CN116415562B - 用于解析金融数据的方法、设备和介质 - Google Patents

用于解析金融数据的方法、设备和介质 Download PDF

Info

Publication number
CN116415562B
CN116415562B CN202310667390.7A CN202310667390A CN116415562B CN 116415562 B CN116415562 B CN 116415562B CN 202310667390 A CN202310667390 A CN 202310667390A CN 116415562 B CN116415562 B CN 116415562B
Authority
CN
China
Prior art keywords
value
date
data
feature kernel
financial 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.)
Active
Application number
CN202310667390.7A
Other languages
English (en)
Other versions
CN116415562A (zh
Inventor
尤元俊
雷盼
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.)
Shanghai Suntime Information Technology Co ltd
Original Assignee
Shanghai Suntime Information 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 Shanghai Suntime Information Technology Co ltd filed Critical Shanghai Suntime Information Technology Co ltd
Priority to CN202310667390.7A priority Critical patent/CN116415562B/zh
Publication of CN116415562A publication Critical patent/CN116415562A/zh
Application granted granted Critical
Publication of CN116415562B publication Critical patent/CN116415562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本公开的实施例涉及用于解析金融数据的方法、设备和介质，包括：获取包括待解析金融数据的元文件，以便基于预定日期格式检索所述元文件，从而将所述元文件中的日期值确定为日期锚点；利用预定的金融数据最小特征核模板，扫描所确定的日期锚点，从而确定所述元文件中与最小特征核模板匹配的特征核；基于所确定的日期锚点和特征核，确定金融数据的保存模式；根据所确定的保存模式和特征核，解析所述元文件，以确定与金融数据对应的字段值、数据值以及日期值的单元格的坐标值；以及在所确定的单元格的坐标值上以预定格式获取对应的字段值、数据值以及日期值。

