-
公开(公告)号：CN116596678A
公开(公告)日：2023-08-15
申请号：CN202310588800.9
申请日：2023-05-23
Applicant: 平安科技(深圳)有限公司
IPC: G06Q40/06
Abstract: 本发明涉及金融大数据技术领域，揭露了一种时间序列数据预警方法，包括：对金融数据主指标的高频面板数据进行预处理，得到高频面板数据；计算高频面板数据中每个高频指标与金融数据主指标之间的相关变化趋势；选取高频面板数据中相关变化趋势大于预设阈值的关联高频面板数据；计算关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子；并计算每个高频指标的指标趋势因子；计算所有指标趋势因子的平均值，得到预警信号，根据预警信号确定预警标准，根据预警标准对金融数据主指标进行预警。本发明还提出一种时间序列数据预警装置、电子设备以及存储介质。本发明可以提高金融领域相关数据中金融数据主指标的预警精确度。
-
公开(公告)号：CN113377909B
公开(公告)日：2023-07-11
申请号：CN202110642143.2
申请日：2021-06-09
Applicant: 平安科技(深圳)有限公司
IPC: G06F16/33 , G06F40/289 , G06F18/214 , G06N3/084
Abstract: 本申请适用于人工智能技术领域，提供了一种释义分析模型训练方法、装置、终端设备及存储介质，方法包括：获取包含两段文本的训练样本；将训练样本输入至预训练模型的第一网络结构中，得到训练样本的目标嵌入向量；将目标嵌入向量输入至高通滤波层进行信息噪音过滤处理，得到滤波向量；将目标嵌入向量和滤波向量分别输入至第二网络结构中进行向量处理，得到目标损失函数值；基于目标损失函数值，对预训练模型进行反向传播训练，得到目标训练模型。采用上述方法，可在对待识别文本的向量处理过程中实现对关键信息的增强，有助于提高目标训练模型的预测准确率。
-
公开(公告)号：CN115204176B
公开(公告)日：2023-06-06
申请号：CN202210899520.5
申请日：2022-07-28
Applicant: 平安科技(深圳)有限公司
IPC: G06F40/295 , G06F16/33 , G06F16/35 , G06F18/24
Abstract: 本申请提供了一种命名实体识别方法、系统及存储介质，将样本中的字符进行类别标签标注，得到第一数据集；将第一数据集的字符进行实体标签标注，得到第二数据集；根据第二数据集，训练BERT模型及其衍生模型，得到实体边界识别模型；根据第一数据集，训练实体边界识别模型，得到实体综合识别模型；通过实体识别模型进行命名实体识别。本申请提高了模型训练效果以及命名实体识别准确性，一定程度上解决了目前实体边界识别不清导致的实体识别错误的问题。
-
公开(公告)号：CN113780832B
公开(公告)日：2023-04-25
申请号：CN202111076746.7
申请日：2021-09-14
Applicant: 平安科技(深圳)有限公司
IPC: G06F16/35 , G06F16/335 , G06F40/216 , G06F40/242 , G06F40/30
Abstract: 本申请涉及人工智能领域，提供了一种舆情文本评分方法、装置、计算机设备和存储介质，获取待评分文本；将待评分文本中的每个句子分别输入预设的质量语句判断模型中确定各个句子是否属于高质量语句，确定待评分文本中的高质量语句；根据高质量语句确定待评分文本的第一评分；获取预设时间段内的资讯标题；将资讯标题进行分组处理，得到M个资讯分组；按照预设规则确定各个资讯分组的中心资讯标题；根据中心资讯标题确定待评分文本的第二评分；根据第一评分和第二评分计算待评分文本的目标评分。通过本申请提供的舆情文本评分方法、装置、计算机设备和存储介质，根据文章内容质量与舆情热度两方面进行评分，能够更加准确的对舆情资讯进行评分。
-
公开(公告)号：CN114219602A
公开(公告)日：2022-03-22
申请号：CN202210028876.1
申请日：2022-01-11
Applicant: 平安科技(深圳)有限公司
Abstract: 本申请涉及人工智能技术领域，揭示了一种违约预测模型的生成方法、装置、设备及存储介质，其中方法包括：获取全量标签数据和行业标签数据；对预设的初始决策树模型和初始梯度迭代树模型进行训练，分别得到全量决策树模型和全量梯度树模型，以及分量决策树模型和分量梯度树模型；对全量决策树模型、全量梯度树模型、分量决策树模型和分量梯度树模型进行融合计算，得到第一融合模型和第二融合模型；获取验证数据集，通过第一融合模型和第二融合模型分别对验证数据集进行违约概率计算；根据违约概率进行预测准确性分类，并根据预测准确性的分类结果在第一融合模型和第二融合模型中选取目标违约预测模型，从而提高违约预测模型预测的有效性。
-
Patent Agency Ranking
公开(公告)号：CN113822494A
