CN115860925A - 一种基于人工智能负债数据智能查询和投资管理系统 - Google Patents

一种基于人工智能负债数据智能查询和投资管理系统 Download PDF

Info

Publication number
CN115860925A
CN115860925A CN202310132017.1A CN202310132017A CN115860925A CN 115860925 A CN115860925 A CN 115860925A CN 202310132017 A CN202310132017 A CN 202310132017A CN 115860925 A CN115860925 A CN 115860925A
Authority
CN
China
Prior art keywords
information
user
liability
data
administrator
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
Application number
CN202310132017.1A
Other languages
English (en)
Inventor
王洪平
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.)
Guangdong Deao Smart Medical Technology Co ltd
Original Assignee
Guangdong Deao Smart Medical 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 Guangdong Deao Smart Medical Technology Co ltd filed Critical Guangdong Deao Smart Medical Technology Co ltd
Priority to CN202310132017.1A priority Critical patent/CN115860925A/zh
Publication of CN115860925A publication Critical patent/CN115860925A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于人工智能负债数据智能查询和投资管理系统，包括数据库模块、数据匹配模块和结果查询模块，数据库模块存储负债数据信息，实现负债数据的录入、存储和更新的功能，当用户查询负债数据时，根据关键词数据匹配模块搜索，可将用户所需的负债数据检索出来，最后在结果查询模块中展示。本发明的有益效果：为用户提供便捷快速的负债数据查询方式，数据库能够实时更新，促进资金信息的滚动。

Description

一种基于人工智能负债数据智能查询和投资管理系统
技术领域
本发明涉及数据处理与债券分析领域，具体地说，涉及一种基于人工智能负债数据智能查询和投资管理系统。
背景技术
伴随着经济全球化的进一步加深，在出口导向型外贸政策和吸引外资的一系列政策环境下，经常项目以及资本和金融项目呈现出连续多年双顺差的局面。在此期间，银行不断通过外汇市场购入多余外汇，从而累积了巨额外汇占款，基础货币投放中外汇占款的比重不断上升，这种货币投放方式使资产负债表得以快速扩张。与此同时，被动投放的基础货币，也增加了银行的存款货币，给银行注人了大量流动性。在国际收支长期失衡期间，银行不得不频繁使用一些货币政策工具来对冲外汇占款对货币被动投放的影响，中国互联网经济一直贯穿着上市、竞争、融合、投资、创新、开放等主题，在一系列重大事件的推动下呈现出创新的特征。但是银行的资产负债结构存在先天的不均衡性，特别是大型银行、全国性中小银行和区域性中小银行在负债结构方面本来差异较大，所服务用户、市场和自身经营优劣势的差异使存款发展基础并不一致，加之外汇占款所创造的存款货币也主要向进出口企业所在的行业、区域以及吸引外资最多的区域所在的银行集中，因此造成部分银行存款基础雄厚，指标实际约束意义不大。部分银行则挣扎于政策“红线”上下，贷款业务发展则处于走走停停之中。虽然负债比指标的产生是特定环境下的调控产物，但对银行的经营行为扭曲产生了日益负面的影响。
发明内容
本发明的目的在于提供一种基于人工智能负债数据智能查询和投资管理系统，以解决上述背景技术中提出的问题。
为实现上述目的，一种基于人工智能负债数据智能查询和投资管理系统，包括数据库模块、数据匹配模块和结果查询模块：