Description

用于解析金融数据的方法、设备和介质
技术领域
本公开的实施例总体涉及数据处理领域，并且更具体地涉及一种用于解析金融数据的方法、计算设备和计算机可读存储介质。
背景技术
随着社会经济稳步发展，基金行业也迎来繁荣。各类基金产品涌现，为合格投资人提供更多选择。以私募基金为例，私募基金运作情况的核心指标为私募基金净值。为了确定基金对于投资人的价值，私募基金方会每日将私募基金的基金名称、净值日期、净值等关键数据发送到金融机构或者基金用户。
以上数据的数据内容固定，但是不同机构可能会以不同方式发送，例如邮件发送、excel表格发送等。具体通过excel表格发送，内部的数据格式也各不相同。例如A基金可能将净值日期与基金名称置于同一行但不同列的单元格，而同时接收的B基金则可能将净值日期与基金名称置于同一列但不同行的单元格，更多的基金公司还可能在净值数据中区分单位净值和累计净值。不同结构的数据为解析金融数据带来了困难。
综上，传统的用于解析金融数据的方案所存在的不足之处在于：无法以一种统一的方式解析按照不同结构排布的金融数据。
发明内容
针对上述问题，本公开提供了一种用于解析金融数据的方法、计算设备和计算机可读存储介质，能够在无需识别表格标识线段的情况下准确提取复杂的表格内容。
本公开的金融数据，即私募净值解析方法可以全天候，高效率解析从私募基金发行机构或私募基金托管机构发送的包含净值信息的金融数据元文件，从而结构化的获取基金名称、净值日期、净值等关键数据。
根据本公开的第一方面，提供了一种用于解析金融数据的方法，包括：获取包括待解析金融数据的元文件，以便基于预定日期格式检索所述元文件，从而将所述元文件中的日期值确定为日期锚点；利用预定的金融数据最小特征核模板，扫描所确定的日期锚点，从而确定所述元文件中与最小特征核模板匹配的特征核；基于所确定的日期锚点和特征核，确定金融数据的保存模式；根据所确定的保存模式和特征核，解析所述元文件，以确定与金融数据对应的字段值、数据值以及日期值的单元格的坐标值；以及在所确定的单元格的坐标值上以预定格式获取对应的字段值、数据值以及日期值。
根据本公开的第二方面，提供了一种计算设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开的第一方面的方法。
在本公开的第三方面中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中计算机指令用于使计算机执行本公开的第一方面的方法。
在一些实施例中，基于预定日期格式检索所述元文件包括：获取对应于预定日期格式的正则表达式；解析元文件中所包含的分页并且利用所获取的正则表达式，遍历所解析的分页中的每一页，从而确定所有与所述正则表达式匹配的单元格；以及将所匹配的单元格的横坐标、纵坐标以及单元格的参数值确定为日期锚点。
在一些实施例中，利用预定的金融数据最小特征核模板扫描所确定的日期锚点包括：获取第一最小特征核模板，以便将所述第一最小特征核模板转换为第一表达函数，所述第一表达函数包括与所述金融数据对应的日期值和数据值，其中所述数据值对应的单元格的纵坐标值与所述日期值对应的单元格的纵坐标值相同，所述数据值对应的单元格的横坐标值为所述日期值对应的单元格的横坐标值加预定第一常数值；获取第二最小特征核模板，以便将所述第二最小特征核模板转换为第二表达函数，所述第二表达函数包括与所述金融数据对应的日期值和数据值，其中所述数据值对应的单元格的横坐标值与所述日期值对应的单元格的横坐标值相同，所述数据值对应的单元格的纵坐标值为所述日期值对应的单元格的纵坐标值加预定第二常数值；以及获取第三最小特征核模板，以便将所述第三最小特征核模板转换为第三表达函数，所述第三表达函数包括与所述金融数据对应的日期值和多个数据值，其中所述多个数据值对应的单元格的横坐标值为所述日期值对应的单元格的横坐标值加预定第三常数值，所述多个数据值对应的单元格的多个纵坐标值是以预定函数及所述日期值对应的单元格的纵坐标值所确定的。
在一些实施例中，基于所确定的日期锚点和特征核确定金融数据的保存模式包括：确定日期锚点的数量以及最小特征核模板匹配的次数；基于所确定的日期锚点的数量以及最小特征核模板匹配的次数，确定金融数据的保存模式，其中确定金融数据的保存模式包括：响应于存在单个日期锚点且最小特征核模板匹配次数为单次，确定金融数据的保存模式为第一模式；响应于存在单个日期锚点且最小特征核模板匹配次数为多次，确定金融数据的保存模式为第二模式；以及响应于存在多个日期锚点且最小特征核模板匹配次数为多次，确定金融数据的保存模式为第三模式。
在一些实施例中，根据所确定的保存模式和特征核解析所述元文件包括：响应于金融数据的保存模式确定为第一模式，确定特征核所匹配的相应最小特征核模板；基于匹配到特征核的相应最小特征核模板，确定字段值的横坐标值和纵坐标值，其中确定字段值的横坐标值和纵坐标值包括：响应于第一最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值，并且字段值的纵坐标值为日期锚点的纵坐标值减第四常数值；响应于第二最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值减第四常数值，字段值的纵坐标值为日期锚点的纵坐标值；以及响应于第三最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值减第四常数值，字段值的纵坐标值为日期锚点的纵坐标值减第四常数值。
在一些实施例中，根据所确定的保存模式和特征核解析所述元文件包括：响应于金融数据的保存模式确定为第二模式，确定特征核所匹配的多个最小特征核模板是否相同；响应于特征核匹配到相同特征核模板，则基于所匹配的相同的最小特征核模板解析述金融数据对应的字段值、数据值以及日期值；以及响应于特征核匹配到不同特征核模板，则分别基于不同的最小特征核模板类型，解析多个述金融数据对应的字段值、数据值以及日期值。
