本发明专利技术公开了一种金融信息处理方法及装置，可应用于大数据领域或金融领域，该方法包括：响应于金融信息预测请求，获取与金融信息预测请求对应的金融数据以及网络信息；对金融数据进行分析，获得冲击事件的时间序列；对时间序列进行预测，得到第一预测结果；对网络信息进行预处理，并将预处理后的网络信息输入至目标识别模型，获得第二预测结果；利用联合分析模型对第一预测结果和第二预测结果进行处理，得到目标结果。本发明专利技术通过对金融数据和网络信息进行分析，实现了基于全面的信息挖掘和利用，使得满足了信息实时和全面处理的需求，并提升了信息处理的准确性。并提升了信息处理的准确性。并提升了信息处理的准确性。
【技术实现步骤摘要】
一种金融信息处理方法及装置
[0001]本专利技术涉及信息处理
，特别是涉及一种金融信息处理方法及装置。
技术介绍
[0002]基于深度学习所进行的各类识别，一直以来都是各种应用场景下解决大数据分析的重要工具。例如，图像、自然语言处理、风险预警等应用场景。金融风险预测常用基于金融数据的风险预测量化模型。
[0003]但是，现有的风险预测模型通常是基于单一维度的信息进行考量，不能进行全面、实时的预测，使得最终的预测模型可信度较差，从而对金融信息处理后会有滞后性，并降低了处理的准确性。
技术实现思路
[0004]针对于上述问题，本专利技术提供一种金融信息处理方法及装置，实现了满足信息实时和全面处理的需求，并提升了信息处理的准确性。
[0005]为了实现上述目的，本专利技术提供了如下技术方案：
[0006]一种金融信息处理方法，包括：
[0007]响应于金融信息预测请求，获取与所述金融信息预测请求对应的金融数据以及网络信息；
[0008]对所述金融数据进行分析，获得冲击事件的时间序列；
[0009]对所述时间序列进行预测，得到第一预测结果；
[0010]对所述网络信息进行预处理，并将预处理后的网络信息输入至目标识别模型，获得第二预测结果；
[0011]利用联合分析模型对所述第一预测结果和所述第二预测结果进行处理，得到目标结果。
[0012]可选地，所述对所述金融数据进行分析，获得冲击事件的时间序列，包括：
[0013]获取所述金融数据中的高频数据；
[0014]对所述高频数据进行数据预处理，得到预处理后的数据，所述数据预处理包括数据清洗和数据整合；
[0015]对预处理后的数据进行筛选，获得冲击事件；
[0016]构建所述冲击事件的时间序列。
[0017]可选地，所述对所述网络信息进行预处理，包括：
[0018]对所述网络信息进行数据清洗，获得清洗后的数据，所述数据清洗包括合法值校验和去除空值以及异常值；
[0019]对清洗后的数据进行特征提取，获得数据特征。
[0020]可选地，所述方法还包括：
[0021]获取样本数据集，所述样本训练集为标注有情感指向标签的网络数据；
[0022]依据所述样本数据集进行训练，获得目标识别模型，所述目标识别模型为能够通过网络信息识别获得情感指向。
[0023]可选地，所述方法还包括：
[0024]基于所述目标结果对金融风险进行评级，获得评级信息，以使得通过所述评级信息确定与所述金融信息预测请求对应的处理模式。
[0025]一种金融信息处理装置，包括：
[0026]获取单元，用于响应于金融信息预测请求，获取与所述金融信息预测请求对应的金融数据以及网络信息；
[0027]分析单元，用于对所述金融数据进行分析，获得冲击事件的时间序列；
[0028]第一预测单元，用于对所述时间序列进行预测，得到第一预测结果；
[0029]第二预测单元，用于对所述网络信息进行预处理，并将预处理后的网络信息输入至目标识别模型，获得第二预测结果；
[0030]处理单元，用于利用联合分析模型对所述第一预测结果和所述第二预测结果进行处理，得到目标结果。
[0031]可选地，所述分析单元包括：
[0032]第一获取子单元，用于获取所述金融数据中的高频数据；
[0033]预处理子单元，用于对所述高频数据进行数据预处理，得到预处理后的数据，所述数据预处理包括数据清洗和数据整合；
[0034]筛选子单元，用于对预处理后的数据进行筛选，获得冲击事件；
[0035]构建子单元，用于构建所述冲击事件的时间序列。
[0036]可选地，所述第二预测单元包括：
[0037]数据清洗子单元，用于对所述网络信息进行数据清洗，获得清洗后的数据，所述数据清洗包括合法值校验和去除空值以及异常值；
