训练的文字生成模型，以得到与多个维度的数据特征结果对应的文字信息，其中，文字生成模型已经学习得到各个维度的数据特征结果与文字信息之间的映射关系；以及根据多个维度的数据特征结果对应的文字信息，生成行情数据的文字提示信息。
接口层530，用于将行情数据的文字提示信息推送至客户端进行显示。
需要说明的是，前述对文字生成方法实施例的解释说明也适用于该实施例的文字生成系统，此处不再赘述。
由此，通过生成行情数据中多个维度的文字提示信息将股票走势直观的展现给用户，解决了用户在股票投资过程中看不懂股票走势，无法自助进行投资等技术问题，大大降低了用户理解股票走势状态的门槛，为用户构造交易计划提供了参考依据。
为了实现上述实施例，本公开提出了一种计算机设备，包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述所述的文字生成方法
图6是图示根据本公开实施例的计算机设备的硬件结构示意图。计算机设备可以以各种形式来实施，本公开实施例中的计算机设备可以包括但不限于诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载终端设备、车载显示终端、车载电子后视镜等等的移动终端设备以及诸如数字TV、台式计算机等等的固定终端设备。
下面参考图6，其示出了适于用来实现本公开实施例的计算机设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的计算机设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，计算机设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有计算机设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许计算机设备800与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的计算机设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801执行时，执行本公开实施例的方法中限定的上述功能。
为了实现上述实施例，本公开实施例还提出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非暂态计算机可读指令，所述计算机可读指令用于使计算机执行上述实施例所述的文字生成方法。
图7是图示根据本公开实施例的计算机可读存储介质的示意图。如图7所示，根据本公开实施例的计算机可读存储介质300，其上存储有非暂态计算机可读指令301。当该非暂态计算机可读指令301由处理器运行时，执行前述的本公开各实施例的文字生成方法的全部或部分步骤。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述计算机设备中所包含的；也可以是单独存在，而未装配入该计算机设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该计算机设备执行时，使得该计算机设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该计算机设备执行时，使得该计算机设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

Claims (17)