在一些实施例中，根据所确定的保存模式和特征核解析所述元文件包括：响应于金融数据的保存模式确定为第三模式，确定特征核所匹配的最小特征核模板；响应于多个日期锚点处于同一行，则基于第一最小特征核模板或第三最小特征核模板，解析多个金融数据对应的字段值、数据值以及日期值；响应于多个日期锚点处于同一列，则基于第二最小特征核模板，解析多个金融数据对应的字段值、数据值以及日期值；以及响应于多个日期锚点处于矩阵式排列，则将矩阵式排列的日期锚点分为多个日期锚点列，并且基于第二最小特征核模板分别解析多个日期锚点列，从而解析多个金融数据对应的字段值、数据值以及日期值。
在一些实施例中，还包括：获取与金融数据相关联的标签，其中所述标签至少包括字段值标签、数据值标签以及日期值标签；为所获取的元文件中的值标记所述标签；基于自然语言模型以及标记的源文件，训练所述自然语言模型；基于所训练的自然语言模型，构建金融数据解析模型，从而基于所构建的金融数据解析模型解析金融数据。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素。
图1示出了用于实现根据本公开的实施例的用于解析金融数据的方法的系统100的示意图。
图2示出了根据本公开的实施例的用于解析金融数据的方法200的流程图。
图3示出了根据本发明实施例的第一最小特征核模板的示意图。
图4示出了根据本发明实施例的第二最小特征核模板的示意图。
图5示出了根据本发明实施例的第三最小特征核模板的示意图。
图6示出了根据本公开的实施例的另一个用于解析金融数据的方法600的流程图。
图7示出了根据本公开的实施例的电子设备700的框图。
实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
图1示出了用于实现根据本公开的实施例的用于解析金融数据的方法的系统100的示意图。如图1中所示，系统100包括计算设备110和金融数据管理设备130和网络140。计算设备110、金融数据管理设备130可以通过网络140（例如，因特网）进行数据交互。
金融数据管理设备130，其例如可以执行对金融数据的常规管理，例如收集、存储金融数据。金融数据管理设备130还可以将所管理的金融数据发送给计算设备110。金融数据管理设备130例如而不限于：可执行金融数据读取和修改的台式计算机、膝上型计算机、上网本计算机、平板电脑、网络浏览器、电子书阅读器、个人数字助理（PDA）和可穿戴计算机（诸如智能手表和活动追踪器设备）等。金融数据管理设备130可以配置成存储金融数据，将金融数据经由网络140发送到计算设备110，并且接收来自计算设备110处理的金融数据。
关于计算设备110，其例如用于经由网络140接收来自金融数据管理设备130的金融数据；针对所接收的金融数据挖掘金融数据对应的净值、日期等。计算设备110可以具有一个或多个处理单元，包括诸如GPU、FPGA和ASIC等的专用处理单元以及诸如CPU的通用处理单元。另外，在每个计算设备110上也可以运行着一个或多个虚拟机。在一些实施例中，计算设备110与金融数据管理设备130可以集成在一起，也可以是彼此分立设置。在一些实施例中，计算设备110例如包括获取单元112、扫描单元114、确定单元116和解析单元118。
获取单元112，所述获取单元112配置成获取包括待解析金融数据的元文件，以便基于预定日期格式检索所述元文件，从而将所述元文件中的日期值确定为日期锚点。
扫描单元114，所述扫描单元114配置成利用预定的金融数据最小特征核模板，扫描所确定的日期锚点，从而确定所述元文件中与最小特征核模板匹配的特征核。
确定单元116，所述确定单元116配置成基于所确定的日期锚点和特征核，确定金融数据的保存模式。
解析单元118，所述确定单元118配置成根据所确定的保存模式和特征核，解析所述元文件，以确定所述字段值、数据值以及日期值的单元格的坐标值。
所述解析单元118还配置成在所确定的单元格坐标值上以预定格式获取对应的字段值、数据值以及日期值。
图2示出了根据本公开的实施例的用于解析金融数据的方法200的流程图。方法200可由如图2所示的计算设备110执行，也可以在图7所示的电子设备700处执行。应当理解的是，方法200还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在步骤202中，计算设备110可以获取包括待解析金融数据的元文件，以便基于预定日期格式检索所述元文件，从而将所述元文件中的日期值确定为日期锚点。
在一个实施例中，计算设备110可以包括邮件接收模块，用于接收包括待解析的元文件。元文件可以是邮件、邮件正文、excel表格、word文件等各类可以记录金融数据的基础数据。元文件至少包括私募基金的字段值，例如私募基金名称、数据值，例如私募基金的净值、累计净值以及日期值，例如对应于净值的日期。
在获取邮件发件人、收件人、标题、正文、附件、邮件日期后，可以衔接计算设备110包括的邮件接收模块，从而产生分支。在分支1中，计算设备110确定存在附件，例如excel表格，则执行方法200的后续解析流程。在分支2中，计算设备110确定不存在附件，则可以通过方法300执行金融数据解析，从而直接解析邮件正文。
在一个实施例中，计算设备110可以执行判断，从而在Excel、PDF或Word等本领域常见的元文件文件格式中确定附件格式。如果元文件文件格式不是Excel，则计算设备110可以调用文件转化工具将其转换为Excel解析。
在一个实施例中，计算设备110获取对应于预定日期格式的正则表达式；解析元文件中所包含的分页并且利用所获取的正则表达式，遍历所解析的分页中的每一页，从而确定所有与所述正则表达式匹配的单元格；将所匹配的单元格的横坐标、纵坐标以及单元格的参数据值确定为日期锚点。