[0038]提取子单元，用于对清洗后的数据进行特征提取，获得数据特征。
[0039]可选地，所述装置还包括：
[0040]样本获取单元，用于获取样本数据集，所述样本训练集为标注有情感指向标签的网络数据；
[0041]训练单元，用于依据所述样本数据集进行训练，获得目标识别模型，所述目标识别模型为能够通过网络信息识别获得情感指向。
[0042]可选地，所述装置还包括：
[0043]评级单元，用于基于所述目标结果对金融风险进行评级，获得评级信息，以使得通过所述评级信息确定与所述金融信息预测请求对应的处理模式。
[0044]相较于现有技术，本专利技术提供了一种金融信息处理方法及装置，包括：响应于金融信息预测请求，获取与金融信息预测请求对应的金融数据以及网络信息；对金融数据进行分析，获得冲击事件的时间序列；对时间序列进行预测，得到第一预测结果；对网络信息进行预处理，并将预处理后的网络信息输入至目标识别模型，获得第二预测结果；利用联合分析模型对第一预测结果和第二预测结果进行处理，得到目标结果。本专利技术通过对金融数据和网络信息进行分析，实现了基于全面的信息挖掘和利用，使得满足了信息实时和全面处理的需求，并提升了信息处理的准确性。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0046]图1为本专利技术实施例提供的一种金融信息处理方法的流程示意图；
[0047]图2为本专利技术实施例提供的一种金融信息处理架构的示意图；
[0048]图3为本专利技术实施例提供的一种金融信息处理装置的结构示意图。
具体实施方式
[0049]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0050]本专利技术的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
[0051]在本专利技术实施例中提供了一种金融信息处理方法，参见图1，该方法可以包括以下步骤：
[0052]S101、响应于金融信息预测请求，获取与所述金融信息预测请求对应的金融数据以及网络信息。
[0053]金融信息预测请求是指需要对金融信息进行处理的需求，如金融投资需求，风险预估需求等。不同的预本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种金融信息处理方法，其特征在于，包括：响应于金融信息预测请求，获取与所述金融信息预测请求对应的金融数据以及网络信息；对所述金融数据进行分析，获得冲击事件的时间序列；对所述时间序列进行预测，得到第一预测结果；对所述网络信息进行预处理，并将预处理后的网络信息输入至目标识别模型，获得第二预测结果；利用联合分析模型对所述第一预测结果和所述第二预测结果进行处理，得到目标结果。2.根据权利要求1所述的方法，其特征在于，所述对所述金融数据进行分析，获得冲击事件的时间序列，包括：获取所述金融数据中的高频数据；对所述高频数据进行数据预处理，得到预处理后的数据，所述数据预处理包括数据清洗和数据整合；对预处理后的数据进行筛选，获得冲击事件；构建所述冲击事件的时间序列。3.根据权利要求1所述的方法，其特征在于，所述对所述网络信息进行预处理，包括：对所述网络信息进行数据清洗，获得清洗后的数据，所述数据清洗包括合法值校验和去除空值以及异常值；对清洗后的数据进行特征提取，获得数据特征。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本数据集，所述样本训练集为标注有情感指向标签的网络数据；依据所述样本数据集进行训练，获得目标识别模型，所述目标识别模型为能够通过网络信息识别获得情感指向。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述目标结果对金融风险进行评级，获得评级信息，以使得通过所述评级信息确定与所述金融信息预测请求对应的处理模式。6.一种金融信息处理装置，其特征在于，包括：获取单元，用于响应于金融信息预测请求，获取与所述金融信息预...
【专利技术属性】
技术研发人员：洪烨嵘，赵尊晨，邝智颖，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。