(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210927239.8 (22)申请日 2022.08.03 (71)申请人 浙商期货有限公司 地址 310000 浙江省杭州市西湖区天目山 路198号财通双冠 大厦东楼 9-12层 (72)发明人 杨胜利　吴福文　康维鹏　唐逐时　 (74)专利代理 机构 杭州创智卓英知识产权代理 事务所(普通 合伙) 33324 专利代理师 唐超文 (51)Int.Cl. G06F 40/186(2020.01) G06F 40/289(2020.01) G06F 40/295(2020.01) G06F 40/30(2020.01) G06F 16/215(2019.01)G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 16/84(2019.01) G06Q 40/06(2012.01) (54)发明名称 一种期货领域的投研报告处 理方法和系统 (57)摘要 本申请涉及一种期货领域的投研报告处理 方法， 其中， 该方法包括： 采集期货行业的原始数 据， 包括： 结构化数据、 半结构化数据和非结构化 数据， 其中， 结构化数据可 以通过关系型数据库 进行管理； 对结构化数据和半结构化数据， 进行 预处理得到第一语义数据， 对非结构化数据进行 预处理及语义结构化处理， 得到第二语义知 识数 据； 基于第一语义知识数据和第二语义知识数 据， 构建期货结构化基础数据和产业链关联图 谱； 根据期货结构化基础数据和产业链关联图 谱， 自动化进行进行投投研报告告选题以及自动 化生成投投研报告。 通过本申请， 解决了期货领 域传统投研方式可靠性较差的问题， 实现了效率 和可靠性。 权利要求书3页 说明书14页 附图4页 CN 115358201 A 2022.11.18 CN 115358201 A 1.一种期 货领域的投研报告处 理方法， 其特 征在于， 所述方法包括： 采集期货行业的原始数据， 包括： 结构化数据、 半结构化数据和非结构化数据， 其中， 所 述结构化数据可以通过关系型 数据库进行 管理； 对所述结构化数据和所述半结构化数据， 进行预处理， 到第 一语义数据， 对所述非结构 化数据进行 预处理及语义结构化处 理， 得到第二语义知识数据； 基于所述第 一语义知识数据和所述第 二语义知识数据， 构建期货结构化基础数据和产 业链关联图谱； 根据所述期货结构化基础数据和所述产业链关联图谱， 自动 化进行投研报告选题以及 自动化生成投研报告。 2.根据权利要求1所述的方法， 其特 征在于， 所述结构化数据为关系型 数据， 可通过关系型 数据库进存 储和管理； 所述半结构化数据为报表数据， 其非关系型 数据但具 备固定的数据格式； 所述非结构化数据为 不具备固定格式的文档数据。 3.根据权利要求2所述的方法， 其特征在于， 对所述结构化数据和所述半结构化数据， 进行预处理， 到第一语义数据包括： 对于所述结构化数据： 对其中的缺失数据进行忽略和/或补漏， 对其中的重复数据进行 合并和/或冗余剔除， 以及对其中的噪声数据进行平 滑处理； 对于所述半结构化数据， 通过Xpath定向抽取模板对所述非结构化数据进行抽取， 将数 据表格转换为可存 储的结构化库表数据； 集合所述预处理之后的结构化数据和所述结构化库表数据， 得到所述第 一语义知识数 据。 4.根据权利要求2所述的方法， 其特征在于， 所述对所述非结构化数据进行预处理包 括： 提取所述非结构化数据中的文档对应的内容对象流， 对所述内容对象流进行解码得到 标准字符流； 对所述标准字符流进行信息提取得到目标信息， 其中， 所述目标信息包括： 标题信息、 事件信息、 来源信息、 正文 文本信息、 发布者信息 。 5.