-
公开(公告)号：CN116257623A
公开(公告)日：2023-06-13
申请号：CN202211091826.4
申请日：2022-09-07
申请人： 中债金科信息技术有限公司
IPC分类号： G06F16/35 , G06F40/289 , G06F40/242 , G06F40/30
摘要： 本发明提供一种文本情感分类模型训练方法、文本情感分类方法及设备，应用于自然语言处理、人工智能技术领域，该方法包括：分别对多个文本样本进行分词处理，基于文本样本对应的分词结果，确定文本样本的实体特征向量序列和情感特征向量序列；基于实体特征向量序列，确定文本样本对应的实体表征；基于情感特征向量序列、通用领域的情感词典和特定领域的情感词典，确定文本样本对应的情感表征；基于样本文本对应的实体表征和情感表征，确定文本样本中各实体对应的情感分类预测结果；基于情感分类预测结果，调整初始文本情感分类模型的模型参数，得到文本情感分类模型。该方法可以提高文本情感分类模型的适用性，提升了情感分类结果的准确度。
-
公开(公告)号：CN115936891B
公开(公告)日：2023-05-16
申请号：CN202310042474.1
申请日：2023-01-28
申请人： 中债金科信息技术有限公司
IPC分类号： G06Q40/06 , G06F16/9535
摘要： 本发明提供一种金融数据检索方法及装置、存储介质及电子设备，该方法包括：当接收到金融数据检索请求时，确定查询条件和检索服务类别；判断检索服务类别是否为密态检索服务，若为密态检索服务，则生成多个公钥和对应的多个私钥；依据查询条件和预设的数据序号信息，确定多个数据序号，其中包括查询条件对应的查询数据序号；确定数据序号与公钥的对应关系；将各个公钥和各个数据序号发送给机构节点，使其确定每个数据序号对应的密态金融数据；依据查询数据序号对应的密态金融数据，确定数据检索结果，将结果反馈给用户。应用本发明提供的方法，金融机构无法获悉用户查询的是哪条数据，可以隐藏用户的查询意图，有利于满足用户的隐私保护需求。
-
公开(公告)号：CN116071137B
公开(公告)日：2023-05-30
申请号：CN202310042476.0
申请日：2023-01-28
申请人： 中债金科信息技术有限公司
摘要： 本发明提供一种担保评估方法及装置、存储介质及电子设备，该方法包括：确定担保额度和每个协同机构的计算节点；基于层级同态加密策略生成密钥对；对担保额度加密得到密态担保额度；依次触发每个计算节点基于该计算节点的密态计算输入数据和密态资产金额进行数据计算，得到密态计算输出数据；首个计算节点的密态计算输入数据为密态担保额度，其余计算节点的密态计算输入数据为其上一个计算节点的密态计算输出数据；基于不经意传输协议获得最后的密态计算输出数据所对应的密态评估结果，对其解密后得到担保评估结果。应用本发明的方法，可由多家金融机构进行协同计算，联合证明用户的担保额度，处理过程耗时短，效率高，可改善客户服务体验。
-
公开(公告)号：CN115017489A
公开(公告)日：2022-09-06
申请号：CN202210780235.1
申请日：2022-07-04
申请人： 中债金科信息技术有限公司
摘要： 本申请公开了一种债券发行联盟链中主体权限管理方法以及债券发行联盟链，该方法包括：预先保存有各主体的身份数据，在目标主体调用智能合约时，通过其发送的智能合约调用请求，查询到目标主体的机构信息以及招标书序号，进而查询到目标主体的身份数据，从中提取到目标主体的主体角色。根据主体角色与权限的映射关系，可以确定目标主体是否有调用该智能合约的权限，在确定有权限时执行该智能合约。另外，通过基于密文策略的属性加密的算法保护业务数据，保证不同的业务数据只对相应的主体角色公开。通过上述方式，可以为不同主体分配不同的调用智能合约的权限和数据访问权限，从而实现主体操作债券发行联盟链权限的管理。
-
公开(公告)号：CN116341537A
公开(公告)日：2023-06-27
申请号：CN202310581346.4
申请日：2023-05-23
申请人： 中债金科信息技术有限公司
IPC分类号： G06F40/284 , G06F40/216 , G06F40/247 , G06F16/35 , G06N3/0442 , G06N3/08
摘要： 本发明提供一种多粒度词向量的评估方法、装置、电子设备及存储介质，涉及自然语言处理技术领域，该方法包括：获取目标领域的多个预处理后的目标文本，并将其划分为训练集和测试集；构建多个词向量训练模型；利用词向量训练模型对训练集进行词向量训练，得到词向量训练集，并将其输入初始文本分类模型中进行训练，得到训练好的文本分类模型；利用词向量训练模型对测试集进行词向量训练，得到词向量测试集，并将其输入训练好的文本分类模型中进行测试，得到多个模型性能指标，用于基于多角度对词向量测试集的性能进行评估。本发明可利用下游文本分类任务，对不同类型词向量的性能进行多角度评估，从而克服人为设计评估方案具有一定的局限性的问题。
-
公开(公告)号：CN115936835A
