CN114880590A - 多语言网站货币自动转换系统及其方法 - Google Patents
多语言网站货币自动转换系统及其方法 Download PDFInfo
- Publication number
- CN114880590A CN114880590A CN202210375578.XA CN202210375578A CN114880590A CN 114880590 A CN114880590 A CN 114880590A CN 202210375578 A CN202210375578 A CN 202210375578A CN 114880590 A CN114880590 A CN 114880590A
- Authority
- CN
- China
- Prior art keywords
- conversion
- value
- module
- currency
- target
- 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.)
- Pending
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
- G06F16/90—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
- 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
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/263—Language identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06Q20/381—Currency conversion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域,公开了一种多语言网站货币自动转换系统及其方法,包括接收模块、识别模块、爬取模块、计算模块和输出模块,所述接收模块,用于接收来自于多语言网站货币的原始金额信息;所述识别模块,用于识别出所述接收模块接收的所述原始金额信息对应的金额数值和目标货币种类;所述爬取模块,用于爬取到当前时间的转换汇率值;所述计算模块,用于根据所述爬取模块爬取到的转换汇率值和所述所述识别模块识别的所述金额数值、目标货币种类进行转换计算;所述输出模块,用于将所述计算模块计算得到的目标金额数值输出至多语言网站上;本发明给用户带来了便利,提高了货币转换的体验,提高查询的效率以及转换目标币种的效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种多语言网站货币自动转换系统及其方法。
背景技术
现代社会,需要查询货币汇率的人越来越多,以往在查询货币汇率时需要到银行,但是在不方便去银行时,这种查找方式给人们带来了诸多不便。随着科技的发展,上网在广大用户中得到了普及和使用,而且为了便于用户的使用,越来越多的货币转换的网页端被开发并使用在电脑上,人们也开始使用电脑上网的方式来查询货币汇率;由于现在面向全球化,货币转换查询也必须考虑实现多语言的能力,并且即使在一个国家也会面临多语言应用的场景;现有的技术很难大规模,全面地进行多语言货币自动转换。如果随机寻找多语言,会浪费大量的时间,大大降低了查询的效率以及转换目标币种的效率。
发明内容
有鉴于此,有必要针对查询效率低等的问题,提供一种多语言网站货币自动转换系统及其方法。
一种多语言网站货币自动转换系统,所述多语言网站货币自动转换系统,包括接收模块、识别模块、爬取模块、计算模块和输出模块,
所述接收模块,用于接收来自于多语言网站货币的原始金额信息;
所述识别模块,用于识别出所述接收模块接收的所述原始金额信息对应的金额数值和目标货币种类;
所述爬取模块,用于爬取到当前时间的转换汇率值;
所述计算模块,用于根据所述爬取模块爬取到的转换汇率值和所述所述识别模块识别的所述金额数值、目标货币种类进行转换计算;
所述输出模块,用于将所述计算模块计算得到的目标金额数值输出至多语言网站上。
在其中一个实施例中,所述接收模块的输出端与所述识别模块的输入端连接,所述识别模块和所述爬取模块的输出端与所述计算模块的输入端连接,所述计算模块的输出端与所述输出模块的输入端连接。
一种多语言网站货币自动转换方法,所述多语言网站货币自动转换方法包括以下步骤:
获取当前用户通过多语言网站输入的原始金额信息,并根据所述原始金额信息确定待转换的金额数值;
获取当前用户通过多语言网站选择的目标货币种类,并根据所述目标货币种类,确定当前时间的转换汇率值;
根据所述转换汇率值,对所述待转换的金额数值进行转换计算,以得到目标金额数值;
响应于所述目标货币种类,对所述目标金额数值进行输出,以供所述当前用户通过所述多语言网站查看转换结果。