1.一种文字生成方法，其特征在于，所述方法包括：
获取行情数据；其中，所述行情数据中携带标签数据，所述标签数据用于指示多个维度的数据；
将所述行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，其中，所述第一特征提取模型已经学习得到所述行情数据中每一个维度的数据，与对应维度的数据特征结果之间的映射关系；
将所述多个维度的数据特征结果输入经过训练的文字生成模型，以得到与所述多个维度的数据特征结果对应的文字信息，其中，所述文字生成模型已经学习得到各个维度的数据特征结果与所述文字信息之间的映射关系；
根据所述多个维度的数据特征结果对应的文字信息，生成所述行情数据的文字提示信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述行情数据输入经过训练的第一特征提取模型，以得到数据特征结果，包括：
对所述第一特征提取模型进行词法分析和语法分析，以得到第一类型文件；
根据所述第一类型文件对所述行情数据进行处理，以生成所述行情数据中多个维度的数据特征结果。
3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征提取模型进行词法分析和语法分析，以得到第一类型文件之后，还包括：
对所述第一类型文件进行存储。
4.根据权利要求2所述的方法，其特征在于，所述生成所述行情数据中多个维度的数据特征结果之后，还包括：
对所述多个维度的数据特征结果进行存储。
5.根据权利要求4所述的方法，其特征在于，所述根据所述多个维度的数据特征结果生成推送信号之后，还包括：
根据所述多个维度的数据特征结果生成推送信号；
向客户端发送所述推送信号，以使得所述客户端进行信号查询后获取到所述数据特征结果。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述生成所述行情数据的文字提示信息之后，包括：
将所述行情数据的文字提示信息推送至客户端进行显示。
7.根据权利要求1-5任一项所述的方法，其特征在于，所述多个维度的数据包括：K线组合、均线趋势、成交量、涨跌幅度以及资金流向中的至少一个。
8.一种文字生成装置，其特征在于，所述装置包括：
获取模块，用于获取行情数据；其中，所述行情数据中携带标签数据，所述标签数据用于指示多个维度的数据；
第一处理模块，用于将所述行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果，其中，所述第一特征提取模型已经学习得到所述行情数据中每一个维度的数据，与对应维度的数据特征结果之间的映射关系；
第二处理模块，用于将所述多个维度的数据特征结果输入经过训练的文字生成模型，以得到所述多个维度的数据特征结果对应的文字信息，其中，所述文字生成模型已经学习得到各个维度的数据特征结果与所述文字信息之间的映射关系；
生成模块，用于根据所述多个维度的数据特征结果对应的文字信息，以生成所述行情数据的文字提示信息。
9.根据权利要求8所述的装置，其特征在于，所述第一处理模块，还用于：
对所述第一特征提取模型进行词法分析和语法分析，以得到第一类型文件；
根据所述第一类型文件对所述行情数据进行处理，以生成所述行情数据中多个维度的数据特征结果。
10.根据权利要求9所述的装置，其特征在于，所述第一处理模块，还用于：
对所述第一类型文件进行存储。
11.根据权利要求9所述的装置，其特征在于，所述第一处理模块，还用于：
对所述多个维度的数据特征结果进行存储。
12.根据权利要求11所述的装置，其特征在于，所述第一处理模块，还用于：
根据所述多个维度的数据特征结果生成推送信号；
向客户端发送所述推送信号，以使得所述客户端进行信号查询后获取到所述数据特征结果。
13.根据要求9-12任一项所述的装置，其特征在于，所述装置还包括：
显示模块，用于将所述行情数据的文字提示信息推送至客户端进行显示。
14.根据要求9-12任一项所述的装置，其特征在于，所述多个维度的数据包括：K线组合、均线趋势、成交量、涨跌幅度以及资金流向中的至少一个。
15.一种文字生成系统，其特征在于，包括：行情系统、计算层以及接口层；
其中，所述行情系统，用于提供行情数据；
所述计算层，用于将所述行情数据输入经过训练的第一特征提取模型，以得到多个维度的数据特征结果；其中，所述第一特征提取模型已经学习得到所述行情数据中每一个维度的数据，与对应维度的数据特征结果之间的映射关系；
将所述数据特征结果输入经过训练的文字生成模型，以得到与所述数据特征结果对应的文字信息，其中，所述文字生成模型已经学习得到各个维度的数据特征结果与所述文字说明之间的映射关系；以及根据所述数据特征结果对应的文字信息，生成所述行情数据的文字提示信息；
所述接口层，用于将所述行情数据的文字提示信息推送至客户端进行显示。
16.一种计算机设备，其特征在于，包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1-7任一项所述的文字生成方法。
17.一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非暂态计算机可读指令，所述计算机可读指令用于使所述计算机执行权利要求1-7任一项所述的文字生成方法。
CN202010742767.7A 2020-07-29 2020-07-29 文字生成方法和装置 Active CN111857935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010742767.7A CN111857935B (zh) 2020-07-29 2020-07-29 文字生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010742767.7A CN111857935B (zh) 2020-07-29 2020-07-29 文字生成方法和装置

Publications (2)

Publication Number Publication Date
CN111857935A true CN111857935A (zh) 2020-10-30
CN111857935B CN111857935B (zh) 2023-12-22

Family

ID=72945059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010742767.7A Active CN111857935B (zh) 2020-07-29 2020-07-29 文字生成方法和装置

Country Status (1)

