【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种基于大语言模型的对象处理方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在金融领域中，金融对象的评估和筛选是一个复杂而多元的过程。投资方常依靠金融从业人员对众多的金融对象进行综合评估，金融从业人员根据金融对象的评估结果，从众多的金融对象中选取合适的目标金融对象提供给投资方。
2、目前，金融从业人员常通过一些简单的金融指标对金融对象进行评价，比如收益率等金融指标。然而这些金融指标对金融对象的特征描述不足，无法全面、准确的衡量金融对象的实际情况，导致金融对象的评估结果准确性较低，造成决策出的目标金融对象可信度也较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于大语言模型的对象处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种基于大语言模型的对象处理方法。所述方法包括：
3、根据各待筛选对象在目标时长的历史资源获取率，得到各所述待筛选对象的资源持续特征；
4、通过大语言模型，根据各所述待筛选对象的文本数据，获取各所述待筛选对象对应的情感特征；
5、将所述资源持续特征和所述情感特征输入到经训练的资源获取预测模型，获取所述资源获取预测模型输出的各所述待筛选对象在未来时间的预测资源获取率；经训练的所述资源获取预测模型基于由各所述待筛选对象和各增强对象构成的样本集训练得到；各所述待筛选对象的第一类别与各所述增强对象的第二
6、根据所述预测资源获取率的大小，从多个所述待筛选对象中确定多个目标对象得到目标对象组合。
7、在其中一个实施例中，根据各待筛选对象在目标时长的历史资源获取率，得到各所述待筛选对象的资源持续特征，包括：
8、根据所述待筛选对象的所述历史资源获取率连续多个所述目标时长高于参考值的第一次数和所述资源获取率连续多个所述目标时长低于所述参考值的第二次数，得到所述待筛选对象的持续信息；所述参考值根据所述历史资源获取率的分位数确定；
9、根据所述历史资源获取率与所述参考值在连续多个所述目标时长的相对大小反转次数，得到所述待筛选对象的非持续信息；
10、根据所述持续信息和所述非持续信息，得到所述待筛选对象的所述资源持续特征。
11、在其中一个实施例中，通过大语言模型，根据各所述待筛选对象的文本数据，获取各所述待筛选对象对应的情感特征，包括：
12、基于各所述待筛选对象的文本数据，获取向量知识库的检索结果；所述向量知识库包含有与所述待筛选对象相关联的知识；
13、将所述检索结果和所述文本数据作为输入数据，输入到所述大语言模型，获取所述大语言模型输出的所述文本数据的情感分类结果；
14、根据所述情感分类结果，得到所述待筛选对象对应的所述情感特征。
15、在其中一个实施例中，在将所述资源持续特征和所述情感特征输入到经训练的资源获取预测模型之前，还包括：
16、根据各所述待筛选对象的第一资源持续特征样本、第一情感特征样本和第一资源统计特征样本，以及各所述增强对象的第二资源持续特征样本、第二情感特征样本和第二资源统计特征样本，得到所述样本集；
17、对所述样本集进行标准化处理，得到标准化的所述样本集；
18、基于标准化的所述样本集，对待训练的所述资源获取预测模型进行训练。
19、在其中一个实施例中，在根据各所述待筛选对象的第一资源持续特征样本、第一情感特征样本和第一资源统计特征样本，以及各所述增强对象的第二资源持续特征样本、第二情感特征样本和第二资源统计特征样本，得到所述样本集之前，还包括：
20、根据各所述待筛选对象的所述第一资源统计特征样本以及多个候选对象的第三资源统计特征样本，对待训练的对象分类模型进行训练，得到经训练的所述对象分类模型；所述待筛选对象与所述候选对象的资源获取属性不同；
21、通过经训练的所述对象分类模型对多个所述候选对象进行分类处理，得到多个所述候选对象的第三类别；
22、根据所述候选对象的所述第三类别和所述待筛选对象的所述第一类别，从多个所述候选对象中筛选满足所述类别相似度条件的所述候选对象确定为所述增强对象。