对应于预定日期格式的正则表达式可以是本领域常用的日期表达式，例如YYYYMMDD等。随后计算设备110可以使用 Excel 解析工具，依次解析Excel中所有的分页，每一分页按行解析，从而基于解析获得每个单元格的行号、列号及内容。所解析的数据可以定义为函数a。
其中为ra单元格的横坐标值或者行号，ca为纵坐标值或者列号，va为单元格的值。可以将函数a进一步定义为单元格集合An，n = 1,2, … ,N，N为全部单元格的数量。通过将函数a中的va根据正则表达式执行匹配，从而确定该单元格是否为日期锚点。响应于va匹配到正则表达式，可以将所匹配的单元格的横坐标、纵坐标以及单元格的参数据值确定为日期锚点。
按照相同的方式，可以确定元文件，例如excel中所有的日期锚点。可以将日期锚点函数a定义为一个或多个d，并且定义所有日期锚点的集合为 D，，M为全部日期锚点的数量。
在步骤204中，计算设备110可以利用预定的金融数据最小特征核模板，扫描所确定的日期锚点，从而确定所述元文件中与最小特征核模板匹配的特征核。
在一个实施例中，计算设备110可以将所述日期锚点转换为具有横坐标值和纵坐标值的日期值，即将dm还原为函数a，其中包括横坐标值ra，纵坐标值ca，以及日期值va。
本公开以净值表为例说明如何解析金融数据。净值表信息排列方式复杂，不单纯为横向或纵向。针对该复杂场景，可以依托前一步骤确定的日期锚点，定义三类最小特征核，扫描全部前一步骤单元格集合An，确定日期锚点适配哪种最小特征核，然后确定最小特征核重复模式，其次外扩确定其余关键信息，最终完成全部信息的提取。
数据值可指金融数据值，例如基金的净值、单位净值等。在确定特征核之前，可以利用测试函数确定单元格的信息是否为期待的金融数据的数据值，例如净值。由于ai可以定义为(ri, ci, vi)，因此可以解析Vi。例如根据如下测试函数确定单元格的内容是否为净值。
对于满足测试函数的单元格，可以将其定义为数据值或净值NV。
计算设备110可以获取第一最小特征核模板并将所述第一最小特征核模板转换为第一表达函数，所述第一表达函数包括与所述金融数据对应的日期值和数据值，其中所述数据值对应的单元格的纵坐标值与所述日期值的纵坐标值相同，所述数据值对应的单元格的横坐标值为所述日期值的横坐标值加预定第一常数值。
图3示出了根据本发明实施例的第一最小特征核模板的示意图。如图3所示，第一最小特征核模板可以搜索局部纵向排列的金融净值信息。计算设备110还可以将所述第一最小特征核模板转换为第一表达函数fk1。
在第一表达函数中Di指的是日期锚点或日期值，NVi指的是数据净值或数据的数据值。可以看到所述数据值对应的单元格的纵坐标值cdi与所述日期值的纵坐标值cdi相同，所述数据值对应的单元格的横坐标值rdi为所述日期值的横坐标值rdi加预定第一常数值j。第一常数值j可以为任意整数值。
计算设备110可以获取第二最小特征核模板并将所述第二最小特征核模板转换为第二表达函数，所述第二表达函数包括与所述金融数据对应的日期值和数据值，其中所述数据值对应的单元格的横坐标值与所述日期值的横坐标值相同，所述数据值对应的单元格的纵坐标值为所述日期值的纵坐标值加预定第二常数值。
图4示出了根据本发明实施例的第二最小特征核模板的示意图。如图4所示，第二最小特征核模板可以搜索局部横向排列的金融净值信息。计算设备110还可以将所述第二最小特征核模板转换为第二表达函数fk2。
在第二表达函数中Di指的是日期锚点或日期值，NVi指的是数据净值或数据的数据值。可以看到所述数据值对应的单元格的横坐标值rdi与所述日期值的横坐标值rdi相同，所述数据值对应的单元格的纵坐标值cdi为所述日期值的总坐标值cdi加预定第二常数值k。第二常数值k可以为任意整数值。
计算设备110可以获取第三最小特征核模板并将所述第三最小特征核模板转换为第三表达函数，所述第三表达函数包括与所述金融数据对应的日期值和多个数据值，其中所述多个数据值对应的单元格的横坐标值为所述日期值的横坐标值加预定第三常数值，以预定函数及所述日期值的纵坐标值确定所述多个数据值对应的单元格的多个纵坐标值。
图5示出了根据本发明实施例的第三最小特征核模板的示意图。如图5所示，第三最小特征核模板可以搜索局部信息分列展示的金融净值信息。计算设备110还可以将所述第三最小特征核模板转换为第三表达函数fk3。
在第三表达函数中Di指的是日期锚点或日期值，NVi指的是第一数据净值，例如的单位净值，NVi+1指的是第二数据净值，例如累计净值。可以看到述多个数据值对应的单元格的横坐标值rdi+m为所述日期值的横坐标值rdi加预定第三常数值m并且以预定函数及所述日期值的纵坐标值确定所述多个数据值对应的单元格的多个纵坐标值。预定函数可以是f=0，1,2,3,…N，N为数据值的数量-1，例如净值的数量-1。例如，以两个数据净值为例，基于预定函数，第一数据净值的横坐标cdi与日期值的横坐标cdi相同，即+0，第二数据净值的横坐标为日期值的横坐标cdi+1。如果还存在第三数据净值，则其横坐标为为日期值的横坐标cdi+2。
在步骤206中，计算设备110可以基于所确定的日期锚点和特征核，确定金融数据的保存模式。
在一个实施例中，计算设备110可以确定日期锚点的数量以及最小特征核模板匹配的次数，其中响应于存在单个日期锚点且最小特征核模板匹配次数为单次，确定金融数据的保存模式为第一模式，即单日期锚点，匹配某个特征核单次。
响应于存在单个日期锚点且最小特征核模板匹配次数为多次，确定金融数据的保存模式为第二模式，即单日期锚点，匹配了某个特征核多次。
响应于存在多个日期锚点且最小特征核模板匹配次数为多次，确定金融数据的保存模式为第三模式，即多日期锚点，匹配了某个特征核多次。
