[发明专利]数据处理方法、装置与电子设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取包括对象的文本数据；

对所述文本数据提取包括对象和类别的对应关系的多个词向量组；

获取所述对象的动态指标；

根据所述多个词向量组和所述对象的动态指标，确定所述类别的动态指标。

2.如权利要求1所述的数据处理方法，其特征在于，所述根据所述多个词向量组和所述对象的动态指标，确定所述类别的动态指标包括：

根据所述多个词向量组确定多个对象对目标类别的权重；

确定每个对象对所述目标类别的权重与该对象的动态指标的乘积；

将多个对象对应的多个所述乘积之和作为分子；

将所述多个对象对所述目标类别的权重之和作为分母；

根据所述分子和所述分母的比值确定所述目标类别对应的动态指标。

3.如权利要求2所述的数据处理方法，其特征在于，所述根据所述多个词向量组确定多个对象对目标类别的权重包括：

将所述多个词向量组输入预设神经网络模型，以获取多个输出值；

在所述多个输出值中确定同时包括目标对象和目标类别的词向量组对应的m个输出值，m≥1；

在所述多个输出值中确定包括所述目标对象的词向量组对应的n个输出值，n≥1；

根据所述m个输出值之和与所述n个输出值之和的比值确定目标对象对目标类别的权重。

4.如权利要求3所述的数据处理方法，其特征在于，所述预设神经网络模型的损失函数包括：

其中，L是损失函数，j是目标类别的序号，i₁、i₂是目标对象的序号，w是目标对象对目标类别的权重，x是目标对象的动态指标。

5.如权利要求4所述的数据处理方法，其特征在于，所述预设神经网络模型的训练过程包括：

初始化所述预设神经网络模型的网络模型参数，或者将前一个预设时间长度的网络模型参数设置为所述预设神经网络模型的当前网络模型参数；

获取包括所述文本数据的训练数据集，提取所述文本数据以获取多个所述词向量组；

将预设时间长度对应的词向量组输入所述预设神经网络模型，使所述预设神经网络模型调整网络模型参数以使所述损失函数的值最小；

使用多个预设时间长度对应的词向量组训练所述预设神经网络模型，在训练结束后确定所述预设神经网络模型的最终网络模型参数。

6.如权利要求1～5任一项所述的数据处理方法，其特征在于，所述对象为上市公司名称，所述类别为股票概念，所述动态指标为股价变化率。

7.如权利要求6所述的数据处理方法，其特征在于，所述词向量组包括上市公司名称、行为与股票概念的对应关系。

8.一种数据处理装置，其特征在于，包括：

文本数据获取模块，设置为获取包括对象的文本数据；

关系数据提取模块，设置为对所述文本数据提取包括对象和类别的对应关系的多个词向量组；

对象动态指标获取模块，设置为获取所述对象的动态指标；

类别动态指标确定模块，设置为根据所述多个词向量组和所述对象的动态指标，确定所述类别的动态指标。

9.一种电子设备，其特征在于，包括：

存储器；以及

耦合到所属存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1-7任一项所述的数据处理方法。

10.一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如权利要求1-7任一项所述的数据处理方法。