在其中一个实施例中,所述获取当前用户通过多语言网站输入的原始金额信息,并根据所述原始金额信息确定待转换的金额数值,包括:
获取当前用户的访问请求,并根据所述访问请求确定所述当前用户的地理位置;
根据所述地理位置确定对应的网页语言,并从多语言网站中调用所述网页语言对应的网页文本;
获取所述当前用户通过所述多语言网站输入的原始金额信息,并提取所述原始金额信息中货币符号,并根据所述货币符号确定对应的原始货币种类;
通过Python脚本计算出所述原始金额信息的特征数据,将所述特征数据输入预先训练好的BP神经网络模型中,以数据所述原始金额信息对应的语种信息;
响应于所述原始货币种类和所述语种信息,以根据对应的计数单位拆分所述原始金额信息,得到待转换的金额数值。
在其中一个实施例中,所述获取当前用户通过多语言网站选择的目标货币种类,并根据所述目标货币种类,确定当前时间的转换汇率值,包括:
获取所述多语言网站生成的汇率抓取请求,并解析所述目标货币种类,以得到解析数据;
将所述解析数据进行格式化,以得到格式化数据,调用汇率数据库,并根据所述解析数据建立索引,将所述格式化数据传输至所述汇率数据库;
根据所述汇率抓取请求,确定当前时间,并根据所述当前时间生成对应的时间参数,以将所述时间参数传输至所述汇率数据库;
根据所述格式化数据和所述时间参数,从所述汇率数据库中进行查询,以得到汇率查询数据;
在Python中使用pandas执行SQL语句对所述汇率查询数据进行数据分析,以得到当前时间的转换汇率值,并将所述转换汇率值可视化展示于所述多语言网站。
在其中一个实施例中,所述根据所述转换汇率值,对所述待转换的金额数值进行转换计算,以得到目标金额数值,包括:
获取所述转换汇率值,并将所述转换汇率值输入到预先训练好的数值计算模型中,以供对所述待转换的金额数值进行转换计算;
根据所述数值计算模型,分析当前时间的所述待转换的金额数值,以输出目标金额数值;
其中通过机器学习算法对样本进行学习,使得所述机器学习模型通过样本的学习掌握金额数值和转换汇率值的计算,以得到所述数值计算模型。
在其中一个实施例中,所述响应于所述目标货币种类,对所述目标金额数值进行输出,以供所述当前用户通过所述多语言网站查看转换结果,包括:
获取所述目标金额数值的多个数值位置,利用Skip-gram模型学习得到多个数值位置嵌入向量,其中,每个数值位置对应一个数值位置嵌入向量;
结合所述目标货币种类和所述原始金额信息对应的语种信息,将每个数值位置嵌入向量从原始向量空间转换到语义向量空间;
利用LSTM模型检测所述语义向量空间,以获得转换结果;
将所述转换结果发送至区块链节点。
在其中一个实施例中,所述Skip-gram模型使用softmax函数定义p(w0|wi):
其中,v′w,vw分别表示词w的输出向量和输入向量。
在其中一个实施例中,所述LSTM模型包括:输入层、隐藏层和输出层,每个层添加有Dropout操作。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的多语言网站货币自动转换方法的步骤。
上述多语言网站货币自动转换系统及其方法,相比于现有技术,优点在于:
1、本发明中,可自动识别当前用户所处地理位置,便于多语言网站调用对应的网页语言,更好地面向全球化,提高用户使用货币转换功能的便捷性;
2、本发明中,可自动识别语种信息、货币种类等数据,提高货币转换查询的效率以及转换目标币种的效率;
3、本发明中,支持多种货币种类转换,给用户带来了便利,提高了用户使用货币转换的体验,适用性广;
4、本发明中,转换汇率值为最新的实时汇率数据,使得转换计算后得到的目标金额数值更加准确。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
图1为本发明多语言网站货币自动转换系统的实施例示意图;
图2为本发明多语言网站货币自动转换方法的实施例示意图;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1.
作为一个较好的实施例,如图1所示,一种多语言网站货币自动转换系统,用于在网页端进行货币转换,该多语言网站货币自动转换系统包括接收模块、识别模块、爬取模块、计算模块和输出模块,具体地,
接收模块,用于接收来自于多语言网站货币的原始金额信息;
识别模块,用于识别出接收模块接收的原始金额信息对应的金额数值和目标货币种类;
爬取模块,用于爬取到当前时间的转换汇率值;
计算模块,用于根据爬取模块爬取到的转换汇率值和识别模块识别的金额数值、目标货币种类进行转换计算;
输出模块,用于将计算模块计算得到的目标金额数值输出至多语言网站上。
本发明中,接收模块的输出端与识别模块的输入端连接,识别模块和爬取模块的输出端与计算模块的输入端连接,计算模块的输出端与输出模块的输入端连接。
本发明实施例中,通过接收模块、识别模块、爬取模块、计算模块和输出模块,提高货币转换查询的效率以及转换目标币种的效率,给用户带来了便利,提高了用户使用货币转换的体验,适用性广,转换后得到的目标金额数值准确。
实施例2.
