[發(fā)明專利]處理輿情信息和訓(xùn)練分類模型的方法、裝置以及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110892871.9
• 申請日: 2021-08-04
• 公開（公告）號: CN113762343A
• 公開（公告）日: 2021-12-07
• 發(fā)明（設(shè)計）人: 陳凌云;李寧;徐彬;陳炎;湯鑫;金博昊;張文琰;李明旭;李文婷;陳旭;劉帥
• 申請（專利權(quán)）人: 德邦證券股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q40/02
• 代理公司: 北京萬思博知識產(chǎn)權(quán)代理有限公司 11694
• 代理人: 劉冀

本申請公開了處理輿情信息和訓(xùn)練分類模型的方法、裝置以及存儲介質(zhì)。其中，一種處理輿情信息的方法，包括：獲取資訊信息；以及利用預(yù)先設(shè)置的輿情分類模型。根據(jù)資訊信息的內(nèi)容，確定與資訊信息相關(guān)聯(lián)的輿情標(biāo)簽，并且其中對輿情分類模型進行訓(xùn)練的方法包括：在對輿情分類模型進行梯度下降的訓(xùn)練過程中引入獎懲系數(shù)，并通過獎懲系數(shù)調(diào)節(jié)輿情分類模型確定訓(xùn)練樣本中的多數(shù)類樣本和少數(shù)類樣本的敏感度，其中獎懲系數(shù)反映多數(shù)類樣本與少數(shù)類樣本的分布比例情況。

技術(shù)領(lǐng)域

本申請涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別是涉及一種處理輿情信息和訓(xùn)練分類模型的方法、裝置以及存儲介質(zhì)。

背景技術(shù)

智能輿情預(yù)警監(jiān)控系統(tǒng)通過整合多源新聞資訊信息，結(jié)合財務(wù)數(shù)據(jù)反映的風(fēng)險場景，建立個性化指標(biāo)體系和風(fēng)險因子庫輔助投資決策，致力于賦予輿情預(yù)警的智能化功能。通過機器學(xué)習(xí)和深度學(xué)習(xí)的方法，根據(jù)新聞輿情資訊的信息內(nèi)容預(yù)測其風(fēng)險事件標(biāo)簽和正負情感性偏向，預(yù)警輿情風(fēng)險，賦能業(yè)務(wù)發(fā)展。

在既有輿情預(yù)警監(jiān)控方法中，基于數(shù)據(jù)的方法，缺點是下采樣會不可避免地造成樣本有效特征缺失，而上采樣則可能提高了訓(xùn)練成本并且還會帶來過擬合問題；基于目標(biāo)函數(shù)的方法，缺點是扭曲了原始目標(biāo)函數(shù)的函數(shù)曲線，使決策學(xué)習(xí)的目標(biāo)產(chǎn)生的偏置。

針對上述的現(xiàn)有技術(shù)中現(xiàn)有的輿情預(yù)警監(jiān)控方法中存在的樣本有效特征的缺失、訓(xùn)練成本的提高的問題，并且擬合問題的產(chǎn)生并扭曲了原始目標(biāo)函數(shù)的函數(shù)曲線，從而使得決策學(xué)習(xí)的目標(biāo)產(chǎn)生偏置的技術(shù)問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本公開的實施例提供了一種處理輿情信息和訓(xùn)練分類模型的方法、裝置以及存儲介質(zhì)，以至少解決現(xiàn)有技術(shù)中存在的樣本有效特征的缺失、訓(xùn)練成本的提高、擬合問題的產(chǎn)生并扭曲了原始目標(biāo)函數(shù)的函數(shù)曲線，從而使得決策學(xué)習(xí)的目標(biāo)產(chǎn)生偏置的技術(shù)問題。

根據(jù)本公開實施例的一個方面，提供了一種處理輿情信息的方法，包括：獲取資訊信息；以及利用預(yù)先設(shè)置的輿情分類模型，根據(jù)資訊信息的內(nèi)容，確定與資訊信息相關(guān)聯(lián)的輿情標(biāo)簽，并且其中對輿情分類模型進行訓(xùn)練的方法包括：在對輿情分類模型進行梯度下降的訓(xùn)練過程中引入獎懲系數(shù)，并通過獎懲系數(shù)調(diào)節(jié)輿情分類模型確定訓(xùn)練樣本中的多數(shù)類樣本和少數(shù)類樣本的敏感度，其中獎懲系數(shù)反映多數(shù)類樣本與少數(shù)類樣本的分布比例情況。

根據(jù)本公開實施例的另一方面，還提供了一種對分類模型進行訓(xùn)練的方法，包括：創(chuàng)建用于對分類模型進行訓(xùn)練的訓(xùn)練樣本；以及在對分類模型進行梯度下降的訓(xùn)練過程中引入獎懲系數(shù)，并通過獎懲系數(shù)調(diào)節(jié)輿情分類模型對訓(xùn)練樣本中的多數(shù)類樣本和少數(shù)類樣本的敏感度，其中獎懲系數(shù)反映多數(shù)類樣本與少數(shù)類樣本的分布比例情況。

根據(jù)本公開實施例的另一個方面，還提供了一種存儲介質(zhì)，存儲介質(zhì)包括存儲的程序，其中，在程序運行時由處理器執(zhí)行以上任意一項所述的方法。

根據(jù)本公開實施例的一個方面，提供了一種處理輿情信息的裝置，包括：信息獲取模塊，用于獲取資訊信息；以及標(biāo)簽確定模塊，用于利用預(yù)先設(shè)置的輿情分類模型，根據(jù)資訊信息的內(nèi)容，確定與資訊信息相關(guān)聯(lián)的輿情標(biāo)簽，并且其中對輿情分類模型進行訓(xùn)練的方法包括：在對輿情分類模型進行梯度下降的訓(xùn)練過程中引入獎懲系數(shù)，并通過獎懲系數(shù)調(diào)節(jié)輿情分類模型確定訓(xùn)練樣本中的多數(shù)類樣本和少數(shù)類樣本的敏感度，其中獎懲系數(shù)反映多數(shù)類樣本與少數(shù)類樣本的分布比例情況。

根據(jù)本公開實施例的另一方面，還提供了一種對分類模型進行訓(xùn)練的裝置，包括：樣本創(chuàng)建模塊，用于創(chuàng)建對分類模型進行訓(xùn)練的訓(xùn)練樣本；以及在對分類模型進行梯度下降的訓(xùn)練過程中引入獎懲系數(shù)，并通過獎懲系數(shù)調(diào)節(jié)輿情分類模型對訓(xùn)練樣本中的多數(shù)類樣本和少數(shù)類樣本的敏感度，其中獎懲系數(shù)反映多數(shù)類樣本與少數(shù)類樣本的分布比例情況。