[发明专利]股市风险预测方法、装置、计算机设备及存储介质

权利要求书

1.一种股市风险预测方法，其特征在于，包括：

爬取当日指定时间段的文本数据；

将所述当日指定时间段的文本数据进行分词，得到当日文本的分词结果；

将所述当日文本的分词结果输入至预先训练得到的用于预测股市风险的循环神经网络，得到当日股票涨跌预测结果。

2.根据权利要求1所述的股市风险预测方法，其特征在于，所述爬取当日指定时间段的文本数据之前，还包括：

按日期从多个预先指定URL地址爬取文本数据，及与文本数据对应的股票涨跌数据；

将文本数据进行分词处理得到分词结果，并对分词结果中的每一分词进行词性标注；

将进行词性标注后的分词结果作为循环神经网络的输入，并将对应的股票涨跌数据作为循环神经网络的输出，进行训练得到循环神经网络模型。

3.根据权利要求2所述的股市风险预测方法，其特征在于，所述将文本数据进行分词处理得到分词结果，包括：

按从左至右的顺序从文本数据中取出候选词；

在预先存储的词典中查询与每一候选词对应的概率值，并记录每一候选词的左邻词；

计算获取每一候选词的累积概率，并获取每一候选词对应的多个左邻词各自的累积概率，若每一候选词的多个左邻词中存在累积概率为多个左邻词的累积概率中最大值的左邻词，将累积概率中最大值的左邻词作为与候选词对应的最佳左邻词；

从文本数据的终点词为起点，从右至左依次输出与每一候选词对应的最佳左邻词，得到分词结果。

4.根据权利要求3所述的股市风险预测方法，其特征在于，所述对分词结果中的每一分词进行词性标注，包括：

将分词结果中的每一分词输入预先构建的用于词性标注的筛选模型，得到与每一分词对应的词性概率；

若分词对应的词性概率在正向词性类别的概率大于或等于预先设置的第一概率，将分词标注为正向词性；

若分词对应的词性概率在中性词性类别的概率大于或等于预先设置的第二概率，将分词标注为中性词性；

若分词对应的词性概率在负向词性类别的概率大于或等于预先设置的第三概率，将分词标注为负向词性。

5.根据权利要求4所述的股市风险预测方法，其特征在于，所述将分词结果中的每一分词输入预先构建的用于词性标注的筛选模型，得到与每一分词对应的词性概率之前，还包括：

将训练集中所包括的多个分词作为筛选模型的输入，并将每一分词对应的词性作为筛选模型的输出，进行训练得到筛选模型。

6.根据权利要求1所述的股市风险预测方法，其特征在于，所述循环神经网络模型为：

O_t＝g(V·S_t)

S_t＝f(U·X_t+S_t-1)；

其中，X_t是循环神经网络输入层的值，St、S_t-1是循环神经网络隐藏层的值，O_t是循环神经网络输出层的值，U是输入层到隐藏层的第一权重矩阵，V是隐藏层到输出层的第二权重矩阵，g()为非线性的激活函数，f()为softmax函数。

7.根据权利要求1所述的股市风险预测方法，其特征在于，所述将所述当日文本的分词结果输入至预先训练得到的用于预测股市风险的循环神经网络，得到当日股票涨跌预测结果之后，还包括：

爬取另一指定时间段的文本数据，并输入至循环神经网络模型，得到次日股票涨跌预测结果。

8.一种股市风险预测装置，其特征在于，包括：

当日文本爬取单元，用于爬取当日指定时间段的文本数据；

当日文本分词单元，用于将所述当日指定时间段的文本数据进行分词，得到当日文本的分词结果；

当日股市预测单元，用于将所述当日文本的分词结果输入至预先训练得到的用于预测股市风险的循环神经网络，得到当日股票涨跌预测结果。