作为一个较好的实施例,如图2所示,一种多语言网站货币自动转换方法,用于在网页端进行货币转换,该多语言网站货币自动转换方法包括以下步骤:
步骤101、获取当前用户通过多语言网站输入的原始金额信息,并根据原始金额信息确定待转换的金额数值;
本实施例中,用户通过多语言网站进行货币转换查询时,具体过程如以下步骤1011-步骤1015所示。
步骤1011、获取当前用户的访问请求,并根据访问请求确定当前用户的地理位置;
步骤1012、根据地理位置确定对应的网页语言,并从多语言网站中调用网页语言对应的网页文本;
其中,步骤1011-步骤1012可自动识别当前用户所处地理位置,便于多语言网站调用对应的网页语言,更好地面向全球化,提高用户使用货币转换功能的便捷性;多语言网站采用同一模板,利用Resource Bundle配置多语言resource文件,实现网页上不同语言版本的显示,采用XML Resource Bundle,采用XML文件的方式定义配置文件,XML文件本身可以很好的描述自己的编码格式。
步骤1013、获取当前用户通过多语言网站输入的原始金额信息,并提取原始金额信息中货币符号,并根据货币符号确定对应的原始货币种类;
步骤1014、通过Python脚本计算出原始金额信息的特征数据,将特征数据输入预先训练好的BP神经网络模型中,以数据原始金额信息对应的语种信息;
其中,步骤1013-步骤1014可自动识别语种信息、货币种类等数据,提高货币转换查询的效率以及转换目标币种的效率;BP神经网络模型第一区域的来说,它们相当于外界的刺激,是刺激的来源并且将刺激传递给神经元,因此把第一区域命名为输入层。第二区域,表示神经元相互之间传递刺激相当于人脑里面,因此把第二区命名为隐藏层。第三区域,表示神经元经过多层次相互传递后对外界的反应,因此把第三区域命名为输出层,输入层将刺激传递给隐藏层,隐藏层通过神经元之间联系的强度(权重)和传递规则(激活函数)将刺激传到输出层,输出层整理隐藏层处理的后的刺激产生最终结果。若有正确的结果,那么将正确的结果和产生的结果进行比较,得到误差,再逆推对神经网中的链接权重进行反馈修正,从而来完成学习的过程。
步骤1015、响应于原始货币种类和语种信息,以根据对应的计数单位拆分原始金额信息,得到待转换的金额数值。
其中,计数单位就是数字计量单位,例如个、十、百、千等等,计数单位通常采用十进制计数法,即相邻单位之间的进率是“十”,计数单位包含整数部分和小数部分两大块,并按一定顺序进行排列,以得到计数单位序列,更准确的得到待转换的金额数值。
步骤102、获取当前用户通过多语言网站选择的目标货币种类,并根据目标货币种类,确定当前时间的转换汇率值;
本实施例中,对用户输入的原始金额信息进行识别、分析,并获取到当前时间的转换汇率值,具体过程如以下步骤1021-步骤1025所示。
步骤1021、获取多语言网站生成的汇率抓取请求,并解析目标货币种类,以得到解析数据;
其中,服务器后端调用预设的解析工具以及数据解析规则,对目标货币种类进行解析,将解析数据根据预设的通用格式进行通用格式的转换,得到符合通用格式的解析数据。其中,对数据进行解析和数据的通用格式的转换技术属于现有技术,本实施例在此不做限定;解析数据的格式和通用格式可根据实际情况进行设置。
步骤1022、将解析数据进行格式化,以得到格式化数据,调用汇率数据库,并根据解析数据建立索引,将格式化数据传输至汇率数据库;
其中,数据的格式化,其实就是数据类型到字符串的数据转换,只不过,这种转换的级别更加高,将任何数值、枚举以及日期和时间等基数据类型表示为字符串。格式化由格式说明符字符的字符串控制,该字符串指示如何表示基类型值。多语言网站的服务器后端将解析数据进行格式化,得到格式化数据。
步骤1023、根据汇率抓取请求,确定当前时间,并根据当前时间生成对应的时间参数,以将时间参数传输至汇率数据库;
其中,日期和时间格式由日期和时间模式字符串指定。在日期和时间模式字符串中,未加引号的字母'A'到'Z'和'a'到'z'被解释为模式字母,用来表示日期或时间字符串元素,通过Simple Date Format类获取自己想要的时间格式,以生成当前时间对应的时间参数,便于后续获取当前时间对应的转换汇率值。
步骤1024、根据格式化数据和时间参数,从汇率数据库中进行查询,以得到汇率查询数据;
其中,Python连接汇率数据库,例如填入格式化数据和时间参数,设置函数爬取汇率数据库进行汇率查询,例如Python爬虫使用函数包括read()函数读取文件所有内容等。
步骤1025、在Python中使用pandas执行SQL语句对汇率查询数据进行数据分析,以得到当前时间的转换汇率值,并将转换汇率值可视化展示于多语言网站。
其中,转换汇率值为最新的实时汇率数据,可以提高货币自动转换的准确率。