其中，所述数据库模块包括录入单元、存储单元和更新单元，录入单元用来记录本发明提供的系统下用户的负债数据，在数据库模块中存在数名数据库管理者，其管理能力相互制约，每一个管理者都会拥有一张通行证，当超过51% 的管理者都通过本次用户的负债数据时，本次用户的负债数据才会被录入单元录入，当本次用户的负债数据录入后，系统会对负债数据进行存储，所述存储单元采用分布式、广播式存储方式，存储单元包含若干数量的虚拟机，虚拟机的数目要大于管理者的数目，管理者对需要存储的信息做出决策动作：同意存储或拒绝存储，并且对管理员提出奖励机制：当管理者存储的信息是正确的，那么做出同意存储决策动作的管理者将获得奖励积分，当管理者存储的信息是错误的，那么做出拒绝存储决策动作的管理者将获得奖励积分，其中，正确的信息包括：用户姓名、债券名称、是否负债、负债金额以及负债周期是否与用户真实情况一致，若上述信息均一致，则为正确的信息，否则为错误的信息，管理员具有积分阈值，在一定的周期内，当奖励积分超过积分阈值，管理员继续承担管理员角色，为下一周期的管理工作继续服务，当奖励积分没超过积分阈值，管理员将被免职，由其他管理员进行替补，并且，管理员每做出一次决策动作，都会在分布式的虚拟机网络空间进行广播，每一条广播会由分布式的虚拟机进行记录，当管理者筛查出错误的信息时，需要按照用户的真实情况在更新模块中完成，功能包括添加、删除和修改，管理者按照数据的真实情况进行更新，保证数据库模块负债信息的正确性；
所述数据匹配模块包括数据处理单元和检索单元，数据处理单元提取用户的文本信息特征，并在数据库模块中通过检索单元进行检索，检索模块采用了TF-IDF算法，检索模块会根据用户输入的词序优先选择相似性高的负债进行匹配；
所述结果查询模块将检索模块所匹配到的相似性高的负债数据通过系统的界面终端展示出来，方便用户查询负债信息，能够辅助用户根据现有的负债信息调整投资策略。
进一步的，通信证集合记为
Figure SMS_3
，/>
Figure SMS_4
，/>
Figure SMS_6
，/>
Figure SMS_2
，
Figure SMS_5
，当/>
Figure SMS_7
时，意味着管理者没通过本次用户的负债数据，当/>
Figure SMS_8
时，意味着管理者通过本次用户的负债数据，当超过51% 的管理者都通过本次用户的负债数据时，即
Figure SMS_1
，本次用户的负债数据才会被录入单元录入。
进一步的，所述存储单元，当本次用户的负债数据录入后，系统会对负债数据进行存储，所述存储单元采用分布式、广播式存储方式，存储单元包含若干数量的虚拟机，虚拟机的数目要大于管理者的数目，管理者对需要存储的信息做出决策动作：同意存储或拒绝存储，并且对管理员提出奖励机制
Figure SMS_11
：当管理者存储的信息是正确的，那么做出同意存储决策动作的管理者将获得奖励积分/>
Figure SMS_13
，当管理者存储的信息是错误的，那么做出拒绝存储决策动作的管理者将获得奖励积分/>
Figure SMS_14
，其中，正确的信息包括：用户姓名、债券名称、是否负债、负债金额以及负债周期是否与用户真实情况一致，若上述信息均一致，则为正确的信息，否则为错误的信息，对于每个管理员奖励积分的记录方式为元组，即对于第/>
Figure SMS_9
个管理员的奖励机制/>
Figure SMS_12
，其中，/>
Figure SMS_15
表示奖励积分，/>
Figure SMS_16
表示第个管理者做出决策动作的次数，randi()表示在/>
Figure SMS_10
随机取整函数，管理员具有积分阈值，在一定的周期内，当奖励积分超过积分阈值，管理员继续承担管理员角色，为下一周期的管理工作继续服务，当奖励积分没超过积分阈值，管理员将被免职，由其他管理员进行替补，并且，管理员每做出一次决策动作，都会在分布式的虚拟机网络空间进行广播，每一条广播会由分布式的虚拟机进行记录。
进一步的，所述更新单元，当管理者筛查出错误的信息时，需要按照用户的真实情况在更新模块中完成，管理者按照数据的真实情况进行更新，保证数据库模块负债信息的正确性。
进一步的，所述数据匹配模块，根据用户输入的文本信息提取特征，并在数据库模块中通过检索单元进行检索，检索单元采用了TF-IDF算法，假设用户输入的词序为
Figure SMS_39
，其中，词序的长度为/>
Figure SMS_43
，/>
Figure SMS_53
为第1个词序，/>
Figure SMS_20
为第2个词序，/>
Figure SMS_25
为第/>
Figure SMS_30
个词序，定义词序最大化平均对数概率为：/>
Figure SMS_35
，其中，/>
Figure SMS_42
为第/>
Figure SMS_49
个词序，/>
Figure SMS_22
为常数，/>
Figure SMS_51
，/>
