一种金融数据AI分析系统及方法与流程

一种金融数据ai分析系统及方法
技术领域
1.本发明涉及金融信息化技术领域，尤其是涉及一种金融数据ai分析系统及方法。


背景技术：

2.金融数据是指金融行业所涉及的市场数据、公司数据、行业指数和定价数据。所有与金融行业相关的数据均可纳入金融市场大数据系统，为从业者进行市场分析提供参考。学术化的定义很多，通俗点的例子，某只股票一段时期的价格数据按既定的时间顺序排列就可以称之为一种金融时间序列数据。
3.现有的技术中，金融数据分析系统的完善，需要不断获取并分析特定金融网站的数据信息使金融数据更加结构化、脉络化，整合完成后，这些数据都应该被及时存储在目标服务器的数据库中，并及时提供给用户使用。当前，随着互联网技术的不断发展，金融数据分析系统更加具有技术性，信息系统的创新与纳入使得金融机构可以在日常运作中处理大量的数据信息，进行更好的财务管理。在金融业务的过程中，准确的财务数据信息为用户提供了未来的财务决策的基础，对日后金融事业的走向指明了方向，在金融业的发展中具有重要位置。
4.因此，如何提高金融数据分析技术的效率，使其操作更加简便，对于金融数据分析系统的完善具有重要作用。


技术实现要素：

5.针对现有技术存在的不足，本发明的目的是提供一种金融数据ai分析系统及方法，此系统围绕不同的知识关联形式，构建了可视化数据模型，定义可视化数据属性集，并对不同的可视化方式进行分类，从而提高了金融数据分析技术的效率，使其操作更加简便。
6.本发明的上述发明目的是通过以下技术方案得以实现的：
7.一种金融数据ai分析系统，包括任务管理模块、ai金融数据分析模块、金融数据监控模块、金融数据关联模块、金融数据可视化框架以及数据库；
8.所述任务管理模块用于在系统中发出新建任务的请求，并分配系统管理对任务进行分析评估，所述ai金融数据分析模块用于对通过智能数据分析技术对批量金融数据接收后进行预测和分析，所述金融数据监控模块用于监控金融数据的流量，所述金融数据关联模块用于接收所述任务管理模块采集金融数据并对接收的金融数据与参数特征进行数据关联；
9.所述金融数据可视化框架包括依次连接的关联数据集成模块、语义关联发现模块、关联数据结构化模块以及关联数据可视化模块，所述关联数据集成模块、所述语义关联发现模块、所述关联数据结构化模块以及所述关联数据可视化模块均由信息数据流驱动，以实现用户金融数据的可视化需求。
10.本发明在一较佳示例中可以进一步配置为：所述ai金融数据分析模块利用机器学习cnn神经网络算法，根据数据库中的金融数据参数特征，对金融数据进行计算分析。
11.本发明在一较佳示例中可以进一步配置为：还包括与所述ai金融数据分析模块连接的区块链存储模块，所述ai金融数据分析模块用于从所述区块链存储模块中调取历史金融数据和实时金融数据对金融数据的未来走势进行预测。
12.本发明在一较佳示例中可以进一步配置为：所述金融数据监控模块包括相互连接的第一金融数据监控单元与第二金融数据监控单元，所述第二金融数据监控单元与所述数据库连接；
13.所述第一金融数据监控单元用于实时监测系统主节点上的金融数据的流量运行状态，所述第二金融数据监控单元用于实时监测所述第一金融数据监控单元的运行状态是否正常，并当所述第一金融数据监控单元的运行状态异常时，实时获取主节点上的运行数据并上传至所述数据库中。
14.本发明在一较佳示例中可以进一步配置为：所述金融数据关联模块包括数据存储单元、数据组织单元、数据表示单元以及数据获取单元，所述数据存储单元以rdf结构化三元组存储数据，用属性、属性值来描述金融数据资源，所述数据组织单元用于构建语义模型并从外部属性特征和专业领域实质内容多个层次描述数据间的语义关系；
15.所述数据表示单元借助uri技术，将不同类型数据关联后呈现文本、视频、声音多种资源以及领域信息，所述数据获取单元通过数据间关联以理解用户的查询信息，以快速实时地找到所需数据。