23、在其中一个实施例中，在根据所述预测资源获取率的大小，从多个所述待筛选对象中确定多个目标对象得到目标对象组合之后，还包括：
24、根据所述预测资源获取率，得到所述资源持续特征的第一特征贡献度、所述情感特征的第二特征贡献度和所述待筛选对象的资源统计特征的第三特征贡献度；
25、根据所述第一特征贡献度、所述第二特征贡献度和所述第三特征贡献度的大小，从所述资源持续特征、所述情感特征和所述资源统计特征中确定出多个目标特征。
26、第二方面，本申请还提供了一种基于大语言模型的对象处理装置。所述装置包括：
27、资源特征获取模块，用于根据各待筛选对象在目标时长的历史资源获取率，得到各所述待筛选对象的资源持续特征；
28、情感特征获取模块，用于通过大语言模型，根据各所述待筛选对象的文本数据，获取各所述待筛选对象对应的情感特征；
29、资源获取率预测模块，用于将所述资源持续特征和所述情感特征输入到经训练的资源获取预测模型，获取所述资源获取预测模型输出的各所述待筛选对象在未来时间的预测资源获取率；经训练的所述资源获取预测模型基于由各所述待筛选对象和各增强对象构成的样本集训练得到；各所述待筛选对象的第一类别与各所述增强对象的第二类别满足类别近似度条件；所述待筛选对象与所述增强对象的资源获取属性不同；
30、对象组合确定模块，用于根据所述预测资源获取率的大小，从多个所述待筛选对象中确定多个目标对象得到目标对象组合。
31、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
32、根据各待筛选对象在目标时长的历史资源获取率，得到各所述待筛选对象的资源持续特征；
33、通过大语言模型，根据各所述待筛选对象的文本数据，获取各所述待筛选对象对应的情感特征；
34、将所述资源持续特征和所述情感特征输入到经训练的资源获取预测模型，获取所述资源获取预测模型输出的各所述待筛选对象在未来时间的预测资源获取率；经训练的所述资源获取预测模型基于由各所述待筛选对象和各增强对象构成的样本集训练得到；各所述待筛选对象的第一类别与各所述增强对象的第二类别满足类别近似度条件；所述待筛选对象与所述增强对象的资源获取属性不同；
35、根据所述预测资源获取率的大小，从多个所述待筛选对象中确定多个目标对象得到目标对象组合。
36、第四方面，本申请还本文档来自技高网...
【技术保护点】
1.一种基于大语言模型的对象处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各待筛选对象在目标时长的历史资源获取率，得到各所述待筛选对象的资源持续特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过大语言模型，根据各所述待筛选对象的文本数据，获取各所述待筛选对象对应的情感特征，包括：
4.根据权利要求1所述的方法，其特征在于，在将所述资源持续特征和所述情感特征输入到经训练的资源获取预测模型之前，还包括：
5.根据权利要求4所述的方法，其特征在于，在根据各所述待筛选对象的第一资源持续特征样本、第一情感特征样本和第一资源统计特征样本，以及各所述增强对象的第二资源持续特征样本、第二情感特征样本和第二资源统计特征样本，得到所述样本集之前，还包括：
6.根据权利要求1所述的方法，其特征在于，在根据所述预测资源获取率的大小，从多个所述待筛选对象中确定多个目标对象得到目标对象组合之后，还包括：
7.一种基于大语言模型的对象处理装置，其特征在于，所述装置包括：
9.根据权利要求7所述的装置，其特征在于，所述情感特征获取模块，还用于基于各所述待筛选对象的文本数据，获取向量知识库的检索结果；所述向量知识库包含有与所述待筛选对象相关联的知识；将所述检索结果和所述文本数据输入到所述大语言模型，获取所述大语言模型输出的所述文本数据的情感分类结果；根据所述情感分类结果，得到所述待筛选对象对应的所述情感特征。
