一种区域金融发展态势预测方法及设备与流程

1.本技术涉及计算机技术领域，尤其涉及一种区域金融发展态势预测方法及设备。


背景技术：

2.金融安全是区域安全的重要组成部分，近年来，随着国际金融市场的创新发展与互联网金融科技的迅速崛起，为持续发展的金融市场增添活力的同时，也增加了区域金融风险性和不稳定性。此外，随着供给侧改革的不断推进，部分区域和行业陷入流动性危机，各区域的地方债务和民间借贷风险引发的金融风险越来越突出，不断影响区域金融和经济的稳定性。
3.然而通过人工的方式从海量的信息中，对涉及金融业态和非法金融活动的相关信息进行提取，以对区域金融风险进行预测的方式，容易因人为操作而产生较高的失误率，难以确保对区域金融风险预测的准确性。


技术实现要素：

4.本技术实施例提供了一种区域金融发展态势预测方法及设备，用于解决如下技术问题：现有技术容易因人为操作而产生较高的失误率，难以确保对区域金融风险预测的准确性。
5.本技术实施例采用下述技术方案：
6.本技术实施例提供一种区域金融发展态势预测方法。该方法由区域金融发展态势获取系统执行，其中，区域金融发展态势获取系统包括网络舆情监测模块、应用程序监测模块以及网站监测模块，方法包括：网络舆情监测模块筛选出与企业相关的舆情信息，将舆情信息进行聚类，以得到不同的舆情信息集合，并确定出不同的舆情信息集合分别对应的情感得分，以通过情感得分确定舆情信息集合的情绪类别；应用程序监测模块对金融类应用程序的数据信息进行监测分析，以确定出金融类应用程序的风险分数；网站监测模块对金融类网站的数据信息进行监测分析，以确定出金融类网站的风险分数；通过情绪类别、金融类应用程序的风险分数，以及金融类网站的风险分数，确定出当前区域的金融发展态势。
7.本技术实施例通过筛选出与企业相关的舆情信息，并对舆情信息进行情感得分，从而确定舆情信息集合的情绪类别，根据不同的情绪类别可以对舆情信息进行监测，获取企业的风险数据。其次，本技术实施例还对应用程序与金融网站进行监测，从而多方面对当前区域金融稳定发展情况和非法金融活动行为进行监测、发现以及预警，从而全面的掌握当前区域的金融发展态势。
8.在本技术的一种实现方式中，将舆情信息进行聚类，以得到不同的舆情信息集合，具体包括：网络舆情监测模块根据预设分类器，对预设时长内获取到的舆情信息进行汇聚，以得到不同热点类别的集合；将不同热点类别的集合分别与预先存储的集合进行比对，并将相似值大于预设阈值的集合进行合并，以得到不同热点类别的舆情信息集合。
9.本技术实施例通过对不同的舆情信息进行聚类，能够对金融领域相关热点事件进
行发现，自动发现指定时间内的事件或话题，进而确定出相应的新闻热点，进而对指定企业信息进行精准发现。
10.在本技术的一种实现方式中，确定出不同的舆情信息集合分别对应的情感得分，具体包括：对不同的舆情信息集合分别对应的文本信息进行分词处理，得到分词集合；对分词集合中的词语出现的次数进行统计，并根据统计结果确定出关键词；其中，关键词为分词集合中出现次数大于预设次数的词语；在预置词典库中确定出关键词的情感分数，根据关键词出现的次数以及关键词的情感分数，确定不同的舆情信息集合分别对应的情感得分。
11.在本技术的一种实现方式中，根据关键词出现的次数以及关键词的情感分数，确定不同的舆情信息集合分别对应的情感得分，具体包括：确定出各文本信息所对应的关键词出现的次数，以及关键词的情感分数，以得到各文本信息的情感得分；确定出不同的舆情信息集合分别对应的文本集合，并根据各文本集合中的文本信息所对应的情感得分，得到不同的舆情信息集合分别对应的情感得分。
12.在本技术的一种实现方式中，通过情感得分确定舆情信息的情绪类别，具体包括：根据预设分数划分等级，以及不同的舆情信息集合分别对应的情感得分，确定出集合对应的情绪类别；其中，情绪类别至少包括正面类别、中立类别、负面类别、重大负面类别。