公开(公告)日：2023-04-07
申请号：CN202211403593.7
申请日：2022-11-10
申请人： 中债金科信息技术有限公司 , 清华大学
IPC分类号： G06Q40/02 , G06Q40/04 , G06N20/00 , G06N5/01 , G06Q10/0639
摘要： 本发明公开了一种面向债券风险智能监测方法和装置，其中，该方法包括：获取影响企业违约的指标数据；将指标数据输入训练好的违约分析模型进行分析计算得到实时风险评估结果；其中，违约分析模型是通过比对多个预设算法模型的训练评估结果得到选定分析模型，并判定选定分析模型的分析结果是否达到预设风险评估结果，以根据判定结果训练选定分析模型得到的；基于实时风险评估结果确定企业金融风险的风险值。本发明通过构成风险评估的指标体系，开展城投债、金融债和产业债等债券主体的违约风险分析，实现完善的风险监测模型，对信用债市场的债券做违约概率预测与风险评分。
-
公开(公告)号：CN115409613A
公开(公告)日：2022-11-29
申请号：CN202211111969.7
申请日：2022-09-13
申请人： 中债金科信息技术有限公司
摘要： 本发明提供一种债券风险检测模型训练方法和债券风险检测方法，该方法涉及金融风险防范技术领域，包括：步骤A：接收中心节点发送的至少一棵初始随机树及各初始随机树对应的至少一个数据特征摘要；步骤B：针对每棵初始随机树，确定初始随机树的至少一个数据特征摘要对应的第一数据特征，将第一数据特征发送至中心节点；步骤C：接收中心节点发送的至少一棵更新后的随机树，并将更新后的随机树作为新的初始随机树，重复执行步骤B‑步骤C，直至满足第一停止准则；步骤D：接收中心节点发送的债券风险检测模型，债券风险检测模型为多棵随机树组成的随机森林模型。实现数据特征摘要的共享，各分布式节点共同完成模型训练，提升了模型检测的准确率。
-
公开(公告)号：CN116257623B
公开(公告)日：2023-11-28
申请号：CN202211091826.4
申请日：2022-09-07
申请人： 中债金科信息技术有限公司
IPC分类号： G06F16/35 , G06F40/289 , G06F40/242 , G06F40/30
摘要： 本发明提供一种文本情感分类模型训练方法、文本情感分类方法及设备，应用于自然语言处理、人工智能技术领域，该方法包括：分别对多个文本样本进行分词处理，基于文本样本对应的分词结果，确定文本样本的实体特征向量序列和情感特征向量序列；基于实体特征向量序列，确定文本样本对应的实体表征；基于情感特征向量序列、通用领域的情感词典和特定领域的情感词典，确定文本样本对应的情感表征；基于样本文本对应的实体表征和情感表征，确定文本样本中各实体对应的情感分类预测结果；基于情感分类预测结果，调整初始文本情感分类模型的模型参数，得到文本情感分类模型。该方法可以提高文
-
公开(公告)号：CN116578697A
公开(公告)日：2023-08-11
申请号：CN202310283869.0
申请日：2023-03-22
申请人： 中债金科信息技术有限公司 , 清华大学
IPC分类号： G06F16/35 , G06F16/31 , G06F40/30 , G06F18/241 , G06F18/214 , G06N3/0499 , G06N3/08
摘要： 本发明公开了一种面向金融的语言情感分析和标注方法，本发明涉及机器学习技术领域，其中包括：获取待分析的舆情文本；根据预设文字索引表，确定所述舆情文本中每个字符对应的索引；根据所述每个字符对应的索引，确定所述舆情文本对应的输入向量矩阵；将所述舆情文本对应的输入向量矩阵输入至预设舆情分析模型中进行文本情感分类，得到所述舆情文本对应的情感分类结果，其中，在所述预设舆情分析模型的精调训练过程中对舆情训练样本进行局部文字遮挡；基于所述情感分类结果对所述舆情文本进行情感极性标注。本发明能够提高海量舆情文本数据的分析效率和精度。
-
公开(公告)号：CN116306958A
公开(公告)日：2023-06-23
申请号：CN202211112221.9
申请日：2022-09-13
申请人： 中债金科信息技术有限公司
摘要： 本发明提供一种违约风险预测模型训练方法、违约风险预测方法及设备，涉及金融风险防范技术领域，所述训练方法包括：获取样本债券数据；基于K折交叉验证，将样本债券数据进行分组，得到多组训练数据集和测试数据集；针对每个初始违约风险预测模型，将目标训练数据集内的样本债券数据输入初始违约风险预测模型，输出预测指标；基于预测指标和违约风险类别数据，确定初始违约风险预测模型的第一累计误差和第一预测精度，并基于第一累计误差和第一预测精度更新初始违约风险预测模型的超参数，得到更新后的预测模型；将多个预测模型中超参数最优的预测模型确定为违约风险预测模型。本发明可实现违约风险预测，提高泛化能力和预测精度。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.03 秒)