Figure SMS_33
为概率，/>
Figure SMS_44
，定义softmax函数为/>
Figure SMS_48
，其中，/>
Figure SMS_54
表示对于第/>
Figure SMS_21
个词序输出的对数概率，/>
Figure SMS_38
表示对于第
Figure SMS_40
个词序输出的对数概率，定义为：/>
Figure SMS_45
，其中，/>
Figure SMS_19
和/>
Figure SMS_37
为softmax函数的参数，/>
Figure SMS_26
是词序对应的矩阵列，定义第/>
Figure SMS_29
个词序和第/>
Figure SMS_34
个词序之间的相似性/>
Figure SMS_41
为：
Figure SMS_18
，约束条件为：/>
Figure SMS_32
，其中，/>
Figure SMS_47
表示文本/>
Figure SMS_52
中词序/>
Figure SMS_50
移动到/>
Figure SMS_56
中词序/>
Figure SMS_46
的数值，/>
Figure SMS_55
表示词序/>
Figure SMS_23
和/>
Figure SMS_27
间的相似度，/>
Figure SMS_24
表示词序/>
Figure SMS_28
在/>
Figure SMS_31
中出现的次数，/>
Figure SMS_36
表示文本/>
Figure SMS_17
中词序出现的数目，检索时会根据用户输入的词序优先选择相似性高的负债数据进行匹配。
进一步的，所述结果查询模块将检索模块所匹配到的相似性高的负债数据通过系统的界面终端展示出来，方便用户查询负债信息，能够辅助用户根据现有的负债信息调整投资策略。
本发明的有益效果：一种基于人工智能负债数据智能查询和投资管理系统通过分布式、广播式的数据录入、存储、更新方式，为用户提供安全、快捷的服务，在本系统中，管理者在分布式的管理系统中承担了检查的职责，对于每一条需要录入的负债信息，管理者必须严格检查信息的正确性，只有为用户提供正确的负债数据信息，才能增强本发明提供系统的可信度，并且伴有奖励机制，本发明提出的奖励机制能有效遏制管理者之间相互勾结或者敷衍等行为，利用博弈的机制为每个管理者之间带来一定的制约，以保证数据库负债信息的正确性。在数据匹配模块，根据用户输入的文本信息提取特征，并在数据库模块中通过检索单元进行检索，检索模块采用了TF-IDF算法，改进之处在于采用softmax函数对检索单元中的输入去量纲化，适用于对多种语言的匹配，如中文、英文、日语，依概率地进行相似度匹配，并且利用数学规划的方法对相似性函数加以约束，检索时会根据用户输入的词序优先选择相似性高的负债数据进行匹配，此外利用词序的方式进行搜索检验，不再根据传统的词源进行检索，该种方式能够有效防止爬虫以蒙特卡洛的方式进行入侵，并且其简洁快速的方法能够快速地在数据库模块中找到用户需要的负债数据，检索时会根据用户输入的词序优先选择相似性高的负债数据进行匹配。为用户提供便捷快速的负债数据查询方式，数据库能够实时更新，促进资金信息的滚动，方便用户查询负债信息，辅助用户根据现有的负债信息调整投资策略。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实例对本发明作进一步描述。
参见图1，本发明旨在提供一种基于人工智能负债数据智能查询和投资管理系统，包括数据库模块、数据匹配模块和结果查询模块：
其中，所述数据库模块包括录入单元、存储单元和更新单元，录入单元用来记录本发明提供的系统下用户的负债数据，在数据库模块中存在数名数据库管理者，其管理能力相互制约，每一个管理者都会拥有一张通行证，当超过51% 的管理者都通过本次用户的负债数据时，本次用户的负债数据才会被录入单元录入，当本次用户的负债数据录入后，系统会对负债数据进行存储，所述存储单元采用分布式、广播式存储方式，存储单元包含若干数量的虚拟机，虚拟机的数目要大于管理者的数目，管理者对需要存储的信息做出决策动作：同意存储或拒绝存储，并且对管理员提出奖励机制：当管理者存储的信息是正确的，那么做出同意存储决策动作的管理者将获得奖励积分，当管理者存储的信息是错误的，那么做出拒绝存储决策动作的管理者将获得奖励积分，其中，正确的信息包括：用户姓名、债券名称、是否负债、负债金额以及负债周期是否与用户真实情况一致，若上述信息均一致，则为正确的信息，否则为错误的信息，管理员具有积分阈值，在一定的周期内，当奖励积分超过积分阈值，管理员继续承担管理员角色，为下一周期的管理工作继续服务，当奖励积分没超过积分阈值，管理员将被免职，由其他管理员进行替补，并且，管理员每做出一次决策动作，都会在分布式的虚拟机网络空间进行广播，每一条广播会由分布式的虚拟机进行记录，当管理者筛查出错误的信息时，需要按照用户的真实情况在更新模块中完成，功能包括添加、删除和修改，管理者按照数据的真实情况进行更新，保证数据库模块负债信息的正确性；