13.在本技术的一种实现方式中，应用程序监测模块对金融类应用程序的数据信息进行监测分析，以确定出金融类应用程序的风险分数，具体包括：应用程序监测模块获取金融类应用程序的功能信息，根据功能信息对应用程序进行分类；应用程序监测模块获取不同类别应用程序的版本信息，根据版本信息确定应用程序的更新时间，并根据更新时间以及当前时间确定应用程序的运行状态；以及，获取不同类别应用程序的业务数据；根据应用程序的运行状态与应用程序的业务数据，确定金融类应用程序的风险分数。
14.本技术实施例通过版本信息确定应用程序的更新时间，以此确定出较长时间不更新的应用程序，对其进行清理，从而对金融类应用程序进行管理。其次，本技术实施例还获取不同类别应用程序的业务数据，以对违法违规开展交易场所、p2p网络借贷、股权众筹、非法证券等业务进行监测，从而提高获取到的金融类应用程序风险分数的准确性。
15.在本技术的一种实现方式中，根据应用程序的运行状态与应用程序的业务数据，确定金融类应用程序的风险分数，具体包括：根据预设更新时间分数表，与应用程序的运行状态，确定出应用程序的第一风险分数；其中，预设更新时间分数表中包括多个不同的更新时长，以及多个不同的更新时长分别对应的风险分数；根据预设异常数据库与应用程序的业务数据，确定应用程序的业务数据中的异常数据，并根据异常数据的数量确定应用程序的第二风险分数；确定第一风险分数与第二风险分数的均值，将均值作为金融类应用程序的风险分数。
16.在本技术的一种实现方式中，网站监测模块对金融类网站的数据信息进行监测分析，以确定出金融类网站的风险分数，具体包括：网站监测模块对金融类网站进行备案监测；以及对当前区域内服务器处于境外的金融类网站进行数据监测；以及获取各金融类网站的宣传内容，并将宣传内容与预设虚假宣传关键词库进行关键词匹配与自然语言分析，确定出宣传内容中的虚假信息；根据监测到的金融类网站的异常信息，确定出金融类网站的风险分数，并根据风险分数发出相应的预警报告；其中，异常信息包括网站未备案、存在境外异常数据以及存在虚假信息中的一项或多项。
17.本技术实施例通过对金融类网站进行备案监测，以及对当前区域内服务器处于境外的金融类网站进行数据监测，能够确保金融类网站数据的安全性。其次，本技术实施例还对网站宣传内容中的虚假信息进行监测，不仅能够确定出网站中的风险情况，也能够根据风险情况及时更新预警状态，降低金融风险。
18.在本技术的一种实现方式中，通过情绪类别、金融类应用程序的风险分数，以及金融类网站的风险分数，确定出当前区域的金融发展态势，具体包括：确定出当前情绪类别对应的情绪分数；基于情绪分数、金融类应用程序的风险分数，以及金融类网站的风险分数，得到当前区域的金融风险得分；根据金融风险得分确定出当前区域的金融发展态势。
19.本技术实施例提供一种区域金融发展态势预测设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：网络舆情监测模块筛选出与企业相关的舆情信息，将舆情信息进行聚类，以得到不同的舆情信息集合，并确定出不同的舆情信息集合分别对应的情感得分，以通过情感得分确定舆情信息集合的情绪类别；应用程序监测模块对金融类应用程序的数据信息进行监测分析，以确定出金融类应用程序的风险分数；网站监测模块对金融类网站的数据信息进行监测分析，以确定出金融类网站的风险分数；通过情绪类别、金融类应用程序的风险分数，以及金融类网站的风险分数，确定出当前区域的金融发展态势。
20.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例通过筛选出与企业相关的舆情信息，并对舆情信息进行情感得分，从而确定舆情信息集合的情绪类别，根据不同的情绪类别可以对舆情信息进行监测，获取企业的风险数据。其次，本技术实施例还对应用程序与金融网站进行监测，从而多方面对当前区域金融稳定发展情况和非法金融活动行为进行监测、发现、预警，系统全面的掌握当前区域的金融发展态势。