16.本发明在一较佳示例中可以进一步配置为：所述关联数据集成模块通过大数据技术，将网络金融领域非结构化的异构信息转换成计算机可存储的结构化数据，形成系统、完整的金融数据集，并从结构化的金融数据中抽取其中的实体、关系、属性以及事件，构建代表类与子类之间集成的交互的概念模型，在概念模型基础上，利用d2rq的generate-mapping文件进行转换，将关系型数据库中的数据转换成rdf格式。
17.本发明在一较佳示例中可以进一步配置为：所述语义关联发现模块在rdf模型之间寻找语义链接，对不同关联数据集进行整理和组织。首先将在关联数据集成阶段获取的大量的rdf三元组形式存入图数据库中，实现rdf的存储和检索。
18.本发明在一较佳示例中可以进一步配置为：所述关联数据结构化模块用于整合数据形成关联数据云，每个rdf实例对应相应的uri标识符、类、属性及属性的值；
19.所述关联数据结构化模块应用了两种合并方法：基于属性的合并和基于值的合并，将属性的值作为索引项，将sparql语句表示为一个查询图，数据查询的过程实质上就是子图匹配过程，扩展sparql语句，从关联数据云中获得数据，并按数据预处理、数据转换、信息抽取数据挖掘过程实现关联数据挖掘，最后将结果由json格式返回给客户端。
20.本发明在一较佳示例中可以进一步配置为：所述关联数据可视化模块用于将关联数据经过存储和发布后根据不同的应用场景进行可视化，前端页面展示采用超文本标记语言、层叠样式表和javascript编程语言构建，应用于金融服务领域的可视化应用主要包含三大部分：企业画像、用户查询和预测分析，最后通过根据特定问题给用户呈现不同的展示效果。
21.一种金融数据ai分析方法，包括以下步骤：任务管理模块在系统中发出新建任务的请求，并分配系统管理对任务进行分析评估，ai金融数据分析模块对通过智能数据分析技术对批量金融数据接收后进行预测和分析，金融数据监控模块用于监控金融数据的流
量，金融数据关联模块用于接收任务管理模块采集金融数据并对接收的金融数据与参数特征进行数据关联，最后由金融数据可视化框架对金融数据进行可视化构建；
22.所述可视化构建包括以下步骤：
23.步骤1：在获取上市公司基本数据基础上，抽取其中的实体、关系、属性以及事件，绘制关联图并实现从图到表的映射，对字段信息进行规范化处理；
24.步骤2：实现基于rdf语义模型设计，基于资源标识符的三元组利用描述语义实体间关系；
25.步骤3：对表的关系梳理清楚的前提下，进行d2rq中mapping文件的编写，映射数据库关系并进行增删改查，然后进行dump-rdf操作，将表格数据转换为rdf格式；
26.步骤4：将rdf数据文件导入gstore数据库中进行存储；
27.步骤5：根据需要选择合适的可视化类型，运用ech-arts中的js库进行页面部署。
28.综上所述，本发明包括以下至少一种有益技术效果：
29.本发明公开了一种金融数据ai分析系统及方法，此系统通过设置任务管理模块、ai金融数据分析模块、金融数据监控模块、金融数据关联模块、金融数据可视化框架以及数据库，并围绕不同的知识关联形式，构建了可视化数据模型，定义可视化数据属性集，并对不同的可视化方式进行分类，从而提高了金融数据分析技术的效率，使其操作更加简便。
附图说明
30.图1为本发明的系统整体结构框图。
31.图2为本发明展示系统中的金融数据可视化框架图。
32.图3为本发明展示系统中的金融数据关联模块的结构框图。
具体实施方式
33.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
34.实施例一：
35.参照图1，为本发明公开的一种金融数据ai分析系统，包括任务管理模块、ai金融数据分析模块、金融数据监控模块、金融数据关联模块、金融数据可视化框架以及数据库。
36.任务管理模块用于在系统中发出新建任务的请求，并分配系统管理对任务进行分析评估，ai金融数据分析模块用于对通过智能数据分析技术对批量金融数据接收后进行预测和分析，金融数据监控模块用于监控金融数据的流量，金融数据关联模块用于接收任务管理模块采集金融数据并对接收的金融数据与参数特征进行数据关联。
37.参照图2，金融数据可视化框架包括依次连接的关联数据集成模块、语义关联发现模块、关联数据结构化模块以及关联数据可视化模块，关联数据集成模块、语义关联发现模块、关联数据结构化模块以及关联数据可视化模块均由信息数据流驱动，以实现用户金融数据的可视化需求。
38.关联数据集成模块通过大数据技术，将网络金融领域非结构化的异构信息转换成
计算机可存储的结构化数据，形成系统、完整的金融数据集。并从结构化的金融数据中抽取其中的实体、关系、属性以及事件，构建代表类与子类之间集成的交互的概念模型，在概念模型基础上，利用d2rq的generate-mapping文件进行转换，将关系型数据库中的数据转换成rdf格式。
39.语义关联发现模块在rdf模型之间寻找语义链接，对不同关联数据集进行整理和组织。首先将在关联数据集成阶段获取的大量的rdf三元组形式存入图数据库中，实现rdf的存储和检索。为了消除歧义，涉及利用金融知识本体来精化关系。语义关联发现作为关系发现的一种方式，其重要特征是领域本体驱动。金融知识本体以标准词表或树状结构来组建相关概念，获得不同概念间的层次和相近关系，提高语义描述能力。通过金融知识本体，将语义经验引入到关联发现中，它与上阶段构建的概念模型互补，使关联数据显示的语义信息更加精确，为实现不同用户和应用基于语义的数据访问提供支撑。
40.ai金融数据分析模块利用机器学习cnn神经网络算法，根据数据库中的金融数据参数特征，对金融数据进行计算分析。
41.本发明还包括与ai金融数据分析模块连接的区块链存储模块，ai金融数据分析模块用于从区块链存储模块中调取历史金融数据和实时金融数据对金融数据的未来走势进行预测。
42.金融数据监控模块包括相互连接的第一金融数据监控单元与第二金融数据监控单元，第二金融数据监控单元与数据库连接；
43.第一金融数据监控单元用于实时监测系统主节点上的金融数据的流量运行状态，第二金融数据监控单元用于实时监测第一金融数据监控单元的运行状态是否正常，并当第一金融数据监控单元的运行状态异常时，实时获取主节点上的运行数据并上传至数据库中。
44.参照图3，金融数据关联模块包括数据存储单元、数据组织单元、数据表示单元以及数据获取单元，数据存储单元以rdf结构化三元组存储数据，用属性、属性值来描述金融数据资源，数据组织单元用于构建语义模型并从外部属性特征和专业领域实质内容多个层次描述数据间的语义关系；
45.数据表示单元借助uri技术，将不同类型数据关联后呈现文本、视频、声音多种资源以及领域信息，数据获取单元通过数据间关联以理解用户的查询信息，以快速实时地找到所需数据。
46.关联数据结构化模块用于整合数据形成关联数据云，每个rdf实例对应相应的uri标识符、类、属性及属性的值；关联数据结构化模块应用了两种合并方法：基于属性的合并和基于值的合并，将属性的值作为索引项，将sparql语句表示为一个查询图，数据查询的过程实质上就是子图匹配过程，扩展sparql语句，从关联数据云中获得数据，并按数据预处理、数据转换、信息抽取数据挖掘过程实现关联数据挖掘，最后将结果由json格式返回给客户端。
47.关联数据可视化模块用于将关联数据经过存储和发布后根据不同的应用场景进行可视化，前端页面展示采用超文本标记语言、层叠样式表和javascript编程语言构建，应用于金融服务领域的可视化应用主要包含三大部分：企业画像、用户查询和预测分析，最后通过根据特定问题给用户呈现不同的展示效果。
48.实施例二：
49.一种金融数据ai分析方法，包括以下步骤：任务管理模块在系统中发出新建任务的请求，并分配系统管理对任务进行分析评估，ai金融数据分析模块对通过智能数据分析技术对批量金融数据接收后进行预测和分析，金融数据监控模块用于监控金融数据的流量，金融数据关联模块用于接收任务管理模块采集金融数据并对接收的金融数据与参数特征进行数据关联，最后由金融数据可视化框架对金融数据进行可视化构建；