所述数据匹配模块包括数据处理单元和检索单元，数据处理单元提取用户的文本信息特征，并在数据库模块中通过检索单元进行检索，检索模块采用了TF-IDF算法，检索模块会根据用户输入的词序优先选择相似性高的负债进行匹配；
所述结果查询模块将检索模块所匹配到的相似性高的负债数据通过系统的界面终端展示出来，方便用户查询负债信息，能够辅助用户根据现有的负债信息调整投资策略。
具体的，通信证集合记为
Figure SMS_57
，/>
Figure SMS_60
，/>
Figure SMS_61
，/>
Figure SMS_59
，
Figure SMS_62
，当/>
Figure SMS_63
时，意味着管理者没通过本次用户的负债数据，当/>
Figure SMS_64
时，意味着管理者通过本次用户的负债数据，当超过51% 的管理者都通过本次用户的负债数据时，即
Figure SMS_58
，本次用户的负债数据才会被录入单元录入。
具体的，所述存储单元，当本次用户的负债数据录入后，系统会对负债数据进行存储，所述存储单元采用分布式、广播式存储方式，存储单元包含若干数量的虚拟机，虚拟机的数目要大于管理者的数目，管理者对需要存储的信息做出决策动作：同意存储或拒绝存储，并且对管理员提出奖励机制
Figure SMS_66
：当管理者存储的信息是正确的，那么做出同意存储决策动作的管理者将获得奖励积分/>
Figure SMS_71
，当管理者存储的信息是错误的，那么做出拒绝存储决策动作的管理者将获得奖励积分/>
Figure SMS_72
，其中，正确的信息包括：用户姓名、债券名称、是否负债、负债金额以及负债周期是否与用户真实情况一致，若上述信息均一致，则为正确的信息，否则为错误的信息，对于每个管理员奖励积分的记录方式为元组，即对于第/>
Figure SMS_67
个管理员的奖励机制/>
Figure SMS_68
，其中，/>
Figure SMS_69
表示奖励积分，/>
Figure SMS_70
表示第个管理者做出决策动作的次数，randi()表示在/>
Figure SMS_65
随机取整函数，管理员具有积分阈值，在一定的周期内，当奖励积分超过积分阈值，管理员继续承担管理员角色，为下一周期的管理工作继续服务，当奖励积分没超过积分阈值，管理员将被免职，由其他管理员进行替补，并且，管理员每做出一次决策动作，都会在分布式的虚拟机网络空间进行广播，每一条广播会由分布式的虚拟机进行记录。
具体的，所述更新单元，当管理者筛查出错误的信息时，需要按照用户的真实情况在更新模块中完成，管理者按照数据的真实情况进行更新，保证数据库模块负债信息的正确性。
优选的，所述数据匹配模块，根据用户输入的文本信息提取特征，并在数据库模块中通过检索单元进行检索，检索单元采用了TF-IDF算法，假设用户输入的词序为
Figure SMS_97
，其中，词序的长度为/>
Figure SMS_103
，/>
Figure SMS_111
为第1个词序，/>
Figure SMS_75
为第2个词序，/>
Figure SMS_98
为第/>
Figure SMS_104
个词序，定义词序最大化平均对数概率为：/>
Figure SMS_109
，其中，/>
Figure SMS_87
为第/>
Figure SMS_95
个词序，/>
Figure SMS_78
为常数，/>
Figure SMS_82
，/>
Figure SMS_76
为概率，/>
Figure SMS_88
，定义softmax函数为
Figure SMS_74
，其中，/>
Figure SMS_92
表示对于第/>
Figure SMS_105
个词序输出的对数概率，/>
Figure SMS_110
表示对于第/>
Figure SMS_106
个词序输出的对数概率，定义为：/>
Figure SMS_112
，其中，/>
Figure SMS_73
和/>
Figure SMS_91
为softmax函数的参数，/>
Figure SMS_100
是词序对应的矩阵列，定义第/>
Figure SMS_108
个词序和第/>
Figure SMS_89
个词序之间的相似性/>
Figure SMS_96
为：
Figure SMS_81
，约束条件为：/>
Figure SMS_84
，其中，/>
Figure SMS_93
表示文本
Figure SMS_101
中词序/>
Figure SMS_99
移动到/>
Figure SMS_107
中词序/>
Figure SMS_86
的数值，/>
Figure SMS_90
表示词序/>
Figure SMS_79
和/>
Figure SMS_83
间的相似度，/>
Figure SMS_77
表示词序
Figure SMS_85
在/>
Figure SMS_94
中出现的次数，/>
Figure SMS_102
表示文本/>
Figure SMS_80
中词序出现的数目，检索时会根据用户输入的词序优先选择相似性高的负债数据进行匹配。
具体的，所述结果查询模块将检索模块所匹配到的相似性高的负债数据通过系统的界面终端展示出来，方便用户查询负债信息，能够辅助用户根据现有的负债信息调整投资策略。
本发明的有益效果：一种基于人工智能负债数据智能查询和投资管理系统通过分布式、广播式的数据录入、存储、更新方式，为用户提供安全、快捷的服务，在本系统中，管理者在分布式的管理系统中承担了检查的职责，对于每一条需要录入的负债信息，管理者必须严格检查信息的正确性，只有为用户提供正确的负债数据信息，才能增强本发明提供系统的可信度，并且伴有奖励机制，本发明提出的奖励机制能有效遏制管理者之间相互勾结或者敷衍等行为，利用博弈的机制为每个管理者之间带来一定的制约，以保证数据库负债信息的正确性。在数据匹配模块，根据用户输入的文本信息提取特征，并在数据库模块中通过检索单元进行检索，检索模块采用了TF-IDF算法，改进之处在于采用softmax函数对检索单元中的输入去量纲化，适用于对多种语言的匹配，如中文、英文、日语，依概率地进行相似度匹配，并且利用数学规划的方法对相似性函数加以约束，检索时会根据用户输入的词序优先选择相似性高的负债数据进行匹配，此外利用词序的方式进行搜索检验，不再根据传统的词源进行检索，该种方式能够有效防止爬虫以蒙特卡洛的方式进行入侵，并且其简洁快速的方法能够快速地在数据库模块中找到用户需要的负债数据，检索时会根据用户输入的词序优先选择相似性高的负债数据进行匹配。为用户提供便捷快速的负债数据查询方式，数据库能够实时更新，促进资金信息的滚动，方便用户查询负债信息，辅助用户根据现有的负债信息调整投资策略。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种基于人工智能负债数据智能查询和投资管理系统，包括数据库模块、数据匹配模块和结果查询模块：
其中，所述数据库模块包括录入单元、存储单元和更新单元，录入单元用来记录本发明提供的系统下用户的负债数据，在数据库模块中存在数名数据库管理者，其管理能力相互制约，每一个管理者都会拥有一张通行证，当超过51% 的管理者都通过本次用户的负债数据时，本次用户的负债数据才会被录入单元录入，当本次用户的负债数据录入后，系统会对负债数据进行存储，所述存储单元采用分布式、广播式存储方式，存储单元包含若干数量的虚拟机，虚拟机的数目要大于管理者的数目，管理者对需要存储的信息做出决策动作：同意存储或拒绝存储，并且对管理员提出奖励机制：当管理者存储的信息是正确的，那么做出同意存储决策动作的管理者将获得奖励积分，当管理者存储的信息是错误的，那么做出拒绝存储决策动作的管理者将获得奖励积分，其中，正确的信息包括：用户姓名、债券名称、是否负债、负债金额以及负债周期是否与用户真实情况一致，若上述信息均一致，则为正确的信息，否则为错误的信息，管理员具有积分阈值，在一定的周期内，当奖励积分超过积分阈值，管理员继续承担管理员角色，为下一周期的管理工作继续服务，当奖励积分没超过积分阈值，管理员将被免职，由其他管理员进行替补，并且，管理员每做出一次决策动作，都会在分布式的虚拟机网络空间进行广播，每一条广播会由分布式的虚拟机进行记录，当管理者筛查出错误的信息时，需要按照用户的真实情况在更新模块中完成，功能包括添加、删除和修改，管理者按照数据的真实情况进行更新，保证数据库模块负债信息的正确性；
所述数据匹配模块包括数据处理单元和检索单元，数据处理单元提取用户的文本信息特征，并在数据库模块中通过检索单元进行检索，检索模块采用了TF-IDF算法，检索模块会根据用户输入的词序优先选择相似性高的负债进行匹配；
所述结果查询模块将检索模块所匹配到的相似性高的负债数据通过系统的界面终端展示出来，方便用户查询负债信息，能够辅助用户根据现有的负债信息调整投资策略。
2.根据权利要求1所述一种基于人工智能负债数据智能查询和投资管理系统，其特征在于，通信证集合记为
Figure QLYQS_3
，/>
Figure QLYQS_4
，/>
Figure QLYQS_6
，/>
Figure QLYQS_2
，/>
Figure QLYQS_5
，当/>
Figure QLYQS_7
时，意味着管理者没通过本次用户的负债数据，当/>
Figure QLYQS_8
时，意味着管理者通过本次用户的负债数据，当超过51% 的管理者都通过本次用户的负债数据时，即/>
Figure QLYQS_1
，本次用户的负债数据才会被录入单元录入。
3.根据权利要求1所述一种基于人工智能负债数据智能查询和投资管理系统，其特征在于，所述存储单元，当本次用户的负债数据录入后，系统会对负债数据进行存储，所述存储单元采用分布式、广播式存储方式，存储单元包含若干数量的虚拟机，虚拟机的数目要大于管理者的数目，管理者对需要存储的信息做出决策动作：同意存储或拒绝存储，并且对管理员提出奖励机制
Figure QLYQS_10
：当管理者存储的信息是正确的，那么做出同意存储决策动作的管理者将获得奖励积分/>
Figure QLYQS_13
，当管理者存储的信息是错误的，那么做出拒绝存储决策动作的管理者将获得奖励积分/>
Figure QLYQS_15
，其中，正确的信息包括：用户姓名、债券名称、是否负债、负债金额以及负债周期是否与用户真实情况一致，若上述信息均一致，则为正确的信息，否则为错误的信息，对于每个管理员奖励积分的记录方式为元组，即对于第/>
Figure QLYQS_11
个管理员的奖励机制/>
Figure QLYQS_12
，其中，/>
Figure QLYQS_14
表示奖励积分，/>
Figure QLYQS_16
表示第个管理者做出决策动作的次数，randi()表示在/>
Figure QLYQS_9
随机取整函数，管理员具有积分阈值，在一定的周期内，当奖励积分超过积分阈值，管理员继续承担管理员角色，为下一周期的管理工作继续服务，当奖励积分没超过积分阈值，管理员将被免职，由其他管理员进行替补，并且，管理员每做出一次决策动作，都会在分布式的虚拟机网络空间进行广播，每一条广播会由分布式的虚拟机进行记录。
4.根据权利要求1所述一种基于人工智能负债数据智能查询和投资管理系统，其特征在于，所述更新单元，当管理者筛查出错误的信息时，需要按照用户的真实情况在更新模块中完成，管理者按照数据的真实情况进行更新，保证数据库模块负债信息的正确性。
5.根据权利要求1所述一种基于人工智能负债数据智能查询和投资管理系统，其特征在于，所述数据匹配模块，根据用户输入的文本信息提取特征，并
在数据库模块中通过检索单元进行检索，检索单元采用了TF-IDF算法，假设用户输入的词序为
Figure QLYQS_19
，其中，词序的长度为/>
Figure QLYQS_29
，/>
Figure QLYQS_34
为第1个词序，/>
Figure QLYQS_18
为第2个词序，/>
Figure QLYQS_24
为第/>
Figure QLYQS_35
个词序，定义词序最大化平均对数概率为：/>
Figure QLYQS_41
，其中，/>
Figure QLYQS_22
为第/>
Figure QLYQS_25
个词序，/>
Figure QLYQS_33
为常数，/>
Figure QLYQS_38
，/>
Figure QLYQS_21
为概率，/>
Figure QLYQS_27
，定义softmax函数为/>
Figure QLYQS_31
，其中，/>
Figure QLYQS_37
表示对于第/>
Figure QLYQS_23
个词序输出的对数概率，/>
Figure QLYQS_30
表示对于第/>
Figure QLYQS_36
个词序输出的对数概率，定义为：/>
Figure QLYQS_40
，其中，/>
Figure QLYQS_17
和/>
Figure QLYQS_28
为softmax函数的参数，/>
Figure QLYQS_32
是词序对应的矩阵列，定义第/>
Figure QLYQS_39
个词序和第/>
Figure QLYQS_20
个词序之间的相似性/>
Figure QLYQS_26
为：
Figure QLYQS_44
，约束条件为：/>
Figure QLYQS_49
，其中，/>
Figure QLYQS_53
表示文本/>
Figure QLYQS_45
中词序/>
Figure QLYQS_47
移动到/>
Figure QLYQS_52
中词序/>
Figure QLYQS_56
的数值，/>
Figure QLYQS_42
表示词序/>
Figure QLYQS_46
和/>
Figure QLYQS_50
间的相似度，/>
Figure QLYQS_54
表示词序/>
Figure QLYQS_43
在/>
Figure QLYQS_48
中出现的次数，/>
Figure QLYQS_51
表示文本/>
Figure QLYQS_55
中词序出现的数目，检索时会根据用户输入的词序优先选择相似性高的负债数据进行匹配。