公开(公告)日：2021-12-21
申请号：CN202111216347.6
申请日：2021-10-19
Applicant: 平安科技(深圳)有限公司
Abstract: 本发明涉及人工智能技术，揭露一种风险预测方法，包括：基于从多源信息集中提取的风险感知因子集构建时序知识图谱，对时序知识图谱进行隐含关系补充和因果关系补充，得到标准知识图谱和事理图谱；利用强化学习算法构建的风险预测模型预测得到目标风险实体；对标准知识图谱进行关系量化和程度量化，得到依存紧密度和事件危害程度，基于事理图谱、依存紧密度和事件危害程度并结合图神经网络和半监督方法训练得到宏观预测模型，利用宏观预测模型预测出目标风险实体对应的风险行业。此外，本发明还涉及区块链技术，事理图谱可存储于区块链的节点。本发明还提出一种风险预测装置、电子设备以及存储介质。本发明可以提高对行业进行风险预测的准确度。
-
公开(公告)号：CN119646513A
公开(公告)日：2025-03-18
申请号：CN202411786098.8
申请日：2024-12-04
Applicant: 平安科技(深圳)有限公司
IPC: G06F18/214 , G06F18/24 , G06F16/35 , G06F40/186 , G06N3/0895 , G06N3/094 , G06N3/0475 , G06N3/084
Abstract: 本申请实施例提供了一种文本预测模型的训练方法和装置、电子设备及存储介质，属于文本处理技术领域。该方法包括：获取待预测文本的综合样本信息；将所述综合样本信息输入多个教师模型进行文本预测，得到第一样本结果；第一样本结果包括根据所述综合样本信息预测得到的生成样本标签和对应的生成样本理由；根据所述第一样本结果和所述综合样本信息，对原始学生模型进行适应性训练，得到第一学生模型；根据第一样本结果，为每个教师模型分配权重，并根据所述权重对所述第一学生模型进行适应性训练，得到训练好的文本预测模型。本申请实施例有利于降低训练过程中需要使用的数据量，提升模型的预测准确度。
-
公开(公告)号：CN114360732B
公开(公告)日：2024-04-09
申请号：CN202210033893.4
申请日：2022-01-12
Applicant: 平安科技(深圳)有限公司
IPC: G16H50/70 , G16H50/30 , G16H10/60 , G06F18/10 , G06F18/214
Abstract: 本发明涉及智慧医疗，提供一种医疗数据分析方法、装置、电子设备及存储介质。该方法能够确定分析对象，确定与分析对象对应的对象特征，根据所述对象特征生成疾病概率预测模型，提取与对象特征对应的待测因素，将待测因素输入至疾病概率预测模型中，得到患病概率，构建疾病因素集及多个测试因素集，将每个测试因素集中的特征因素输入至疾病概率预测模型中，得到多个测试概率，将与患病概率差值最大的测试概率确定为目标概率，并将与目标概率对应的测试因素集确定为目标因素集，对比疾病因素集与目标因素集，得到目标病因。本发明能够提高医疗数据分析准确率及分析效率。此外，本发明还涉及区块链技术，所述目标病因可存储于区块链中。
-
公开(公告)号：CN115204176A
公开(公告)日：2022-10-18
申请号：CN202210899520.5
申请日：2022-07-28
Applicant: 平安科技(深圳)有限公司
IPC: G06F40/295 , G06F16/33 , G06F16/35 , G06K9/62
Abstract: 本申请提供了一种命名实体识别方法、系统及存储介质，将样本中的字符进行类别标签标注，得到第一数据集；将第一数据集的字符进行实体标签标注，得到第二数据集；根据第二数据集，训练BERT模型及其衍生模型，得到实体边界识别模型；根据第一数据集，训练实体边界识别模型，得到实体综合识别模型；通过实体识别模型进行命名实体识别。本申请提高了模型训练效果以及命名实体识别准确性，一定程度上解决了目前实体边界识别不清导致的实体识别错误的问题。
-
公开(公告)号：CN115187066A
公开(公告)日：2022-10-14
申请号：CN202210813786.3
申请日：2022-07-11
Applicant: 平安科技(深圳)有限公司
Abstract: 本申请涉及人工智能技术领域，具体公开了一种风险识别方法、装置、计算机设备及计算机可读存储介质，本申请的风险识别方法通过对待识别对象的关联数据进行风险因子提取，得到多个候选风险因子，并根据多个候选风险因子之间的相似度对多个候选风险因子进行聚类处理，得到聚类结果，然后根据聚类结果计算候选风险因子的选择权重，将选择权重满足预设条件的候选风险因子作为目标风险因子，从而降低了风险因子的维度。然后，根据预设的风险知识图谱对维度降低后的目标风险因子进行风险特征提取，得到对象风险特征，根据对象风险特征确定待识别对象的风险识别结果，使得到的风险识别结果更加准确。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.031 seconds)