50.可视化构建包括以下步骤：
51.步骤1：在获取上市公司基本数据基础上，抽取其中的实体、关系、属性以及事件，绘制关联图并实现从图到表的映射，对字段信息进行规范化处理；
52.步骤2：实现基于rdf语义模型设计，基于资源标识符的三元组利用描述语义实体间关系；
53.步骤3：对表的关系梳理清楚的前提下，进行d2rq中mapping文件的编写，映射数据库关系并进行增删改查，然后进行dump-rdf操作，将表格数据转换为rdf格式；
54.步骤4：将rdf数据文件导入gstore数据库中进行存储；
55.步骤5：根据需要选择合适的可视化类型，运用ech-arts中的js库进行页面部署。
56.本发明的实施原理为：本发明公开了一种金融数据ai分析系统及方法，此系统通过设置任务管理模块、ai金融数据分析模块、金融数据监控模块、金融数据关联模块、金融数据可视化框架以及数据库，并围绕不同的知识关联形式，构建了可视化数据模型，定义可视化数据属性集，并对不同的可视化方式进行分类，从而提高了金融数据分析技术的效率，使其操作更加简便。
57.本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

技术特征：
1.一种金融数据ai分析系统，其特征在于：包括任务管理模块、ai金融数据分析模块、金融数据监控模块、金融数据关联模块、金融数据可视化框架以及数据库；所述任务管理模块用于在系统中发出新建任务的请求，并分配系统管理对任务进行分析评估，所述ai金融数据分析模块用于对通过智能数据分析技术对批量金融数据接收后进行预测和分析，所述金融数据监控模块用于监控金融数据的流量，所述金融数据关联模块用于接收所述任务管理模块采集金融数据并对接收的金融数据与参数特征进行数据关联；所述金融数据可视化框架包括依次连接的关联数据集成模块、语义关联发现模块、关联数据结构化模块以及关联数据可视化模块，所述关联数据集成模块、所述语义关联发现模块、所述关联数据结构化模块以及所述关联数据可视化模块均由信息数据流驱动，以实现用户金融数据的可视化需求。2.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，所述ai金融数据分析模块利用机器学习cnn神经网络算法，根据数据库中的金融数据参数特征，对金融数据进行计算分析。3.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，还包括与所述ai金融数据分析模块连接的区块链存储模块，所述ai金融数据分析模块用于从所述区块链存储模块中调取历史金融数据和实时金融数据对金融数据的未来走势进行预测。4.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，所述金融数据监控模块包括相互连接的第一金融数据监控单元与第二金融数据监控单元，所述第二金融数据监控单元与所述数据库连接；所述第一金融数据监控单元用于实时监测系统主节点上的金融数据的流量运行状态，所述第二金融数据监控单元用于实时监测所述第一金融数据监控单元的运行状态是否正常，并当所述第一金融数据监控单元的运行状态异常时，实时获取主节点上的运行数据并上传至所述数据库中。5.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，所述金融数据关联模块包括数据存储单元、数据组织单元、数据表示单元以及数据获取单元，所述数据存储单元以rdf结构化三元组存储数据，用属性、属性值来描述金融数据资源，所述数据组织单元用于构建语义模型并从外部属性特征和专业领域实质内容多个层次描述数据间的语义关系；所述数据表示单元借助uri技术，将不同类型数据关联后呈现文本、视频、声音多种资源以及领域信息，所述数据获取单元通过数据间关联以理解用户的查询信息，以快速实时地找到所需数据。