[发明专利]基于神经网络的数据标签生成方法、装置、终端及介质

说明书

本发明提供一种基于神经网络的数据标签生成方法，包括：获取历史数据；初始化预设神经网络的输入参数；输入所述历史数据至所述预设神经网络中进行训练；当训练结束后，提取所述预设神经网络的指定层的输出作为候选数据标签；计算所述候选数据标签的评分结果；根据所述评分结果重新初始化所述预设神经网络的输入参数并基于新的输入参数进行新一轮的训练直至达到预设探索周期；保存每一轮训练得到的神经网络模型及从每一轮神经网络模型中提取出的所述候选数据标签；根据预设筛选条件从所保存的候选数据标签中筛选出目标数据标签。本发明还提供一种基于神经网络的数据标签生成装置、终端及介质。本发明能够快速有效的生成大量的数据标签。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于神经网络的数据标签生成方法、装置、终端及介质。

背景技术

金融资产的估值与未来收益的预测一直是投资领域的一项重要课题。由于金融资产有很强的实效性，而金融资产标签的分布往往随着时间不断改变，若要对金融资产进行预测且获得较高的预测准确度，必须要有足够的金融资产标签。

传统的金融资产标签一般是由研究员通过对已知的金融资产基础数据进行逻辑关系组合生成的。这种方式存在以下缺点1)生成标签的效率低下；2)生成的标签数量有限；3)生成的标签覆盖范围有限。

因此，有必要提出一种新的金融资产标签生成方案，解决金融资产标签生成数量少及效率低下的技术问题，从而提高金融资产的预测准确度。

发明内容

鉴于以上内容，有必要提出一种基于神经网络的数据标签生成方法、装置、终端及介质，能够快速有效的生成大量的数据标签。

本发明的第一方面提供一种基于神经网络的数据标签生成方法，所述方法包括：

获取历史数据；

初始化预设神经网络的输入参数；

输入所述历史数据至所述预设神经网络中进行训练；

当训练结束后，提取所述预设神经网络的指定层的输出作为候选数据标签；

计算所述候选数据标签的评分结果；

根据所述评分结果重新初始化所述预设神经网络的输入参数并基于新的输入参数进行新一轮的训练直至达到预设探索周期；

保存每一轮训练得到的神经网络模型及从每一轮神经网络模型中提取出的所述候选数据标签；

根据预设筛选条件从所保存的候选数据标签中筛选出目标数据标签。

在一个可选的实施例中，所述提取所述预设神经网络的指定层的输出作为候选数据标签包括：

获取所述预设神经网络的类型；

当所述预设神经网络的类型为有监督的学习网络时，提取最后一层的输出作为候选数据标签；

当所述预设神经网络的类型为无监督的学习网络时，提取最中间层的输出作为候选数据标签。

在一个可选的实施例中，所述根据所述评分结果重新初始化所述预设神经网络的输入参数包括：

为下一轮随机生成一组探索参数；

根据所述探索参数计算下一轮的初始输入参数；

基于所述初始输入参数训练下一轮神经网络模型并计算出下一轮的评分结果；

判断下一轮的评分结果是否大于上一轮的评分结果；

如果下一轮的评分结果大于上一轮的评分结果，则保留所述初始输入参数；

如果下一轮的评分结果小于或等于上一轮的评分结果，则所述初始输入参数为上一轮的初始输入参数。