在步骤208中，计算设备110可以根据所确定的保存模式和特征核，解析所述元文件，以确定所述字段值、数据值以及日期值的单元格的坐标值。
金融数据的字段值可以指基金名称或者代号等，其一般也位于元文件中，需要将其提取。
在一个实施例中，响应于金融数据的保存模式确定为第一模式，确定特征核所匹配的相应最小特征核模板，其中响应于第一最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值，并且字段值的纵坐标值为日期锚点的纵坐标值减第四常数值。
具体来说，如果在第一模式中匹配为第一最小特征核模板，则字段值的单元格在特征核列的左侧列，即cdi-1的列寻找可解析为字段值的单元格ai(rai,cdi-1,vai)。在这里第四常数值可以为1也可以为其他整数。通过以上方式，可以获取字段值中的字段名称信息，每个字段名称同行，cdi列即为数据列，依次对应解析，完成后续数据提取。
响应于第二最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值减第四常数值，字段值的纵坐标值为日期锚点的纵坐标值。
具体来说，如果在第一模式中匹配为第二最小特征核模板，则字段值的单元格在特征核列的上方，即rdi-1的行寻找可解析为字段值的单元格ai(rai-1,cdi,vai)。在这里第四常数值可以为1也可以为其他整数。通过以上方式，可以获取字段值中的字段名称信息，依次对应解析，完成后续数据提取。
响应于第三最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值减第四常数值，字段值的纵坐标值为日期锚点的纵坐标值减第四常数值。
具体来说，如果在第一模式中匹配为第三最小特征核，则字段值的单元格在特征核列的左方和上方，即rdi-1的行，cdi-1的列寻找可解析为字段值的单元格ai(rai-1,cdi-1,vai)。在这里第四常数值可以为1也可以为其他整数。通过以上方式，可以获取字段值中的字段名称信息，依次对应解析，完成后续数据提取。
在一个实施例中，计算设备110响应于金融数据的保存模式确定为第二模式，确定特征核所匹配的多个最小特征核模板是否相同，其中响应于特征核匹配到相同特征核模板，则确定特征核具有多个数据值，其中以如上所述的相应最小特征核模板确定多个数据值的横坐标值和纵坐标；响应于特征核匹配到不同特征核模板，则分别基于不同特征核模板类型，解析多个述金融数据对应的字段值、数据值以及日期值。
具体来说，在第二模式中可能存在数据区域可以匹配特征核多次，即所有符合最小特征核匹配结果的单元格的集合。换言之，私募基金产品数量可能为一只或多只。因此，响应于在第二模式中匹配为第一最小特征核，则数据区域净值单元格 NV 数量为 2，在特征核列左侧列，即cdi-1的列寻找可解析为字符串的单元格aai(rai,cdi-1,vai)中。与NV单元格同行的aai可以被解析为“单位净值”，“累计净值”。字段解析及对照可参考如上所述。
响应于在第二模式中匹配为第二最小特征核模板，则数据区域净值单元格 NV 数量为 2。在特征核行上方行，即rdi-1的行寻找可解析为字符串的aai(rai-1,cdi,vai)中。与NV单元格同列的aai能解析为“单位净值”，“累计净值”，则为单一私募基金产品，字段解析及对照可参考如上所述。
响应于在第二模式中匹配为第三最小特征核模板，则必为多只私募基金产品净值信息纵向排列。因此如上所述，搜索日期单元格上方一行和下方一行单元格字符串解析结果，明确单位净值列和累计净值列。在特征核列左侧列，即cdi-1的列寻找可解析为字符串的aai(rai,cdi-1,vai)，其中vai为基金名称，同行的两个净值单元格 NV 即为日期锚点下的净值和累计净值，字段解析及对照可参考如上所述。
在一个实施例中，计算设备110响应于金融数据的保存模式确定为第三模式，确定特征核所匹配的最小特征核模板。
具体来说，计算设备110确定所有的日期锚点处于同一行，还是同一列，还是呈行列矩阵式排列日期锚点处于同一行。
响应于多个日期锚点处于同一行，则基于第一最小特征核模板或第三最小特征核模板，解析多个金融数据对应的字段值、数据值以及日期值。
具体来说，响应于多个日期锚点处于同一行，只能匹配第一最小特征核模板和第三最小特征核模板。如果匹配到第二最小特征核模板，则解析失败。响应于匹配的是第一最小特征核模板或第三最小特征核模板，先选取最左侧日期锚点，即cdi最小的Di(rdi,cdi,vdi )。按照第二模式中最小特征核 1 或 3 的方式获取私募基金产品（一只或多只）名称及其他字段信息。其余日期锚点则依托于最左侧日期锚点解析的信息，完成对应日期的单位净值、累计净值提取，具体如上所示不再赘述。
响应于多个日期锚点处于同一列，则基于第二最小特征核模板，解析多个金融数据对应的字段值、数据值以及日期值。
具体来说，响应于多个日期锚点处于同一列，只能匹配第二最小特征核模板。如果匹配到第一或第三最小特征核模板，则解析失败。计算设备110可以选取最上方日期锚点，即rdi最小的单元格Di(rdi,cdi,vdi )。按照第二模式中的第二最小特征核模板的方式获取私募基金产品（一只或多只）名称及其他字段信息，具体如上不再赘述。
响应于多个日期锚点处于矩阵式排列，则将矩阵式排列的日期锚点分为多个日期锚点列，并且基于第二最小特征核模板分别解析多个日期锚点列，从而解析多个金融数据对应的字段值、数据值以及日期值。
使用第二最小特征核模板分别解析多个日期锚点列具体如下所述。响应于多个日期锚点处于矩阵式排列，则只能匹配第二最小特征核模板。如果匹配到第一或第三最小特征核模板，则解析失败。在此场景下，首先确定是单只产品还是多只产品。选取最左上角的日期锚点，即cdi、rdi均c和r中最小Di(rdi,cdi,vdi )。基于该位置的上一行，即rdi-1行搜索表头信息。记录匹配的第二最小特征核模板宽度为w。基于宽度w，从rdi-1行，cdi列开始检索。如果位置（rdi-1，cdi）存在单元格合并的情况，且参与合并的单元格数量即为w。同时可以确定为多只产品，合并后的单元格内容，即为rdi列净值对应的产品名称。其余产品名称，均按照此模式，从第一行日期锚点的上一行，即rdi-1行，按照每个日期锚点的列作为起点，检查是否存在w个单元格合并的情况。如果是，则合并的单元格内容为产品名称，如果不是，则解析失败。
如果参与合并的单元格数量不为w，则确定rdi-1行是否存在单元格合并情况或是存在一个合并了从锚点行列矩阵最左边列到最右边列的单元格。如果两种情况均不符合，则解析失败。如果不存在单元格合并的情况，取最左边一列日期锚点（cdi，rdi-1）的单元格文本为产品名称。存在一个合并单元格的情况，取该合并单元格内容为产品名称。
从单元格（rdi-1，cdi）开始检索，如果位置（rdi-1，cdi）不存在单元格合并的情况，且从（rdi-1，cdi）开始向右 w 列，每列都可解析为文本，则从（rdi-1，cdi）开始到（rdi-1，cdi+w）为局部表头列，即可完成对应的数据提取。如果局部表头列中，不包含产品名称，则从（rdi-2，cdi）列开始执行上述没有局部表头时候进行的产品名称搜索逻辑。如产品名称解析失败，则整体解析失败。
在步骤210中，计算设备110可以在所确定的单元格坐标值上以预定格式获取对应的字段值、数据值以及日期值。
在一个实施例中，基于所确定的单元格可以以预定的数据格式获取金融数据对应的字段值，例如名称、数据值，例如净值以及日期值。
图6示出了根据本公开的实施例的另一个用于解析金融数据的方法600的流程图。方法600可由如图2所示的计算设备110执行，也可以在图7所示的电子设备700处执行。应当理解的是，方法200还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在步骤602中，计算设备110可以获取与金融数据相关联的标签，其中所述标签至少包括字段值标签、数据值标签以及日期值标签。标签具体可以是私募基金产品备案编号、私募基金产品名称、净值日期、单位净值等。
在步骤604中，计算设备110可以为所获取的元文件中的值标记所述标签。
例如为内容“坤坤量化多策略专享100号”打上字段值标签，代表私募基金产品备案编号。
在步骤606中，计算设备110可以基于自然语言模型以及标记的源文件，训练所述自然语言模型。
在一个实施例中，可以照自然语言模型的方式进行解析，邮件标题、正文为模型的输入。自然语言模型底层使用的模型为 bert，基于预训练的基础上进行再训练。再训练按照分段打标签的方式，准备训练数据。
在步骤608中，计算设备110可以基于训练结果，构建金融数据解析模型，从而基于所构建的金融数据解析模型解析金融数据。
在一个实施例中，准备的标签为私募基金备案编号、私募基金产品名称、净值日期、单位净值、累计净值等关键字段。模型完成训练后，输出为带位置信息的标签预测，后根据该标签预测，提取对应的标签信息文本，格式化后入库。如格式化失败，则解析失败。格式化即将文本类型字段按文本存储，日期类型字段按日期存储，数值类型字段按数值存储。
图7示出了可以用来实施本公开内容的实施例的示例电子设备700的示意性框图。例如，如图1所示的计算设备110可以由电子设备700来实施。如图所示，电子设备700包括中央处理单元（CPU）701，其可以根据存储在只读存储器（ROM）702中的计算机程序指令或者从存储单元708加载到随机存取存储器（RAM）703中的计算机程序指令，来执行各种适当的动作和处理。在随机存取存储器703中，还可存储电子设备700操作所需的各种程序和数据。中央处理单元701、只读存储器702以及随机存取存储器703通过总线704彼此相连。输入/输出（I/O）接口705也连接至总线704。
电子设备700中的多个部件连接至输入/输出接口705，包括：输入单元706，例如键盘、鼠标、麦克风等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理，例如方法200、300，可由中央处理单元701执行。例如，在一些实施例中，方法200、300可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由只读存储器702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序被加载到随机存取存储器1303并由中央处理单元701执行时，可以执行上文描述的方法200、300中的一个或多个动作。
本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘计算设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，模块、程序段或指令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。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，两个连续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动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。
本领域普通技术人员应当了解，本发明不限定于上述的实施例，本发明可以在不偏离其主旨与范围内以许多其它的形式实施。因此，所展示的示例与实施例被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。

