基于深度学习的大规模财务风险预警方法、装置及设备制造方法及图纸

本发明专利技术涉及深度学习技术，揭露了一种基于深度学习的大规模财务风险预警方法，包括：获取业务数据，根据预设的目标规则将业务数据进行批处理及数据划分，得到预处理业务数据；对预处理业务数据进行标准化处理，得到标准化数据，对标准化数据进行特征提取，得到特征向量矩阵；将特征向量矩阵输入到预构建的财务风险预警模型中进行向量计算及横向连接，得到长向量；将长向量输入到财务风险预警模型中，得到预处理业务数据的风险概率；根据预处理业务数据的风险概率对预处理业务数据进行风险判断，得到财务风险预警结果。本发明专利技术还提出一种基于深度学习的大规模财务风险预警装置及电子设备。本发明专利技术可以提高财务风险预测精度。本发明专利技术可以提高财务风险预测精度。本发明专利技术可以提高财务风险预测精度。

【技术实现步骤摘要】
基于深度学习的大规模财务风险预警方法、装置及设备


[0001]本专利技术涉及深度学习
，尤其涉及一种基于深度学习的大规模财务风险预警方法、装置及电子设备。

技术介绍

[0002]金融市场上的主体都面临着收益和损失的不确定性，金融产品和工具的多样化趋势，都体现着风险控制的重要性。与此同时，计算机技术的迅速发展，数据分析技术的应用，给具有大数据特征的财务风险控制带来了机遇和挑战，传统的浅层机器学习方法在数据的特征提取方面不够全面，往往会有过拟合的情况，也无法准确分析复杂的数据，导致模型得到的预测结果不够准确，预测的稳定性不佳。综上所述，现有技术中存在着财务风险预测精度低的问题。

技术实现思路

[0003]本专利技术提供一种基于深度学习的大规模财务风险预警方法、装置及电子设备，其主要目的在于解决财务风险预测精度低的问题。
[0004]为实现上述目的，本专利技术提供的一种基于深度学习的大规模财务风险预警方法，包括：
[0005]获取业务数据，根据预设的目标规则将所述业务数据进行批处理及数据划分，得到预处理业务数据；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的大规模财务风险预警方法，其特征在于，所述方法包括：获取业务数据，根据预设的目标规则将所述业务数据进行批处理及数据划分，得到预处理业务数据；对所述预处理业务数据进行标准化处理，得到标准化数据，对所述标准化数据进行特征提取，得到特征向量矩阵；将所述特征向量矩阵输入到预构建的财务风险预警模型中进行向量计算及横向连接，得到长向量；将所述长向量输入到所述财务风险预警模型中，得到所述预处理业务数据的风险概率；根据所述预处理业务数据的风险概率对所述预处理业务数据进行风险判断，得到财务风险预警结果。2.如权利要求1所述的基于深度学习的大规模财务风险预警方法，其特征在于，所述根据预设的目标规则将所述业务数据进行批处理及数据划分，得到预处理业务数据，包括：根据预设的目标规则将所述业务数据进行数据划分，得到结构化数据及非结构化数据；对所述结构化数据进行数据清洗，得到清洗数据；设置批处理语句，对非结构化数据执行所述批处理语句，得到批处理数据；利用预设的分布式文件系统层对所述清洗数据及所述批处理数据进行分类汇总，得到预处理数据。3.如权利要求1所述的基于深度学习的大规模财务风险预警方法，其特征在于，所述对所述预处理业务数据进行标准化处理，得到标准化数据，包括：对所述预处理业务数据进行均值计算及标准差计算，得到所述预处理业务数据的均值及标准差；根据所述预处理业务数据的均值及标准差对所述预处理业务数据进行标准化计算，得到标准化数据。4.如权利要求1所述的基于深度学习的大规模财务风险预警方法，其特征在于，所述对所述标准化数据进行特征提取，得到特征向量矩阵，包括：对所述预处理数据中的所述结构化数据进行矩阵计算，得到协方差矩阵；对所述协方差矩阵进行特征值计算，得到特征值，对所述特征值进行大小排序，得到特征值序列；对所述特征值序列进行特征向量计算，得到特征向量；对所述特征向量进行矩阵转化，得到所述结构化数据的特征向量矩阵；对所述预处理数据中的所述批处理数据进行向量计算，得到所述批处理数据的向量，对所述批处理的向量进行相似度计算，得到相似度计算结果；根据相似度计算结果将所述批处理的向量进行划分，得到所述批处理数据的特征向量矩阵。5.如权利要求1所述的基于深度学习的大规模财务风险预警方法，其特征在于，所述将所述特征向量矩阵输入到预构建的财务风险预警模型中进行向量计算及横向连接，得到长向量，包括：
对所述特征向量矩阵进行卷积计算，得到特征图；对所述特征图进行下采样，得到...

【专利技术属性】
技术研发人员：喻子洁，
申请(专利权)人：江西财经大学，
类型：发明
国别省市：