附图说明
21.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
22.图1为本技术实施例提供的一种区域金融发展态势预测方法流程图；
23.图2为本技术实施例提供的一种情感得分流程图；
24.图3为本技术实施例提供的一种区域金融发展态势预测设备的结构示意图。
具体实施方式
25.本技术实施例提供一种区域金融发展态势预测方法及设备。
26.为了使本技术领域的人员更好地理解本技术中的技术方案，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。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的
范围。
27.金融安全是区域安全的重要组成部分，近年来，随着国际金融市场的创新发展与互联网金融科技的迅速崛起，为持续发展的金融市场增添活力的同时，也增加了区域金融风险性和不稳定性。此外，随着供给侧改革的不断推进，部分区域和行业陷入流动性危机，各区域的地方债务和民间借贷风险引发的金融风险越来越突出，不断影响区域金融和经济的稳定性。
28.然而通过人工从海量的信息中提取涉及金融业态和非法金融活动的相关信息，以对区域金融风险进行预测的方式，容易因人为操作而产生较高的失误率，难以确保对区域金融风险预测的准确性。
29.为了解决上述问题，本技术实施例提供一种区域金融发展态势预测方法及设备。通过筛选出与企业相关的舆情信息，并对舆情信息进行情感得分，从而确定舆情信息集合的情绪类别，根据不同的情绪类别可以对舆情信息进行监测，获取企业的风险数据。其次，本技术实施例还对应用程序与金融网站进行监测，从而多方面对当前区域金融稳定发展情况和非法金融活动行为进行监测、发现、预警，系统全面的掌握当前区域的金融发展态势。
30.下面通过附图对本技术实施例提出的技术方案进行详细的说明。
31.图1为本技术实施例提供的一种区域金融发展态势预测方法流程图。如图1所示，种区域金融发展态势预测方法包括如下步骤：
32.s101、网络舆情监测模块筛选出与企业相关的舆情信息，将舆情信息进行聚类，以得到不同的舆情信息集合，并确定出不同的舆情信息集合分别对应的情感得分，以通过情感得分确定舆情信息集合的情绪类别。
33.在本技术的一个实施例中，网络舆情监测模块根据预设分类器，对预设时长内获取到的舆情信息进行汇聚，以得到不同热点类别的集合。将不同热点类别的集合分别与预先存储的集合进行比对，并将相似值大于预设阈值的集合进行合并，以得到不同热点类别的舆情信息集合。
34.具体地，网络舆情监测模块根据企业规则、知识库及分类器筛选与企业相关的舆情信息。网络舆情监测模块可以对指定企业的信息进行精准发现，其中，信息需覆盖新闻、论坛、贴吧、微博、微信、知乎等多个信息通道。
35.进一步地，网络舆情监测模块对金融领域相关热点事件进行发现，能够自动发现指定时间内的事件或话题，通过预置的分类器与知识库，对获取到的舆情信息进行分类。例如，可以对长短文本进行汇聚产生新闻热点，其中，长文本可以为新闻信息，短文本可以为微博信息。
36.进一步地，网络舆情监测模块通常采用层次话题发现与流失聚类技术，对获取到的信息进行分类。首先定期以高阈值对待聚类文本进行汇聚，得到热点类别的集合，其次，判断得到的集合与以前预存的集合是否相似，并对相似值进行计算，若计算出的相似值大于预设阈值，则将其相进行集合合并，以得到不同热点类别的舆情信息集合。未进行合并的文本则保留等待下次汇聚。此外，网络舆情监测模块对实时过来的文章与已合并的集合进行相似性判断，达到阈值择将其汇集到该舆情信息集合，从而达到文章实时合并到特定热点集合。
37.在本技术的一个实施例中，对不同的舆情信息集合分别对应的文本信息进行分词