Country Link
CN (1) CN111857935B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050198073A1 (en) * 2004-03-02 2005-09-08 Fraunhofer Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Method for the automated annotation of multi-dimensional database reports with information objects of a data repository
JP2010123149A (ja) * 2010-03-12 2010-06-03 Ntt Data Corp 会計情報収集・分析システム及びその方法並びにプログラム
US20110153611A1 (en) * 2009-12-22 2011-06-23 Anil Babu Ankisettipalli Extracting data from a report document
US20160012015A1 (en) * 2014-07-08 2016-01-14 Tuyen Tran Visual form based analytics
CN105808712A (zh) * 2016-03-07 2016-07-27 陈宽 将文本类医疗报告转换为结构化数据的智能系统及方法
US20170069043A1 (en) * 2015-09-04 2017-03-09 Palantir Technologies Inc. Systems and methods for structuring data from unstructured electronic data files
CN108038164A (zh) * 2017-12-06 2018-05-15 上海宽全智能科技有限公司 数据关联方法、设备及存储介质
CN111198942A (zh) * 2018-10-31 2020-05-26 合肥神策数据网络科技有限公司 数据分析报告生成方法、装置、移动终端及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050198073A1 (en) * 2004-03-02 2005-09-08 Fraunhofer Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Method for the automated annotation of multi-dimensional database reports with information objects of a data repository
US20110153611A1 (en) * 2009-12-22 2011-06-23 Anil Babu Ankisettipalli Extracting data from a report document
JP2010123149A (ja) * 2010-03-12 2010-06-03 Ntt Data Corp 会計情報収集・分析システム及びその方法並びにプログラム
US20160012015A1 (en) * 2014-07-08 2016-01-14 Tuyen Tran Visual form based analytics
US20170069043A1 (en) * 2015-09-04 2017-03-09 Palantir Technologies Inc. Systems and methods for structuring data from unstructured electronic data files
CN105808712A (zh) * 2016-03-07 2016-07-27 陈宽 将文本类医疗报告转换为结构化数据的智能系统及方法
WO2017152802A1 (zh) * 2016-03-07 2017-09-14 陈宽 将文本类医疗报告转换为结构化数据的智能系统及方法
CN108038164A (zh) * 2017-12-06 2018-05-15 上海宽全智能科技有限公司 数据关联方法、设备及存储介质
CN111198942A (zh) * 2018-10-31 2020-05-26 合肥神策数据网络科技有限公司 数据分析报告生成方法、装置、移动终端及存储介质

Also Published As

Publication number Publication date
CN111857935B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
CN108416310B (zh) 用于生成信息的方法和装置
CN108985358B (zh) 情绪识别方法、装置、设备及存储介质
CN111143535B (zh) 用于生成对话模型的方法和装置
CN108121699B (zh) 用于输出信息的方法和装置
CN112328761B (zh) 一种意图标签设置方法、装置、计算机设备及存储介质
CN111159220B (zh) 用于输出结构化查询语句的方法和装置
CN109408834B (zh) 辅助机器翻译方法、装置、设备及存储介质
US20230259712A1 (en) Sound effect adding method and apparatus, storage medium, and electronic device
CN111653274B (zh) 唤醒词识别的方法、装置及存储介质
WO2022037419A1 (zh) 音频内容识别方法、装置、设备和计算机可读介质
CN108897853A (zh) 生成推送信息的方法和装置
CN111582360A (zh) 用于标注数据的方法、装置、设备和介质
CN112989050A (zh) 一种表格分类方法、装置、设备及存储介质
CN112364653A (zh) 用于语音合成的文本分析方法、装置、服务器和介质
CN110852042A (zh) 字符类型转换方法和装置
CN113111167A (zh) 基于深度学习模型的接处警文本车辆型号提取方法和装置
CN110705308A (zh) 语音信息的领域识别方法、装置、存储介质及电子设备
US20220300717A1 (en) Method and apparatus for generating dialogue state
CN111857935B (zh) 文字生成方法和装置
CN115620726A (zh) 语音文本生成方法、语音文本生成模型的训练方法、装置
CN115470790A (zh) 一种识别文件中的命名实体的方法和装置
CN110516024B (zh) 地图搜索结果展现方法、装置、设备和存储介质
CN113450764A (zh) 文本语音识别方法、装置、设备及存储介质
CN112308745A (zh) 用于生成信息的方法和装置
CN111310858A (zh) 用于生成信息的方法和装置

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
CB02 Change of applicant information

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant before: Tiktok vision (Beijing) Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Applicant after: Tiktok vision (Beijing) Co.,Ltd.

Address before: Room B0035, 2nd floor, No. 3 Courtyard, 30 Shixing Street, Shijingshan District, Beijing, 100041

Applicant before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant