[发明专利]金融行为识别与分类的方法、装置及计算机可读存储介质

说明书

本申请涉及一种金融行为识别与分类的方法、装置及计算机可读存储介质。其中，方法包括：从至少两个数据源获取多源数据文本，然后按照预先设定的数据处理方式对数据文本进行预处理，得到各数据文本的向量，将各所述数据文本的向量输入到预先训练的多尺度卷积神经网络模型中，根据数据源的类型确定各所述数据文本的向量的卷积核，再利用各自的卷积核提取各向量的语义特征，从而根据各向量的语义特征确定各预设金融行为的概率，最后再根据各预设金融行为的概率确定多源数据文本对应的金融行为。多数据源能够体现出目标金融机构各个方面的实际开展的业务，从而能够更为准确地识别出目标金融机构实际的金融行为，更加便于监管。

技术领域

本申请涉及金融数据处理技术领域，尤其涉及一种金融行为识别与分类的方法、装置及计算机可读存储介质。

背景技术

随着金融行业的蓬勃发展，各种地方类金融机构也层出不穷，大致可以分为负责对小额贷款公司、融资担保公司、区域性股权市场、典当行、融资租赁公司、商业保理公司、地方资产管理公司等金融机构实施监管，强化对投资公司、农民专业合作社、社会众筹机构、地方各类交易所十种类型。但是，目前对地方类金融机构的分类往往基于工商数据，而工商数据中所包含的企业经营范围与实际的金融行为可能会出现不一致的情况，这就导致地方金融监督管理局难以摸清地方类金融机构的总体情况和分类情况的问题，进而导致地方金融监督管理局难以对其监管。因此，如何对地方类金融机构的金融行为进行精细化分类成为监管的重点。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种金融行为识别与分类的方法、装置及计算机可读存储介质。

根据本申请的第一方面，提供一种金融行为识别与分类的方法，所述方法包括：

获取目标金融机构的多源数据文本，所述多源数据文本包括分别来自于至少两类数据源的数据文本；

利用预先训练的多尺度卷积神经网络模型根据每类所述数据文本确定所述目标金融机构具有每个预设金融行为的概率；

根据所述各预设金融行为的概率对所述目标金融机构具有的金融行为进行识别与分类，以确定所述目标金融机构的类型。

可选的，所述利用预先训练的多尺度卷积神经网络模型根据各所述数据文本确定各预设金融行为的概率，包括：

按照预先设定的数据预处理方式对各所述数据文本进行预处理，得到各所述数据文本的文本向量；

将各所述文本向量输入到预先训练的多尺度卷积神经网络模型中，确定每个所述文本向量的卷积核尺寸；

根据每个所述文本向量的所述卷积核尺寸对应提取每个所述文本向量的语义特征，并根据各所述语义特征确定各预设金融行为的概率。

可选的，所述确定每个所述文本向量的卷积核尺寸，包括：

根据预先设置的卷积核尺寸映射表以及所述文本向量对应的数据源类型确定各所述文本向量的对应的卷积核尺寸，所述卷积核尺寸映射表包括各数据源类型与卷积核尺寸的映射关系。

可选的，所述按照预先设定的数据预处理方式对各所述数据文本进行预处理，得到各所述数据文本的文本向量，包括：

利用预设分词方法对所述数据文本进行分词，得到所述数据文本的至少一个词；

确定各所述词的在预设词典中的索引；

根据所述索引，确定所述数据文本的文本向量。

可选的，所述根据所述索引，确定各所述数据文本的文本向量，包括：

按照所述数据文本中每个词的顺序对各所述词的索引进行排序，得到各所述数据文本的初始向量；

根据预设的向量长度表示规则，将各所述初始向量表示为预设长度的文本向量。