处理，得到分词集合。对分词集合中的词语出现的次数进行统计，并根据统计结果确定出关键词。其中，关键词为分词集合中出现次数大于预设次数的词语。在预置词典库中确定出关键词的情感分数，根据关键词出现的次数以及关键词的情感分数，确定不同的舆情信息集合分别对应的情感得分。
38.具体地，对获取到的不同舆情信息集合中的文本信息进行分词处理，例如，可以使用jieba库进行分词处理。得到每一个舆情信息集合对应的分词集合。将得到的分词集合中的词语按照出现的次数进行统计，并将出现次数较多的词语定义为关键词。通过预置词典库，确定出每一个关键词的情感分数，进而得到每一个舆情信息集合分别对应的情感得分。
39.在本技术的一个实施例中，确定出各文本信息所对应的关键词出现的次数，以及关键词的情感分数，以得到各文本信息的情感得分。确定出不同的舆情信息集合分别对应的文本集合，并根据各文本集合中的文本信息所对应的情感得分，得到不同的舆情信息集合分别对应的情感得分。
40.具体地，每一个舆情信息集合中包含有多个文本信息，对每一个文本信息中的关键词依据出现的次数进行统计，将该关键词的情感分数与该关键词出现的次数进行乘积计算，得到每一个关键词的情感分数。确定出每一个文本信息中多个不同的关键词分别对应的情感分数，进行相应计算即可得到每一个文本信息的情感得分。将属于同一个舆情信息集合的所有文本信息对应的情感得分进行计算，即可得到该舆情信息集合的情感得分。
41.图2为本技术实施例提供的一种情感得分流程图。如图2所示，通过语料库进行样本标注，其中，标注的样本为关键词。根据标注的关键词以及关键词的分数对模型进行训练，以通过训练后的模型可以基于预先设置的情感知识库，即语料库，对文本信息进行分词处理，得到分词集合。基于获取到的分词集合，对文本信息进行情感得分计算，并根据属于同一个舆情信息集合的文本信息的情感得分，得到该舆情信息集合的情感得分。通过情感得分，对舆情信息集合进行分类。
42.在本技术的一个实施例中，根据预设分数划分等级，以及不同的舆情信息集合分别对应的情感得分，确定出集合对应的情绪类别。其中，情绪类别至少包括正面类别、中立类别、负面类别、重大负面类别。
43.具体地，本技术实施例预置有各个情绪类别的等级划分分数。例如，若计算得到的情感分数较低，此时，可以将该舆情信息集合划分为重大负面类。若计算得到的情感分数较高，此时，可以将该舆情信息集合划分为正面类别。通过不同的情绪类别，可以对该企业的金融风险情况进行评判，例如，若当前企业的情绪类别为正面类别，则当前企业的金融风险较低。相反的，若当前企业的情绪类别为重大负面类别，则当前企业的金融风险较高。
44.在本技术的一个实施例中，本技术实施例可以从多个维度对企业舆情信息进行分析。包括传播趋势、情感分布、网站排行、媒体地域分布、关键词云等。通过舆情数量、负面量、重大负面量、负面占比、传播趋势、情感分布、网站排行、媒体地域分布、关键词云等指标帮助用户判断企业的舆情态势。
45.具体地，根据用户需求，可以建立重大负面事件模块，通过对企业相关信息进行情绪分类，自动将文本信息判定为重大负面分类，重大负面分类内容可以包含套路贷、暴力催收、校园贷、聚集维权、失联跑路、资金断裂等信息内容。以及，根据用户需求，可以进行全库舆情数据的快速查询、简单关键词查询与复杂关键词与或非逻辑，对检索结果支持按情感、
媒体地域进行过滤，可以进行检索结果去重。同时，本技术实施例还可以从多个维度对舆情数据进行统计分析，包括舆情数量、负面量、重大负面量、负面占比、负面环比、负面环比增长率等维度。以从多个方面帮助用户判断企业的舆情态势。
46.s102、应用程序监测模块对金融类应用程序的数据信息进行监测分析，以确定出金融类应用程序的风险分数。
47.在本技术的一个实施例中，应用程序监测模块获取金融类应用程序的功能信息，根据功能信息对应用程序进行分类。应用程序监测模块获取不同类别应用程序的版本信息，根据版本信息确定应用程序的更新时间，并根据更新时间以及当前时间确定应用程序的运行状态。以及，获取不同类别应用程序的业务数据。根据应用程序的运行状态与应用程序的业务数据，确定金融类应用程序的风险分数。