10.根据权利要求7所述的装置，其特征在于，所述基于大语言模型的对象处理装置还包括预测模型训练模块，用于根据各所述待筛选对象的第一资源持续特征样本、第一情感特征样本和第一资源统计特征样本，以及各所述增强对象的第二资源持续特征样本、第二情感特征样本和第二资源统计特征样本，得到所述样本集；对所述样本集进行标准化处理，得到标准化的所述样本集；基于标准化的所述样本集，对待训练的所述资源获取预测模型进行训练。
11.根据权利要求10所述的装置，其特征在于，所述基于大语言模型的对象处理装置还包括增强对象确定模块，用于根据各所述待筛选对象的所述第一资源统计特征样本以及多个候选对象的第三资源统计特征样本，对待训练的对象分类模型进行训练，得到经训练的所述对象分类模型；所述待筛选对象与所述候选对象的资源获取属性不同；通过经训练的所述对象分类模型对多个所述候选对象进行分类处理，得到多个所述候选对象的第三类别；根据所述候选对象的所述第三类别和所述待筛选对象的所述第一类别，从多个所述候选对象中筛选满足所述类别相似度条件的所述候选对象确定为所述增强对象。
12.根据权利要求7所述的装置，其特征在于，所述基于大语言模型的对象处理装置还包括目标特征确定模块，用于根据所述预测资源获取率，得到所述资源持续特征的第一特征贡献度、所述情感特征的第二特征贡献度和所述待筛选对象的第一资源统计特征的第三特征贡献度；根据所述第一特征贡献度、所述第二特征贡献度和所述第三特征贡献度的大小，从所述资源持续特征、所述情感特征和所述第一资源统计特征中确定出多个目标特征。
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
15.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于大语言模型的对象处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各待筛选对象在目标时长的历史资源获取率，得到各所述待筛选对象的资源持续特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过大语言模型，根据各所述待筛选对象的文本数据，获取各所述待筛选对象对应的情感特征，包括：
4.根据权利要求1所述的方法，其特征在于，在将所述资源持续特征和所述情感特征输入到经训练的资源获取预测模型之前，还包括：
5.根据权利要求4所述的方法，其特征在于，在根据各所述待筛选对象的第一资源持续特征样本、第一情感特征样本和第一资源统计特征样本，以及各所述增强对象的第二资源持续特征样本、第二情感特征样本和第二资源统计特征样本，得到所述样本集之前，还包括：
6.根据权利要求1所述的方法，其特征在于，在根据所述预测资源获取率的大小，从多个所述待筛选对象中确定多个目标对象得到目标对象组合之后，还包括：
7.一种基于大语言模型的对象处理装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述资源特征获取模块，还用于根据所述待筛选对象的所述历史资源获取率连续多个所述目标时长高于参考值的第一次数和所述资源获取率连续多个所述目标时长低于所述参考值的第二次数，得到所述待筛选对象的持续信息；所述参考值根据所述历史资源获取率在所述目标时长的分位数确定；根据所述历史资源获取率与所述参考值在连续多个所述目标时长的相对大小反转次数，得到所述待筛选对象的非持续信息；根据所述持续信息和所述非持续信息，得到所述待筛选对象的所述资源持续特征。
9.根据权利要求7所述的装置，其特征在于，所述情感特征获取模块，还用于基于各所述待筛选对象的文本数据，获取向量知识库的检索结果；所述向量知识库包含有与所述待筛选对象相关联的知识；将所述检索结果和所述文本数据输入到所述大语言模型，获取所述大语言模型输出的所述文本数据的情感分类结果；根据所述情感分类结果，得到所述待筛选对象对应的所述情感特征。<...
【专利技术属性】
技术研发人员：缪敏鹏，
申请(专利权)人：中国建设银行股份有限公司，
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。