步骤103、根据转换汇率值,对待转换的金额数值进行转换计算,以得到目标金额数值;
本实施例中,所述对待转换的金额数值进行转换计算,得到目标金额数值,具体过程如以下步骤1031-步骤1032所示。
步骤1031、获取转换汇率值,并将转换汇率值输入到预先训练好的数值计算模型中,以供对待转换的金额数值进行转换计算;
其中,通过机器学习算法对样本进行学习,使得机器学习模型通过样本的学习掌握金额数值和转换汇率值的计算,以得到数值计算模型;机器学习模型采用线性回归,其基本思想是用梯度下降法对最小二乘法形式的误差函数进行优化,线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法;回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。
步骤1032、根据数值计算模型,分析当前时间的待转换的金额数值,以输出目标金额数值;
其中,数值计算模型在前期将数据集分为两份,一份用作训练模型,一份用作校验模型。校验模型的过程,又细分为评分和校验(调整参数)。评分,也就是评估模型的效果,方式是:将校验数据输入模型得到一些列预期值,将这些预期值与校验数据中的预期特征列进行对比,得到正确率,以此来判断模型的好坏。模型评估,使用已有的技术即可,即使用模型提供的算法进行评估操作,常见的算法模型包括:混淆矩阵、提升图&洛伦兹图、基尼系数、ks曲线,这些算法模型都有提供对应的算法来实现。如果评分不够理想,那么就应该回到前期训练模型的阶段,以得到最后的数值计算模型,转换汇率值为最新的实时汇率数据,输出的目标金额数值更加准确。
步骤104、响应于目标货币种类,对目标金额数值进行输出,以供当前用户通过多语言网站查看转换结果。
本实施例中,得到当前用户输入的原始金额信息转换结果,并输出至多语言网站上,具体过程如以下步骤1041-步骤1044所示。
步骤1041、获取目标金额数值的多个数值位置,利用Skip-gram模型学习得到多个数值位置嵌入向量,其中,每个数值位置对应一个数值位置嵌入向量;
其中,Skip-Gram模型分为两个部分,第一部分为建立模型,第二部分是通过模型获取嵌入词向量。首先基于训练数据构建一个神经网络,当这个模型训练好以后,并不会用这个训练好的模型处理新的任务,真正需要的是这个模型通过训练数据所学得的参数,即隐层的权重矩阵,这些权重在word2vector中实际上就是需要的“word vectors”;
假设有一组词序列[w1,w2,w3,…,wT],则Skip-Gram模型训练的目标函数是:
c是上下文的窗口的大小,c值越大,得到的训练样本越多,结果的精度也就越高,但是训练所需的的时间越长。
Skip-gram模型使用softmax函数定义p(w0|wi):
其中,v′w,vw分别表示词w的输出向量和输入向量。
步骤1042、结合目标货币种类和原始金额信息对应的语种信息,将每个数值位置嵌入向量从原始向量空间转换到语义向量空间;
步骤1043、利用LSTM模型检测语义向量空间,以获得转换结果;
其中,LSTM模型包括:输入层、隐藏层和输出层,每个层添加有Dropout操作;
步骤1044、将转换结果发送至区块链节点;
其中,将转换结果上传至区块链网络中进行存储,由于区块链技术具有不可篡改性使得信息的真实性得到了保证,从而实现确认信息的准确来源,保证转换结果可追溯性。
本发明实施例中,通过获取当前用户通过多语言网站输入的原始金额信息,并根据原始金额信息确定待转换的金额数值,获取当前用户通过多语言网站选择的目标货币种类,并根据目标货币种类,确定当前时间的转换汇率值,根据转换汇率值,对待转换的金额数值进行转换计算,以得到目标金额数值,响应于目标货币种类,对目标金额数值进行输出,以供当前用户通过多语言网站查看转换结果;本发明提高货币转换查询的效率以及转换目标币种的效率,给用户带来了便利,提高了用户使用货币转换的体验,适用性广,转换后得到的目标金额数值准确。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行多语言网站货币自动转换方法。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所述领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种多语言网站货币自动转换系统,其特征在于,所述多语言网站货币自动转换系统,包括接收模块、识别模块、爬取模块、计算模块和输出模块,
所述接收模块,用于接收来自于多语言网站货币的原始金额信息;
所述识别模块,用于识别出所述接收模块接收的所述原始金额信息对应的金额数值和目标货币种类;
所述爬取模块,用于爬取到当前时间的转换汇率值;
所述计算模块,用于根据所述爬取模块爬取到的转换汇率值和所述所述识别模块识别的所述金额数值、目标货币种类进行转换计算;
