【技术实现步骤摘要】
本申请属于数据分析，尤其涉及一种金融结构化数据的处理方法、装置、设备和系统。
技术介绍
1、在金融行业中，主要依赖于专家经验和统计学习对金融结构化数据进行分析处理：
2、对于统计学习，传统的结构化数据的分析方法主要是采用统计学习，利用统计学习方法来捕捉数据中的模式和关系，这类方法对于领域知识和专家经验依赖性强，需要专家进行特征工程，以提取出对模型有用的特征。
3、对于专家经验，需要金融行业的专家通过他们的经验解读数据，对数据进行初步分析并提取特征，这一过程是通过手工和经验驱动的，成本高，效率低，并且会存在专家主观性的影响。
4、综上所述，传统的金融结构化数据分析处理对专家经验的依赖性强，成本高，处理效率低。
技术实现思路
1、有鉴于此，本申请提供一种金融结构化数据的处理方法、装置、设备和系统，以用于解决传统的金融结构化数据的分析处理对专家经验的依赖性强、成本高、处理效率低的问题。
2、为解决上述问题，本申请提供如下方案：
3、一种金融结构化数据的处理方法，包括：
4、获取预设业务的金融结构化数据；
5、将金融结构化数据进行标准化处理，得到第一金融结构化数据；
6、对第一金融结构化数据特征提取后，进行特征融合，输出融合后的第二金融结构化数据；
7、采用基于自注意力机制的神经网络对第二金融结构化数据进行长期依赖分析，得到第三金融结构化数据；
8、使用基于注意力机制模型
9、依据评估结果，确定预设业务在指定应用场景需求下的分析结果。
10、可选的，将金融结构化数据进行标准化处理，得到第一金融结构化数据，包括：
11、输入层将金融结构化数据输入到数据预处理与编码层，得到第一金融结构化数据。
12、可选的，对第一金融结构化数据特征提取后，进行特征融合，输出融合后的第二金融结构化数据，包括：
13、采用wide&deep模型中的线性模型提取第一金融结构化数据的线性特征；
14、采用wide&deep模型中的深度神经网络模型提取第一金融结构化数据的非线性特征；
15、融合线性特征和非线性特征，得到特征融合后的第二金融结构化数据。
16、可选的，wide&deep模型位于特征融合层；特征融合层从数据预处理与编码层获取第二金融结构化数据，并将第二金融结构化数据输出到进行长期依赖分析的处理层。
17、可选的，在使用基于注意力机制模型从第三金融结构化数据中提取关键特征信息并进行分析之前，还包括：
18、数据增强层接收并依据第三金融结构化数据模拟市场的变化情况，输出数据增强后的金融结构化数据。
19、可选的，依据评估结果，确定预设业务在指定应用场景需求下的分析结果，包括：
20、将评估结果输入到线性回归模型或深度学习模型，得到分析结果。
21、可选的，还包括：
22、将高效近似多头注意力处理应用到金融结构化数据的处理模型，得到满足预设计算速度要求和预设精准度要求的分析结果。
23、一种金融结构化数据的处理装置，包括：
24、获取单元、标准化处理单元、特征融合单元、长期依赖分析单元、关键信息提取单元和确定单元，其中：
25、获取单元，用于获取预设业务的金融结构化数据；
26、标准化处理单元，用于将金融结构化数据进行标准化处理，得到第一金融结构化数据；
27、特征融合单元，用于对第一金融结构化数据特征提取后，进行特征融合，输出融合后的第二金融结构化数据；
28、长期依赖分析单元，用于采用基于自注意力机制的神经网络对第二金融结构化数据进行长期依赖分析，得到第三金融结构化数据
29、关键信息提取单元，用于使用基于注意力机制模型从第三金融结构化数据中提取关键特征信息并进行分析，输出用于指示特征重要性的评估结果；
30、确定单元，用于依据评估结果，确定预设业务在指定应用场景需求下的分析结果。
31、一种金融结构化数据的处理设备，包括存储器和处理器；
32、存储器用于存储指令；
33、处理器用于执行存储器中存储的指令，以实现如上文任一项所述的金融结构化数据的处理方法。
34、一种金融结构化数据的处理系统，包括：
35、输入层、数据预处理与编码层、特征融合层、处理层、数据增强层、注意力与解释性和输出层；
36、输入层、数据预处理与编码层、特征融合层、处理层、数据增强层、注意力与解释性和输出层用于实现如上文所述的金融结构化数据的处理方法。
37、由以上方案可知，本申请公开的金融结构化数据的处理方法、装置、设备和系统，获取预设业务的金融结构化数据并先后进行标准化处理、特征提取和特征融合、采用基于自注意力机制的神经网络进行长期依赖分析、使用基于注意力机制模型提取关键特征信息并分析，得到指示特征重要性的评估结果，最后依据评估结果，确定预设业务在指定应用场景需求下的分析结果。本申请不依赖专家经验，全程自动进行，处理效率高。
本文档来自技高网...【技术保护点】
1.一种金融结构化数据的处理方法，其特征在于，包括：
2.根据权利要求1所述的金融结构化数据的处理方法，其特征在于，所述将所述金融结构化数据进行标准化处理，得到第一金融结构化数据，包括：
3.根据权利要求2所述的金融结构化数据的处理方法，其特征在于，所述对所述第一金融结构化数据特征提取后，进行特征融合，输出融合后的第二金融结构化数据，包括：
4.根据权利要求3所述的金融结构化数据的处理方法，其特征在于，所述Wide&Deep模型位于特征融合层；所述特征融合层从所述数据预处理与编码层获取所述第二金融结构化数据，并将所述第二金融结构化数据输出到进行所述长期依赖分析的处理层。
5.根据权利要求3所述的金融结构化数据的处理方法，其特征在于，在使用基于注意力机制模型从所述第三金融结构化数据中提取关键特征信息并进行分析之前，还包括：
6.根据权利要求1所述的金融结构化数据的处理方法，其特征在于，所述依据所述评估结果，确定所述预设业务在指定应用场景需求下的分析结果，包括：
7.根据权利要求1所述的金融结构化数据的处
8.一种金融结构化数据的处理装置，其特征在于，包括：
9.一种金融结构化数据的处理设备，其特征在于，包括存储器和处理器；
10.一种金融结构化数据的处理系统，其特征在于，包括：
...【技术特征摘要】
1.一种金融结构化数据的处理方法，其特征在于，包括：
2.根据权利要求1所述的金融结构化数据的处理方法，其特征在于，所述将所述金融结构化数据进行标准化处理，得到第一金融结构化数据，包括：
3.根据权利要求2所述的金融结构化数据的处理方法，其特征在于，所述对所述第一金融结构化数据特征提取后，进行特征融合，输出融合后的第二金融结构化数据，包括：
4.根据权利要求3所述的金融结构化数据的处理方法，其特征在于，所述wide&deep模型位于特征融合层；所述特征融合层从所述数据预处理与编码层获取所述第二金融结构化数据，并将所述第二金融结构化数据输出到进行所述长期依赖分析的处理层...
【专利技术属性】
技术研发人员：郭靖宇，
申请(专利权)人：中国建设银行股份有限公司江苏省分行，
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。