6.根据权利要求1所述一种基于人工智能负债数据智能查询和投资管理系统，其特征在于，所述结果查询模块将检索模块所匹配到的相似性高的负债数据通过系统的界面终端展示出来，方便用户查询负债信息，能够辅助用户根据现有的负债信息调整投资策略。
CN202310132017.1A 2023-02-19 2023-02-19 一种基于人工智能负债数据智能查询和投资管理系统 Pending CN115860925A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310132017.1A CN115860925A (zh) 2023-02-19 2023-02-19 一种基于人工智能负债数据智能查询和投资管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310132017.1A CN115860925A (zh) 2023-02-19 2023-02-19 一种基于人工智能负债数据智能查询和投资管理系统

Publications (1)

Publication Number Publication Date
CN115860925A true CN115860925A (zh) 2023-03-28

Family

ID=85658358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310132017.1A Pending CN115860925A (zh) 2023-02-19 2023-02-19 一种基于人工智能负债数据智能查询和投资管理系统

Country Status (1)

Country Link
CN (1) CN115860925A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101556670A (zh) * 2008-04-09 2009-10-14 深圳市盈圆软件股份有限公司 一种提供实时客观企业信息查询的系统及方法
CN106022908A (zh) * 2016-05-17 2016-10-12 中国建设银行股份有限公司 一种资产负债信息的查询方法及系统
CN109189752A (zh) * 2018-10-12 2019-01-11 国网山东省电力公司电力科学研究院 基于智能检索技术的电力营销知识库系统
CN109859034A (zh) * 2019-01-26 2019-06-07 莫小昂 一种银行客户服务管理系统及方法
CN110415094A (zh) * 2019-06-18 2019-11-05 重庆金融资产交易所有限责任公司 资产负债智能管理方法、装置及计算机可读存储介质
CN111258687A (zh) * 2018-11-30 2020-06-09 微软技术许可有限责任公司 用于优化数字页面的工作识别
CN112100344A (zh) * 2020-08-18 2020-12-18 淮阴工学院 一种基于知识图谱的金融领域知识问答方法
CN112215697A (zh) * 2020-09-28 2021-01-12 上海奇甲信息科技有限公司 一种基于流量感知的动态网络资产分析与监测系统
CN113128979A (zh) * 2021-05-17 2021-07-16 中铁高新工业股份有限公司 一种基于大数据的科研辅助决策系统
CN113239148A (zh) * 2021-05-14 2021-08-10 廖伟智 基于机器阅读理解的科技资源检索方法
CN113923235A (zh) * 2021-10-21 2022-01-11 上海威固信息技术股份有限公司 一种基于云计算平台的数据分布式存储系统
CN115563189A (zh) * 2022-10-21 2023-01-03 北京开运联合信息技术集团股份有限公司 一种基于数据挖掘技术的海量数据查询方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101556670A (zh) * 2008-04-09 2009-10-14 深圳市盈圆软件股份有限公司 一种提供实时客观企业信息查询的系统及方法
CN106022908A (zh) * 2016-05-17 2016-10-12 中国建设银行股份有限公司 一种资产负债信息的查询方法及系统
CN109189752A (zh) * 2018-10-12 2019-01-11 国网山东省电力公司电力科学研究院 基于智能检索技术的电力营销知识库系统
CN111258687A (zh) * 2018-11-30 2020-06-09 微软技术许可有限责任公司 用于优化数字页面的工作识别