所述输出模块,用于将所述计算模块计算得到的目标金额数值输出至多语言网站上。
2.根据权利要求1所述的多语言网站货币自动转换系统,其特征在于,所述接收模块的输出端与所述识别模块的输入端连接,所述识别模块和所述爬取模块的输出端与所述计算模块的输入端连接,所述计算模块的输出端与所述输出模块的输入端连接。
3.一种多语言网站货币自动转换方法,其特征在于,所述多语言网站货币自动转换方法包括以下步骤:
获取当前用户通过多语言网站输入的原始金额信息,并根据所述原始金额信息确定待转换的金额数值;
获取当前用户通过多语言网站选择的目标货币种类,并根据所述目标货币种类,确定当前时间的转换汇率值;
根据所述转换汇率值,对所述待转换的金额数值进行转换计算,以得到目标金额数值;
响应于所述目标货币种类,对所述目标金额数值进行输出,以供所述当前用户通过所述多语言网站查看转换结果。
4.根据权利要求3所述的多语言网站货币自动转换方法,其特征在于,所述获取当前用户通过多语言网站输入的原始金额信息,并根据所述原始金额信息确定待转换的金额数值,包括:
获取当前用户的访问请求,并根据所述访问请求确定所述当前用户的地理位置;
根据所述地理位置确定对应的网页语言,并从多语言网站中调用所述网页语言对应的网页文本;
获取所述当前用户通过所述多语言网站输入的原始金额信息,并提取所述原始金额信息中货币符号,并根据所述货币符号确定对应的原始货币种类;
通过Python脚本计算出所述原始金额信息的特征数据,将所述特征数据输入预先训练好的BP神经网络模型中,以数据所述原始金额信息对应的语种信息;
响应于所述原始货币种类和所述语种信息,以根据对应的计数单位拆分所述原始金额信息,得到待转换的金额数值。
5.根据权利要求3所述的多语言网站货币自动转换方法,其特征在于,所述获取当前用户通过多语言网站选择的目标货币种类,并根据所述目标货币种类,确定当前时间的转换汇率值,包括:
获取所述多语言网站生成的汇率抓取请求,并解析所述目标货币种类,以得到解析数据;
将所述解析数据进行格式化,以得到格式化数据,调用汇率数据库,并根据所述解析数据建立索引,将所述格式化数据传输至所述汇率数据库;
根据所述汇率抓取请求,确定当前时间,并根据所述当前时间生成对应的时间参数,以将所述时间参数传输至所述汇率数据库;
根据所述格式化数据和所述时间参数,从所述汇率数据库中进行查询,以得到汇率查询数据;
在Python中使用pandas执行SQL语句对所述汇率查询数据进行数据分析,以得到当前时间的转换汇率值,并将所述转换汇率值可视化展示于所述多语言网站。
6.根据权利要求3所述的多语言网站货币自动转换方法,其特征在于,所述根据所述转换汇率值,对所述待转换的金额数值进行转换计算,以得到目标金额数值,包括:
获取所述转换汇率值,并将所述转换汇率值输入到预先训练好的数值计算模型中,以供对所述待转换的金额数值进行转换计算;
根据所述数值计算模型,分析当前时间的所述待转换的金额数值,以输出目标金额数值;
其中通过机器学习算法对样本进行学习,使得所述机器学习模型通过样本的学习掌握金额数值和转换汇率值的计算,以得到所述数值计算模型。
7.据权利要求3所述的多语言网站货币自动转换方法,其特征在于,所述响应于所述目标货币种类,对所述目标金额数值进行输出,以供所述当前用户通过所述多语言网站查看转换结果,包括:
获取所述目标金额数值的多个数值位置,利用Skip-gram模型学习得到多个数值位置嵌入向量,其中,每个数值位置对应一个数值位置嵌入向量;
结合所述目标货币种类和所述原始金额信息对应的语种信息,将每个数值位置嵌入向量从原始向量空间转换到语义向量空间;
利用LSTM模型检测所述语义向量空间,以获得转换结果;
将所述转换结果发送至区块链节点。
9.据权利要求7所述的多语言网站货币自动转换方法,其特征在于,所述LSTM模型包括:输入层、隐藏层和输出层,每个层添加有Dropout操作。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求3-9中任一项所述的多语言网站货币自动转换方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210375578.XA CN114880590A (zh) | 2022-04-11 | 2022-04-11 | 多语言网站货币自动转换系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210375578.XA CN114880590A (zh) | 2022-04-11 | 2022-04-11 | 多语言网站货币自动转换系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114880590A true CN114880590A (zh) | 2022-08-09 |
