[發(fā)明專利]一種基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011641247.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112734569A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計）人: 徐嬌;馮煜博;王廣普
• 申請（專利權(quán)）人: 沈陽麟龍科技股份有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06Q40/08;G06F16/36;G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司 11315
• 代理人: 南霆

1.一種基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測方法，其特征在于，包括以下步驟：

利用股票領(lǐng)域相關(guān)文本數(shù)據(jù)和金融知識圖譜，構(gòu)建金融事件特征；

利用用戶畫像和受影響的股票代碼，構(gòu)建用戶投資特征；

利用金融事件、金融知識圖譜和股票數(shù)據(jù)的漲跌情況，標(biāo)定股票風(fēng)險值；

將獲得的所述金融事件特征和所述用戶投資特征，根據(jù)股票代碼進(jìn)行關(guān)聯(lián)，形成訓(xùn)練集的特征部分；再將訓(xùn)練集的特征部分與所述股票風(fēng)險值，根據(jù)股票代碼進(jìn)行關(guān)聯(lián)，最終形成訓(xùn)練集；

將所述訓(xùn)練集，利用LSTM算法進(jìn)行訓(xùn)練，形成基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測模型；

將某個待預(yù)測投資用戶的投資特征和下一時刻的金融事件特征，輸入到基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測模型，為該投資用戶投資的股票進(jìn)行下一時刻的風(fēng)險值預(yù)測，輸出該投資用戶投資的股票風(fēng)險值；

利用用戶投資特征和預(yù)測的所述股票風(fēng)險值，構(gòu)建股票風(fēng)險提示信息規(guī)則，通過所述股票風(fēng)險提示信息規(guī)則為用戶提示股票風(fēng)險信息。

2.根據(jù)權(quán)利要求1所述的一種基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測方法，其特征在于，所述用戶畫像的構(gòu)建方法為：

獲取理財軟件中的用戶行為數(shù)據(jù)和用戶調(diào)查數(shù)據(jù)；

對所述用戶行為數(shù)據(jù)和用戶調(diào)查數(shù)據(jù)通過數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)融合進(jìn)行數(shù)據(jù)處理；

將數(shù)據(jù)處理后的用戶行為數(shù)據(jù)和用戶調(diào)查數(shù)據(jù)，經(jīng)模型層的k-means和GMM算法，對每個標(biāo)簽維度進(jìn)行聚類；

最終形成用戶畫像，即用戶的標(biāo)簽化展示以及標(biāo)簽對應(yīng)的等級信息。

3.根據(jù)權(quán)利要求1所述的一種基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測方法，其特征在于，所述金融知識圖譜的構(gòu)建方法為：

對非結(jié)構(gòu)化數(shù)據(jù)，進(jìn)行正文抽取；并利用自然語言處理技術(shù)，進(jìn)行至少中文分詞、關(guān)鍵詞提取、特征提取的操作；

通過包裝器學(xué)習(xí)半結(jié)構(gòu)化數(shù)據(jù)的抽取規(guī)則，對半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行內(nèi)容提取；

通過ETL技術(shù)獲取結(jié)構(gòu)化數(shù)據(jù)，直接獲取實體、實體和實體之間的關(guān)系；

知識庫構(gòu)建及管理，通過數(shù)據(jù)映射技術(shù)建立知識庫中術(shù)語和不同數(shù)據(jù)源抽取知識中詞匯的映射關(guān)系；使用實體匹配將不同數(shù)據(jù)源相同客體的數(shù)據(jù)進(jìn)行融合；最后對融合而成的知識庫進(jìn)行存儲、管理；

所述知識庫根據(jù)用戶查詢場景的不同采用不同的存儲架構(gòu)，最終形成金融知識圖譜。

4.根據(jù)權(quán)利要求1所述的一種基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測方法，其特征在于，所述利用股票領(lǐng)域相關(guān)文本數(shù)據(jù)和金融知識圖譜，構(gòu)建金融事件特征，具體為：

通過內(nèi)容文本庫獲取股票領(lǐng)域相關(guān)文本數(shù)據(jù)，利用自然語言處理技術(shù)對所述文本數(shù)據(jù)進(jìn)行分析，首先對文本數(shù)據(jù)中的內(nèi)容抽取事件實體，然后抽取影響所述事件實體的事件，利用專家標(biāo)注法構(gòu)建事件庫；

通過抽取的事件實體與金融知識圖譜中的實體進(jìn)行關(guān)聯(lián)，獲取受所述事件影響的股票代碼，并結(jié)合金融知識圖譜，從金融知識圖譜中挖掘出相關(guān)要素；再結(jié)合所述事件和該事件發(fā)生的時間，共同構(gòu)成金融事件特征。

5.根據(jù)權(quán)利要求1所述的一種基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測方法，其特征在于，所述利用用戶畫像和受影響的股票代碼，構(gòu)建用戶投資特征，所述用戶投資特征具體表示為：

E(u)＝[user_id,stock_id,x₅,x₆]，其中user_id表示用戶id，stock_id表示股票代碼，X5表示風(fēng)險偏好，X6表示風(fēng)險承受能力，通過one-hot方法將原本類別型的風(fēng)險偏好X5和風(fēng)險承受能力X6數(shù)據(jù)轉(zhuǎn)換成數(shù)值形式。

6.根據(jù)權(quán)利要求1所述的一種基于用戶畫像和知識圖譜的股票風(fēng)險預(yù)測方法，其特征在于，所述利用金融事件、金融知識圖譜和股票數(shù)據(jù)的漲跌情況，標(biāo)定股票風(fēng)險值，具體為：

其中，x_a為金融事件影響的股票風(fēng)險值，ω₁為金融事件影響的股票風(fēng)險值的權(quán)重，x_b為股票數(shù)據(jù)的漲跌情況影響的股票風(fēng)險值，ω₂為股票數(shù)據(jù)的漲跌情況影響的股票風(fēng)險值的權(quán)重；選取n個時刻的該支股票的數(shù)據(jù)進(jìn)行累加，然后取平均值做為該支股票的股票風(fēng)險值。