Claims (9)

1.一种用于解析金融数据的方法，包括：
获取包括待解析金融数据的元文件，以便基于预定日期格式检索所述元文件，从而将所述元文件中的日期值确定为日期锚点，其中包括获取对应于预定日期格式的正则表达式；解析元文件中所包含的分页并且利用所获取的正则表达式，遍历所解析的分页中的每一页，从而确定所有与所述正则表达式匹配的单元格；将所匹配的单元格的横坐标、纵坐标以及单元格的参数值确定为日期锚点；
利用预定的金融数据最小特征核模板，扫描所确定的日期锚点，从而确定所述元文件中与最小特征核模板匹配的特征核，其中定义三类最小特征核，扫描单元格集合，确定日期锚点适配哪种最小特征核，包括将第一最小特征核模板转换为第一表达函数fk1，fk1={(rdi,cdi, Vdi),..., NVi(rdi+j, cdi, Vdi),...}，将第二最小特征核模板转换为第二表达函数fk2，fk2={(rdi, cdi, Vdi),..., NVi(rdi, cdi+k, Vdi), ...}，将第三最小特征核模板转换为第三表达函数fk3，fk3={(rdi, cdi, Vdi),..., NVi(rdi+m, cdi, Vdi), NVi+1(rdi+m, cdi+1,Vdi)...}，di指的是日期锚点或日期值，NVi指的是数据净值或数据的数据值，cdi为单元格的纵坐标值，rdi为单元格的横坐标值，j、k、m为常数值；
基于所确定的日期锚点和特征核，确定金融数据的保存模式；
根据所确定的保存模式和特征核，解析所述元文件，以确定与金融数据对应的字段值、数据值以及日期值的单元格的坐标值；以及
在所确定的单元格的坐标值上以预定格式获取对应的字段值、数据值以及日期值。
2.根据权利要求1所述的方法，其中利用预定的金融数据最小特征核模板扫描所确定的日期锚点包括：
获取第一最小特征核模板，以便将所述第一最小特征核模板转换为第一表达函数，所述第一表达函数包括与所述金融数据对应的日期值和数据值，其中所述数据值对应的单元格的纵坐标值与所述日期值对应的单元格的纵坐标值相同，所述数据值对应的单元格的横坐标值为所述日期值对应的单元格的横坐标值加预定第一常数值；
获取第二最小特征核模板，以便将所述第二最小特征核模板转换为第二表达函数，所述第二表达函数包括与所述金融数据对应的日期值和数据值，其中所述数据值对应的单元格的横坐标值与所述日期值对应的单元格的横坐标值相同，所述数据值对应的单元格的纵坐标值为所述日期值对应的单元格的纵坐标值加预定第二常数值；以及
获取第三最小特征核模板，以便将所述第三最小特征核模板转换为第三表达函数，所述第三表达函数包括与所述金融数据对应的日期值和多个数据值，其中所述多个数据值对应的单元格的横坐标值为所述日期值对应的单元格的横坐标值加预定第三常数值，所述多个数据值对应的单元格的多个纵坐标值是以预定函数及所述日期值对应的单元格的纵坐标值所确定的。
3.根据权利要求2所述的方法，其中基于所确定的日期锚点和特征核确定金融数据的保存模式包括：
确定日期锚点的数量以及最小特征核模板匹配的次数；
基于所确定的日期锚点的数量以及最小特征核模板匹配的次数，确定金融数据的保存模式，其中确定金融数据的保存模式包括：
响应于存在单个日期锚点且最小特征核模板匹配次数为单次，确定金融数据的保存模式为第一模式；
响应于存在单个日期锚点且最小特征核模板匹配次数为多次，确定金融数据的保存模式为第二模式；以及
响应于存在多个日期锚点且最小特征核模板匹配次数为多次，确定金融数据的保存模式为第三模式。
4.根据权利要求3所述的方法，其中根据所确定的保存模式和特征核解析所述元文件包括：
响应于金融数据的保存模式确定为第一模式，确定特征核所匹配的相应最小特征核模板；
基于匹配到特征核的相应最小特征核模板，确定字段值的横坐标值和纵坐标值，其中确定字段值的横坐标值和纵坐标值包括：
响应于第一最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值，并且字段值的纵坐标值为日期锚点的纵坐标值减第四常数值；
响应于第二最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值减第四常数值，字段值的纵坐标值为日期锚点的纵坐标值；以及
响应于第三最小特征核模板匹配到特征核，则确定字段值的横坐标值为日期锚点的横坐标值减第四常数值，字段值的纵坐标值为日期锚点的纵坐标值减第四常数值。
5.根据权利要求4所述的方法，其中根据所确定的保存模式和特征核解析所述元文件包括：
响应于金融数据的保存模式确定为第二模式，确定特征核所匹配的多个最小特征核模板是否相同；
响应于特征核匹配到相同特征核模板，则基于所匹配的相同的最小特征核模板解析述金融数据对应的字段值、数据值以及日期值；以及
响应于特征核匹配到不同特征核模板，则分别基于不同的最小特征核模板类型，解析多个述金融数据对应的字段值、数据值以及日期值。
6.根据权利要求4所述的方法，其中根据所确定的保存模式和特征核解析所述元文件包括：
响应于金融数据的保存模式确定为第三模式，确定特征核所匹配的最小特征核模板；
响应于多个日期锚点处于同一行，则基于第一最小特征核模板或第三最小特征核模板，解析多个金融数据对应的字段值、数据值以及日期值；
响应于多个日期锚点处于同一列，则基于第二最小特征核模板，解析多个金融数据对应的字段值、数据值以及日期值；以及
响应于多个日期锚点处于矩阵式排列，则将矩阵式排列的日期锚点分为多个日期锚点列，并且基于第二最小特征核模板分别解析多个日期锚点列，从而解析多个金融数据对应的字段值、数据值以及日期值。
7.根据权利要求1所述的方法，其中还包括：
获取与金融数据相关联的标签，其中所述标签至少包括字段值标签、数据值标签以及日期值标签；
为所获取的元文件中的值标记所述标签；
基于自然语言模型以及标记的源文件，训练所述自然语言模型；
基于所训练的自然语言模型，构建金融数据解析模型，从而基于所构建的金融数据解析模型解析金融数据。
8.一种计算设备，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；
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
CN202310667390.7A 2023-06-06 2023-06-06 用于解析金融数据的方法、设备和介质 Active CN116415562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310667390.7A CN116415562B (zh) 2023-06-06 2023-06-06 用于解析金融数据的方法、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310667390.7A CN116415562B (zh) 2023-06-06 2023-06-06 用于解析金融数据的方法、设备和介质

