[發(fā)明專利]基于無監(jiān)督學(xué)習(xí)的實(shí)時(shí)運(yùn)行數(shù)據(jù)處理方法、裝置、設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110731411.8
• 申請(qǐng)日: 2021-06-29
• 公開（公告）號(hào): CN113420876B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計(jì)）人: 王志雄;閔興征
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06N3/088
• 分類號(hào): G06N3/088;G06Q30/0201
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 姜曉云

本申請(qǐng)涉及人工智能領(lǐng)域，尤其是一種基于無監(jiān)督學(xué)習(xí)的實(shí)時(shí)運(yùn)行數(shù)據(jù)處理方法、裝置、設(shè)備。該方法包括：獲取實(shí)時(shí)運(yùn)行數(shù)據(jù)，根據(jù)實(shí)時(shí)運(yùn)行數(shù)據(jù)計(jì)算對(duì)應(yīng)時(shí)刻的每個(gè)預(yù)設(shè)指標(biāo)類型對(duì)應(yīng)的當(dāng)前指標(biāo)值；根據(jù)當(dāng)前周期獲取對(duì)應(yīng)每個(gè)預(yù)設(shè)指標(biāo)類型的歷史數(shù)據(jù)；將當(dāng)前指標(biāo)值和歷史數(shù)據(jù)按照時(shí)間進(jìn)行排序，得到當(dāng)前周期對(duì)應(yīng)的初始指標(biāo)值；通過預(yù)先訓(xùn)練得到的濾波模型，對(duì)每一預(yù)設(shè)指標(biāo)對(duì)應(yīng)的初始指標(biāo)值進(jìn)行濾波處理得到待處理數(shù)據(jù)；濾波模型是通過無監(jiān)督學(xué)習(xí)訓(xùn)練得到的；將各預(yù)設(shè)指標(biāo)對(duì)應(yīng)的待處理數(shù)據(jù)進(jìn)行合成得到綜合數(shù)據(jù)；對(duì)綜合數(shù)據(jù)進(jìn)行平滑處理得到目標(biāo)數(shù)據(jù)。采用本方法能夠提高準(zhǔn)確性且節(jié)省人力。此外，本申請(qǐng)還涉及區(qū)塊鏈技術(shù)，目標(biāo)數(shù)據(jù)可存儲(chǔ)于區(qū)塊鏈節(jié)點(diǎn)中。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，特別是涉及一種基于無監(jiān)督學(xué)習(xí)的實(shí)時(shí)運(yùn)行數(shù)據(jù)處理方法、裝置、設(shè)備。

背景技術(shù)

市場(chǎng)情緒的正確判斷是投資交易的重要步驟。目前市場(chǎng)情緒的判斷一方面可以通過直接調(diào)查參與市場(chǎng)的投資者，來統(tǒng)計(jì)投資者對(duì)市場(chǎng)長(zhǎng)勢(shì)的態(tài)度，從而獲取市場(chǎng)悲觀或者樂觀情緒指標(biāo)。但是通過調(diào)查問卷的方式時(shí)間成本較高，且周期偏長(zhǎng)，無法做到實(shí)時(shí)跟蹤短期的市場(chǎng)情緒。

另一方面還可以采用基于深度學(xué)習(xí)的情感分析算法，例如對(duì)特定的網(wǎng)頁上的文本進(jìn)行爬取，然后將文本表示為向量矩陣的形式，輸入到深度神經(jīng)網(wǎng)絡(luò)中根據(jù)訓(xùn)練數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。但是深度神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率依賴于大規(guī)模、高質(zhì)量的標(biāo)注數(shù)據(jù)，隨著輿情數(shù)據(jù)的不斷增加需要大量的人力來標(biāo)注訓(xùn)練集，費(fèi)時(shí)費(fèi)力。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種能夠提高準(zhǔn)確性且節(jié)省人力的基于無監(jiān)督學(xué)習(xí)的實(shí)時(shí)運(yùn)行數(shù)據(jù)處理方法、裝置、設(shè)備。