CN109859034A (zh) * 2019-01-26 2019-06-07 莫小昂 一种银行客户服务管理系统及方法
CN110415094A (zh) * 2019-06-18 2019-11-05 重庆金融资产交易所有限责任公司 资产负债智能管理方法、装置及计算机可读存储介质
CN112100344A (zh) * 2020-08-18 2020-12-18 淮阴工学院 一种基于知识图谱的金融领域知识问答方法
CN112215697A (zh) * 2020-09-28 2021-01-12 上海奇甲信息科技有限公司 一种基于流量感知的动态网络资产分析与监测系统
CN113239148A (zh) * 2021-05-14 2021-08-10 廖伟智 基于机器阅读理解的科技资源检索方法
CN113128979A (zh) * 2021-05-17 2021-07-16 中铁高新工业股份有限公司 一种基于大数据的科研辅助决策系统
CN113923235A (zh) * 2021-10-21 2022-01-11 上海威固信息技术股份有限公司 一种基于云计算平台的数据分布式存储系统
CN115563189A (zh) * 2022-10-21 2023-01-03 北京开运联合信息技术集团股份有限公司 一种基于数据挖掘技术的海量数据查询方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王亚坤，黄河燕等: "基于注意力机制的概念化句嵌入研究", 《自动化学报》, vol. 46, no. 7, pages 1390 - 1399 *
黄栋;徐博;许侃;林鸿飞;杨志豪;: "基于词向量和EMD距离的短文本聚类", 山东大学学报(理学版), no. 07 *

Similar Documents

Publication Publication Date Title
CN110704572B (zh) 疑似非法集资风险的预警方法、装置、设备和存储介质
CN110020862B (zh) 一种业务风险评估方法、装置和计算机可读存储介质
US20160125437A1 (en) Answer sequence discovery and generation
US20050080821A1 (en) System and method for managing collections accounts
KR20210127512A (ko) 인공지능 기반 소상공인 신용대출 시스템 및 방법
CN107704512A (zh) 基于社交数据的金融产品推荐方法、电子装置及介质
CN110880142B (zh) 一种风险实体获取方法及装置
CN111192144A (zh) 一种金融数据预测方法、装置、设备及存储介质
CN111061948B (zh) 一种用户标签推荐方法、装置、计算机设备及存储介质
CN113609193A (zh) 训练用于预测客户交易行为的预测模型的方法及装置
CN115422173A (zh) 金融信贷领域的数据治理方法及系统
CN109840676B (zh) 基于大数据的风控方法、装置、计算机设备及存储介质
KR20190110517A (ko) 맞춤형 중소기업 정책사업 정보제공장치
CN105405051A (zh) 金融事件预测方法和装置
CN113658007B (zh) 一种投融资匹配方法、装置、电子设备及存储介质
WO2021088820A1 (zh) 贷后信息的管理方法、装置、设备及存储介质
CN114254617A (zh) 一种修订条款的方法、装置、计算设备及存储介质
Song Construction of event knowledge graph based on semantic analysis
KR20190108447A (ko) 맞춤형 중소기업 정책사업 정보제공장치
CN115860925A (zh) 一种基于人工智能负债数据智能查询和投资管理系统
CN117291722A (zh) 对象管理方法、相关设备及计算机可读介质
CN111476657A (zh) 信息推送方法、装置及系统
CN111415138A (zh) 一种创意处理方法和系统、客户端以及服务端
KR102710397B1 (ko) 금융 마이데이터 기반 기계학습을 위한 말뭉치를 이용한 거래 적요 데이터 분석 장치 및 방법과 이를 위한 컴퓨터 프로그램
CN113674081A (zh) 一种基于图数据库的中小企业风控管理系统及方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230328