Publications (2)

Publication Number Publication Date
CN116415562A CN116415562A (zh) 2023-07-11
CN116415562B true CN116415562B (zh) 2023-08-25

Family

ID=87054612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310667390.7A Active CN116415562B (zh) 2023-06-06 2023-06-06 用于解析金融数据的方法、设备和介质

Country Status (1)

Country Link
CN (1) CN116415562B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117010343B (zh) * 2023-09-27 2023-12-26 上海朝阳永续信息技术股份有限公司 解析估值表的方法、设备和计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505580A (zh) * 2021-07-26 2021-10-15 京东科技控股股份有限公司 表格文件的解析方法和装置
CN114358923A (zh) * 2022-01-11 2022-04-15 吉林亿联银行股份有限公司 一种业务数据的处理方法、装置、存储介质及电子设备
WO2022231593A1 (en) * 2021-04-29 2022-11-03 Jpmorgan Chase Bank, N.A. Automated extraction and standardization of financial time-series data from semi-structured tabular input
CN115630621A (zh) * 2022-11-07 2023-01-20 厦门天健财智科技有限公司 一种基于pdf财务数据报表的数据采集、处理的方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9235208B2 (en) * 2011-07-19 2016-01-12 GE Intelligent Platforms, Inc System of sequential kernel regression modeling for forecasting financial data
US20150348202A1 (en) * 2014-05-29 2015-12-03 Fair Isaac Corporation Insurance Claim Outlier Detection with Kernel Density Estimation
US10809629B2 (en) * 2018-08-31 2020-10-20 Taiwan Semiconductor Manufacturing Company, Ltd. Method and apparatus for computing feature kernels for optical model simulation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022231593A1 (en) * 2021-04-29 2022-11-03 Jpmorgan Chase Bank, N.A. Automated extraction and standardization of financial time-series data from semi-structured tabular input
CN113505580A (zh) * 2021-07-26 2021-10-15 京东科技控股股份有限公司 表格文件的解析方法和装置
CN114358923A (zh) * 2022-01-11 2022-04-15 吉林亿联银行股份有限公司 一种业务数据的处理方法、装置、存储介质及电子设备
CN115630621A (zh) * 2022-11-07 2023-01-20 厦门天健财智科技有限公司 一种基于pdf财务数据报表的数据采集、处理的方法及系统

Also Published As

Publication number Publication date
CN116415562A (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
CN109685056B (zh) 获取文档信息的方法及装置
CN112711660B (zh) 文本分类样本的构建方法和文本分类模型的训练方法
US9607039B2 (en) Subject-matter analysis of tabular data
CN108170715B (zh) 一种文本结构化处理方法
CN103793372A (zh) 从电子文档中的表格结构提取语义关系
CN111783471B (zh) 自然语言的语义识别方法、装置、设备及存储介质
US9870351B2 (en) Annotating embedded tables
CN115917613A (zh) 文档中文本的语义表示
CN116415562B (zh) 用于解析金融数据的方法、设备和介质
CN114298035A (zh) 一种文本识别脱敏方法及其系统
CN110737770B (zh) 文本数据敏感性识别方法、装置、电子设备及存储介质
CN115952791A (zh) 基于机器阅读理解的篇章级事件抽取方法、装置、设备及存储介质
CN113642569A (zh) 非结构化数据文档处理方法及相关设备
CN115935914A (zh) 一种入院记录缺失文本补充方法
Saleem et al. Information extraction from research papers by data integration and data validation from multiple header extraction sources
CN114491209A (zh) 基于互联网信息抓取的企业业务标签挖掘的方法和系统
CN114218940A (zh) 文本信息处理、模型训练方法、装置、设备及存储介质
CN112434889A (zh) 一种专家行业分析方法、装置、设备及存储介质
CN116166858A (zh) 基于人工智能的信息推荐方法、装置、设备及存储介质
Boillet et al. The Socface Project: Large-Scale Collection, Processing, and Analysis of a Century of French Censuses
CN114842982A (zh) 一种面向医疗信息系统的知识表达方法、装置及系统
CN114637831A (zh) 基于语义分析的数据查询方法及其相关设备
Wu et al. Automatic semantic knowledge extraction from electronic forms
Bangera et al. Digitization Of Tulu Handwritten Scripts-A Literature Survey
de León et al. Distant political news classification: Facilitating machine learning identification of news topics across multilingual text corpora

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Room 201-1 and Room 201-3, Building 4, No. 690 Bibo Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 201203

Patentee after: SHANGHAI SUNTIME INFORMATION TECHNOLOGY CO.,LTD.

Country or region after: China

Address before: Room 501, building 4, 690 Bibo Road, Pudong New Area pilot Free Trade Zone, Shanghai 201203

Patentee before: SHANGHAI SUNTIME INFORMATION TECHNOLOGY CO.,LTD.

Country or region before: China