一種基于無監(jiān)督學(xué)習(xí)的實(shí)時(shí)運(yùn)行數(shù)據(jù)處理方法，所述方法包括：

獲取實(shí)時(shí)運(yùn)行數(shù)據(jù)，并根據(jù)實(shí)時(shí)運(yùn)行數(shù)據(jù)計(jì)算對(duì)應(yīng)時(shí)刻的每個(gè)預(yù)設(shè)指標(biāo)類型對(duì)應(yīng)的當(dāng)前指標(biāo)值；

根據(jù)所述當(dāng)前周期獲取對(duì)應(yīng)每個(gè)預(yù)設(shè)指標(biāo)類型的歷史數(shù)據(jù)；

將對(duì)應(yīng)的所述預(yù)設(shè)指標(biāo)類型的所述當(dāng)前指標(biāo)值和所述歷史數(shù)據(jù)按照時(shí)間進(jìn)行排序，得到所述當(dāng)前周期對(duì)應(yīng)的初始指標(biāo)值；

通過預(yù)先訓(xùn)練得到的濾波模型，對(duì)每一所述預(yù)設(shè)指標(biāo)對(duì)應(yīng)的初始指標(biāo)值進(jìn)行濾波處理以得到待處理數(shù)據(jù)；所述濾波模型是通過無監(jiān)督學(xué)習(xí)訓(xùn)練得到的；

將各所述預(yù)設(shè)指標(biāo)對(duì)應(yīng)的所述待處理數(shù)據(jù)進(jìn)行合成得到綜合數(shù)據(jù)；

對(duì)所述綜合數(shù)據(jù)進(jìn)行平滑處理得到目標(biāo)數(shù)據(jù)。

在其中一個(gè)實(shí)施例中，所述綜合數(shù)據(jù)包括時(shí)間序列以及對(duì)應(yīng)時(shí)間序列上的時(shí)刻的觀測(cè)指標(biāo)值；所述對(duì)所述綜合數(shù)據(jù)進(jìn)行平滑處理得到目標(biāo)數(shù)據(jù)，包括：

獲取初始觀測(cè)指標(biāo)值作為前一時(shí)刻對(duì)應(yīng)的前一估計(jì)值，并指定所述前一估計(jì)值對(duì)應(yīng)的前一估計(jì)精度；

根據(jù)所述前一估計(jì)值計(jì)算得到當(dāng)前時(shí)刻對(duì)應(yīng)的當(dāng)前預(yù)測(cè)值，并根據(jù)所述前一估計(jì)精度計(jì)算得到當(dāng)前預(yù)測(cè)精度；

根據(jù)所述當(dāng)前預(yù)測(cè)精度計(jì)算得到增益系數(shù)，獲取當(dāng)前時(shí)刻對(duì)應(yīng)的觀測(cè)指標(biāo)值，根據(jù)所述增益系數(shù)、所述當(dāng)前時(shí)刻對(duì)應(yīng)的觀測(cè)指標(biāo)值、所述前一估計(jì)值以及所述當(dāng)前預(yù)測(cè)值計(jì)算得到當(dāng)前估計(jì)值；

根據(jù)所述增益系數(shù)以及所述當(dāng)前預(yù)測(cè)精度得到當(dāng)前估計(jì)精度；

將所述當(dāng)前估計(jì)值作為前一估計(jì)值，所述當(dāng)前估計(jì)精度作為前一估計(jì)精度，并繼續(xù)根據(jù)所述前一估計(jì)值計(jì)算得到當(dāng)前時(shí)刻對(duì)應(yīng)的當(dāng)前預(yù)測(cè)值，并根據(jù)所述前一估計(jì)精度計(jì)算得到當(dāng)前預(yù)測(cè)精度，直至所述綜合數(shù)據(jù)處理完成時(shí)，輸出所得到的每個(gè)時(shí)刻上的估計(jì)值作為目標(biāo)數(shù)據(jù)。

在其中一個(gè)實(shí)施例中，所述通過預(yù)先訓(xùn)練得到的濾波模型，對(duì)每一所述預(yù)設(shè)指標(biāo)對(duì)應(yīng)的初始指標(biāo)值進(jìn)行濾波處理以得到待處理數(shù)據(jù)包括：

獲取各個(gè)所述預(yù)設(shè)指標(biāo)類型對(duì)應(yīng)的濾波模型；