根据权利要求1所述的方法， 其特征在于， 对所述非结构化数据进行语义结构化处 理， 包括： 对非结构化数据中的文本进行分词， 并通过预训练模型获取所述文本中各个分词的实 体识别结果； 采用以Transformer为基础结构的BERT预训练模型， 对所述文本中各个分词进行分类 标记； 通过抽取 所述文本中的事 件信息， 进行事 件结构化处 理。 6.根据权利要求5所述的方法， 其特征在于， 对非结构化数据中的文本进行分词， 并通 过预训练模型获取 所述文本中各个分词的实体识别结果包括： 将文本拆分为多个单字， 基于所述单字、 所述单字的拼音和笔画结构， 得到所述单字对 应的字嵌入向量； 将所述字嵌入向量输入BiLSTM ‑CRF模型， 通过模型的BiLSTM层输出每个字嵌入向量对权　利　要　求　书 1/3 页 2 CN 115358201 A 2应于各个命名实体的得分； 通过模型的CRF层基于所述得分， 采用BI序列标签体系， 输出所述单词对应的实体识别 结果。 7.根据权利要求5所述的方法， 其特 征在于， 抽取 所述文本中的事 件信息包括： 通过启发式规则方式和模型 预测方式， 抽取 所述文本中的事 件信息， 其中， 所述启发式规则方式包括： 查找所述文本 中是否包含事件的触发关键词， 若是， 将所述 触发关键词在预设匹配模板中进行匹配， 以获取文本中的事 件元素； 所述模型预测方式包括： 通过BiLSTM ‑CRF模型， 基于文本的实体识别结果、 文本中间语 义信息、 最佳序列化标签和预设事 件类型， 获取事 件元素及其对应的事 件类别。 8.根据权利要求1所述的方法， 其特征在于， 构建期货产业链关联知识图谱包括： 构建 上下游产业链知识信息， 和构建事 件传导因子关系知识信息， 其中： 所述构建上 下游产业链知识信息包括： 获取上下游产业链关联关系， 将所述文本按照预设窗口长度进行句段划分， 得到用于 关系抽取的Context上下文； 对所述Context上下文中的实体， 依次根据所述关联关系进行 关联判定， 得到所述Co ntext上下文中实体符合所述关联关系的成立 概率； 所述构建事 件传导因子关系知识信息， 包括： 识别所述文本中的期 货品种及因子关键词； 将所述文本中的事件进行组合得到事件对， 并基于所述上下游产业链知识信息、 所述 因子关键词、 和所述Co ntext上下文对所述事 件对进行关系分类。 9.根据权利要求1所述的方法， 其特征在于， 所述基于所述期货产业链知识图谱， 生成 投研报告， 包括投研报告选题流 程和投研报告生成流 程， 其中： 所述投研报告选题流 程包括： 将所述事件进行事件聚合， 获取其中的热点事件， 基于所述期货产业链关联图谱， 分析 所述热点事件的起因链路； 基于所述期货产业链关联图谱， 参考所述起因链路， 通过限定深 度的广度优先算法， 获取所述热点事件的最佳关联传导链路； 基于所述热点事件， 所述热点 事件的起因链路和关联传导链路， 获取选题要素； 所述投研报告生成流 程包括包括： 获取与所述选题要素匹配度最高的预设投研报告生成模板， 其中， 所述预设投研报告 生成模板中定义有样式信息， 所述样式信息包括 篇章结构、 文本片段和数据图； 确定所述选题要素对应的目标热点事件， 获取所述目标热点事件的文本信息摘要， 其 中， 所述文本信息摘要包括： 事 件主体、 事 件信息、 跌幅信息、 成交量信息； 根据所述文本信息摘要获取行业指标数据， 并按照Echarts图表形式对所述行业指标 数据进行渲染， 得到反映所述事 件走势的可视化图表； 基于所述期货产业链关联图谱， 获取所述目标热点事件对应的目标起因事件和目标传 导事件， 获取所述 目标起因事件和所述 目标传导事件的文本摘要， 并生成所述目标起因事 件和所述目标传导事 件对应的可视化图表。 10.一种期货领域的投研报告处理系统， 其特征在于， 所述系统包括： 采集模块， 预处理 模块、 知识图谱构建模块和报告生成模块， 其中， 所述采集模块用于， 采集期货行业的原始数据， 包括： 结构化数据、 半结构化数据和非权　利　要　求　书 2/3 页 3 CN 115358201 A 3