[发明专利]大样本研报信息提取方法、装置、设备及存储介质

说明书

本发明涉及一种大样本研报信息提取方法、装置、计算机设备及可读存储介质，其中的所述方法包括：对研报信息进行文本转换得到表格数据，所述表格数据以纯文本形式存储；对所述表格数据进行统计，输出所述表格数据中各单词的词频；对所述研报信息进行统计，得出每一研报信息与其余研报信息之间的相近程度指标并排序；以所述研报信息的数字编号为节点，以得出的所述相近程度指标为枝绘制所述研报信息的关系网。本发明的有益效果为：通过基于Zipf定律和二八法则得出研报的文意相近程度指标并绘制出研报信息的关系网，根据该关系网能够筛选出大部分较为重要以及文意较为接近的研报，使得能够更具效率地筛选出更具价值的研报信息。

技术领域

本发明实施例涉及金融数据处理技术领域，尤其涉及一种大样本研报信息提取方法方法、装置及可读存取介质。

背景技术

研究报告信息简称研报，在金融行业中指的是一些上市公司中经营状况以及盈利情形基于独立客观立场做出的分析，对于基金经理而言具有较为重要的意义。

对于买方的多数基金经理来说，每天会面对海量的研报，在有限的时间里想要阅读大部分的研报显然是不可能的。目前行业内对于基金经理而言，即使熟悉的领域，通过个人经验以及行业了解有选择性地阅读其中的研报，也并不能完全地反映海量研报中的所有重点信息或中心问题，更别说个人经验及行业了解本身具有的滞后性以及对于个人而言其尚有不熟悉的领域，因此，如何能够帮助基金经理在尽可能少的时间里筛选研报，获取充分有用的信息，是一个有重要现实意义的问题。

发明内容

为了克服相关技术中存在的问题，本发明提供一种大样本研报信息提取方法方法、装置、计算机设备及可读存取介质，以实现通过可视的关系网结合关键词对海量研报信息进行筛选以更有效率地筛选出更有价值的研报信息。

第一方面，本发明实施例提供了一种大样本研报信息提取方法，所述方法包括：

对研报信息进行文本转换得到表格数据，所述表格数据以纯文本形式存储；

对所述表格数据进行统计，输出所述表格数据中各单词的词频；

对所述研报信息进行统计，得出每一研报信息与其余研报信息之间的相近程度指标并排序；

以所述研报信息的数字编号为节点，以得出的所述相近程度指标为枝绘制所述研报信息的关系网。

结合另一方面，本发明另一可行的实施方式中，所述对所述表格数据进行统计，包括：

对输入的文本形式的表格数据进行分词处理，得到分词结果；

输出所述表格数据中各单词的词频，包括：

以文本的分词结果列表为{X₁，X₂，...，X_N}，对应的词频列表为{Y₁，Y₂，...，Y_N}，Y_i为单词X_i在文本里出现的次数；记分词对应的词频百分比列表为{Z₁，Z₂，...，Z_N}，其中，Z_i＝Y_i/Y_all(单位：0.1％)，Z_i为单词X_i在文本里出现的频率的占比。

结合另一方面，本发明另一可行的实施方式中，至少包括文本1和文本2，所述得出每一研报信息与其余研报信息之间的相近程度指标并排序，包括统计步骤：

以文本1的分词结果列表为文本2的分词结果列表为分别对A₁和A₂按各自对应的词频百分比从大到小排列，排列后的结果分为A′₁和A′₂，对应的词频百分比列表分别为和