6.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，所述关联数据集成模块通过大数据技术，将网络金融领域非结构化的异构信息转换成计算机可存储的结构化数据，形成系统、完整的金融数据集，并从结构化的金融数据中抽取其中的实体、关系、属性以及事件，构建代表类与子类之间集成的交互的概念模型，在概念模型基础上，利用d2rq的generate-mapping文件进行转换，将关系型数据库中的数据转换成rdf格式。7.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，所述语义关联发现模块在rdf模型之间寻找语义链接，对不同关联数据集进行整理和组织。首先将在关联数据集成阶段获取的大量的rdf三元组形式存入图数据库中，实现rdf的存储和检索。8.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，所述关联数据结构化
模块用于整合数据形成关联数据云，每个rdf实例对应相应的uri标识符、类、属性及属性的值；所述关联数据结构化模块应用了两种合并方法：基于属性的合并和基于值的合并，将属性的值作为索引项，将sparql语句表示为一个查询图，数据查询的过程实质上就是子图匹配过程，扩展sparql语句，从关联数据云中获得数据，并按数据预处理、数据转换、信息抽取数据挖掘过程实现关联数据挖掘，最后将结果由json格式返回给客户端。9.根据权利要求1所述的一种金融数据ai分析系统，其特征在于，所述关联数据可视化模块用于将关联数据经过存储和发布后根据不同的应用场景进行可视化，前端页面展示采用超文本标记语言、层叠样式表和javascript 编程语言构建，应用于金融服务领域的可视化应用主要包含三大部分：企业画像、用户查询和预测分析，最后通过根据特定问题给用户呈现不同的展示效果。10.一种金融数据ai分析方法，其特征在于，包括以下步骤：任务管理模块在系统中发出新建任务的请求，并分配系统管理对任务进行分析评估， ai金融数据分析模块对通过智能数据分析技术对批量金融数据接收后进行预测和分析，金融数据监控模块用于监控金融数据的流量，金融数据关联模块用于接收任务管理模块采集金融数据并对接收的金融数据与参数特征进行数据关联，最后由金融数据可视化框架对金融数据进行可视化构建；所述可视化构建包括以下步骤：步骤1：在获取上市公司基本数据基础上，抽取其中的实体、关系、属性以及事件，绘制关联图并实现从图到表的映射，对字段信息进行规范化处理；步骤2：实现基于rdf语义模型设计，基于资源标识符的三元组利用描述语义实体间关系；步骤3：对表的关系梳理清楚的前提下，进行d2rq中mapping文件的编写，映射数据库关系并进行增删改查，然后进行dump-rdf操作，将表格数据转换为rdf格式；步骤4：将rdf数据文件导入gstore数据库中进行存储；步骤5：根据需要选择合适的可视化类型，运用ech-arts中的js库进行页面部署。

技术总结
本发明涉及一种金融数据AI分析系统及方法，此系统包括任务管理模块、AI金融数据分析模块、金融数据监控模块、金融数据关联模块、金融数据可视化框架以及数据库；任务管理模块用于在系统中发出新建任务的请求，并分配系统管理对任务进行分析评估，AI金融数据分析模块用于对通过智能数据分析技术对批量金融数据接收后进行预测和分析，金融数据监控模块用于监控金融数据的流量，金融数据关联模块用于接收任务管理模块采集金融数据并对接收的金融数据与参数特征进行数据关联。此系统围绕不同的知识关联形式，构建了可视化数据模型，定义可视化数据属性集，并对不同的可视化方式进行分类，从而提高了金融数据分析技术的效率，使其操作更加简便。操作更加简便。操作更加简便。


技术研发人员：邱宇霏
受保护的技术使用者：上海译墨信息科技有限公司
技术研发日：2023.03.06
技术公布日：2023/8/24