[發明專利]金融數據分析方法、應用服務器及計算機可讀存儲介質

在審

• 申請號: 201711060247.2
• 申請日: 2017-11-01
• 公開（公告）號: CN107861945A
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 王健宗;吳天博;黃章成;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙)44347
• 代理人: 高杰,于志光

技術領域

本發明涉及金融數據領域，尤其涉及一種金融數據分析方法及應用服務器。

背景技術

目前一些上市公司在實施一些金融政策之后，如果需要知悉社會大眾的反應，一般是會通過專門的市場調查人員進行人為的抽樣調查，進而進行模糊的概率分析，進而為公司股價波動的預測、股價是否被低估的判斷提供依據，但目前此種做法由于存在工作量大，調查人員的主觀性的影響，從而導致調查結構并不能準確科學的反應市場的真實情況。

發明內容

有鑒于此，本發明提出一種金融數據分析方法、應用服務器及計算機可讀存儲介質，可以快速的從獲取目標金融公司實施政策在公眾眼中的態度數據，進而為后續政策的調整或延續提供科學準確的依據，促進相關業務的發展。

首先，為實現上述目的，本發明提出一種應用服務器，所述應用服務器包括存儲器、處理器，所述存儲器上存儲有可在所述處理器上運行的金融數據分析程序，所述金融數據分析程序被所述處理器執行時，實現如下步驟：

通過爬蟲程序爬取目標金融公司的關聯數據；

對所述關聯數據進行預處理，所述預處理包括清洗、去除冗余和去噪；

對預處理后的關聯數據進行文本分詞，獲取文本集合；

通過LDA主題模型分析所述文本集合獲取主題集；

通過TF-IDF算法計算所述文本集合的關鍵詞集；

選出所述關鍵詞集中與所述主題集相匹配的關鍵詞；

選擇公眾對所述目標金融公司的期望詞，并通過預設模型計算所述期望詞與所述關鍵詞的共現程度；及

基于所述共現程度輸出對所述目標金融公司的評價結論。

可選地，所述通過TF-IDF算法計算所述文本集合的關鍵詞集的步驟，包括：

計算所述文本集合中每個關鍵詞的TF值與IDF值乘積；

判斷所述乘積是否大于第一預設值；及

當所述乘積大于所述第一預設值時，將所述乘積代表的關鍵詞納入所述關鍵詞集。

可選地，所述通過預設模型計算所述期望詞與所述關鍵詞的共現程度的步驟，包括：

將所述期望詞與選出的所述關鍵詞輸入到所述預設模型中，計算所述期望詞與所述關鍵詞的關聯值；

當所述關聯值超過第二預設值時，則判斷所述期望詞語所述關鍵詞的共現程度高；

當所述關聯值低于所述第二預設值時，則判斷所述期望詞語所述關鍵詞的共現程度低。

可選地，所述基于所述共現程度輸出對所述目標金融公司的評價結論的步驟，包括：

當所述共現程度高于第三預設值，所述評價結論為紅色標示；及

當所述共現程度低于所述第三預設值，所述評價結論為綠色標示。

此外，為實現上述目的，本發明還提供一種金融數據分析方法，該方法應用于應用服務器，所述方法包括：

通過爬蟲程序爬取目標金融公司的關聯數據；

對所述關聯數據進行預處理，所述預處理包括清洗、去除冗余和去噪；

對預處理后的關聯數據進行文本分詞，獲取文本集合；

通過LDA主題模型分析所述文本集合獲取主題集；

通過TF-IDF算法計算所述文本集合的關鍵詞集；

選出所述關鍵詞集中與所述主題集相匹配的關鍵詞；

選擇公眾對所述目標金融公司的期望詞，并通過預設模型計算所述期望詞與所述關鍵詞的共現程度；及

基于所述共現程度輸出對所述目標金融公司的評價結論。

可選地，所述對所述關聯數據進行預處理的步驟，包括：

通過正則表達式和預設規則集去除垃圾廣告信息。

可選地，所述通過TF-IDF算法計算所述文本集合的關鍵詞集的步驟，包括：

計算所述文本集合中每個關鍵詞的TF值與IDF值乘積；

判斷所述乘積是否大于第一預設值；及

當所述乘積大于所述第一預設值時，將所述乘積代表的關鍵詞納入所述關鍵詞集。

可選地，所述通過預設模型計算所述期望詞與所述關鍵詞的共現程度的步驟，包括：

將所述期望詞與選出的所述關鍵詞輸入到所述預設模型中，計算所述期望詞與所述關鍵詞的關聯值；

當所述關聯值超過第二預設值時，則判斷所述期望詞語所述關鍵詞的共現程度高；

當所述關聯值低于所述第二預設值時，則判斷所述期望詞語所述關鍵詞的共現程度低。

可選地，所述基于所述共現程度輸出對所述目標金融公司的評價結論的步驟，包括：