Family
ID=82668953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210375578.XA Pending CN114880590A (zh) | 2022-04-11 | 2022-04-11 | 多语言网站货币自动转换系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114880590A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081554A (zh) * | 2022-08-16 | 2022-09-20 | 山东省齐鲁大数据研究院 | 一种实现货币类数据智能转换方法、系统及终端机 |
-
2022
- 2022-04-11 CN CN202210375578.XA patent/CN114880590A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081554A (zh) * | 2022-08-16 | 2022-09-20 | 山东省齐鲁大数据研究院 | 一种实现货币类数据智能转换方法、系统及终端机 |
CN115081554B (zh) * | 2022-08-16 | 2023-04-07 | 山东省齐鲁大数据研究院 | 一种实现货币类数据智能转换方法、系统及终端机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10402163B2 (en) | Intelligent data extraction | |
CN110020660B (zh) | 使用人工智能(ai)技术的非结构化过程的完整性评估 | |
Chan et al. | Data analysis using R programming | |
CN103154991B (zh) | 信用风险采集 | |
CN105095444A (zh) | 信息获取方法和装置 | |
CN112860841B (zh) | 一种文本情感分析方法、装置、设备及存储介质 | |
CN113707300A (zh) | 基于人工智能的搜索意图识别方法、装置、设备及介质 | |
CN108920677A (zh) | 问卷调查方法、调查系统及电子设备 | |
CN115098650B (zh) | 基于历史数据模型的评论信息分析方法及相关装置 | |
CN110046155B (zh) | 特征数据库的更新、数据特征的确定方法、装置及设备 | |
CN111831810A (zh) | 智能问答方法、装置、设备及存储介质 | |
AU2018271315A1 (en) | Document processing and classification systems | |
CN114880590A (zh) | 多语言网站货币自动转换系统及其方法 | |
CN113705792B (zh) | 基于深度学习模型的个性化推荐方法、装置、设备及介质 | |
CN113821587B (zh) | 文本相关性确定方法、模型训练方法、装置及存储介质 | |
CN113837113A (zh) | 基于人工智能的文档校验方法、装置、设备及介质 | |
CN114936326B (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
CN113704452B (zh) | 基于Bert模型的数据推荐方法、装置、设备及介质 | |
CN113033178B (zh) | 用于商业计划书的文本评估方法、装置及计算机 | |
CN111882419B (zh) | 质检文件的方法、装置及服务器 | |
CN113936130A (zh) | 基于ocr技术的文档信息智能获取和纠错方法、系统及设备 | |
CN114021544A (zh) | 产品合同的要素智能抽取和审核方法及系统 | |
CN113849662A (zh) | 基于模型的信息生成方法、装置、计算机设备和存储介质 | |
Oyama et al. | Crowdsourcing chart digitizer: task design and quality control for making legacy open data machine-readable | |
JP2021033688A (ja) | 日付生成装置、制御方法、プログラム |
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 |