48.具体地，应用程序监测模块包括应用程序金融业态分析、应用程序长时间未更新判定、应用程序违规开展业务分析等功能。其中，应用程序金融业态分析是针对金融企业的关联应用程序，定期从对应应用商店获取最新应用程序信息，基于应用程序功能介绍划分应用程序业态类型，并对应用程序业态分类结果标记存储。
49.进一步地，应用程序长时间未更新判定是对应用程序版本长时间未更新进行判定。具体地，获取应用程序访问的地址，解析相关应用程序版本内容。定期对该应用程序进行巡检，如果应用程序版本更新，巡查显示正常状态。如果发现不更新，则记录到巡查数据库中。同时，定义版本未更新时长阈值，超过该时长阈值，则判定为长时间未更新。
50.进一步地，应用程序违规开展业务分析是对应用程序违法违规开展交易场所、p2p网络借贷、股权众筹、非法证券等业务进行监测。可以对应用程序违法违规开展内容分析，例如，是否有开展交易场所、p2p网络借贷、股权众筹、非法证券等异常行为。
51.在本技术的一个实施例中，根据预设更新时间分数表，与应用程序的运行状态，确定出应用程序的第一风险分数。其中，预设更新时间分数表中包括多个不同的更新时长，以及多个不同的更新时长分别对应的风险分数。根据预设异常数据库与应用程序的业务数据，确定应用程序的业务数据中的异常数据，并根据异常数据的数量确定应用程序的第二风险分数。确定第一风险分数与第二风险分数的均值，将均值作为金融类应用程序的风险分数。
52.具体地，确定出当前应用程序的未更新时长，根据预设更新时间分数表，确定出该未更新时长对应的分数，并将该分数作为当前应用程序的第一风险分数。其次，根据预设异常数据库，对该应用程序的业务数据进行对比，确定出该应用程序对应的异常数据的数量，并根据数量的多少确定出第二风险数据。并通过计算第一风险数据与第二风险数据的均值，得到该应用程序的风险分数。
53.s103、网站监测模块对金融类网站的数据信息进行监测分析，以确定出金融类网站的风险分数。
54.在本技术的一个实施例中，应用程序网站监测模块对应用程序金融类网站进行备案监测。以及对当前区域内服务器处于境外的金融类网站进行数据监测。以及获取各应用程序金融类网站的宣传内容，并将应用程序宣传内容与预设虚假宣传关键词库进行关键词匹配与自然语言分析，确定出应用程序宣传内容中的虚假信息。根据监测到的应用程序金融类网站的异常信息，确定出应用程序金融类网站的风险分数，并根据应用程序风险分数
发出相应的预警报告。其中，应用程序异常信息包括网站未备案、存在境外异常数据以及存在虚假信息中的一项或多项。
55.具体地，网站监测模块包括，网站金融业态分析、icp未备案识别、数据在境外判定以及诱导性宣传分析等功能。
56.进一步地，网站金融业态分析是通过对互联网方式开展金融业务的网站进行金融业态分类，如p2p网络借贷、交易场所、股权众筹等业态。主要分析内容包含金融企业网站内容巡查、网站业态分类、网站分类结果。
57.进一步地，icp未备案识别模块是对长三角区域金融机构，通过互联网网站方式开展金融业务但网站未icp备案的异常进行监测分析。主要针对已确认的网站，每天进行一轮扫描，记录网站最新的备案状态，并记录历史的备案状态。其中，备案巡查可以通过网站域名进行关联查询。
58.进一步地，数据在境外判定模块是对长三角区域金融机构通过互联网网站方式开展金融业务，但系统服务器部署在境外的异常数据进行监测分析。主要包含依据ip地址探测结果，发现网站的运行服务器部署在境外，以对其数据进行监测。
59.进一步地，诱导性宣传分析模块是对金融类网站进行“低风险、高收益”、“100％本息保障”、“本金保障”等诱导性宣传行为进行监测。主要包含通过将网页html源码与虚假宣传关键词库比对，若系统从网站页面的详细信息、网站快照、公告信息中通过关键词匹配及自然语言分析，发现如“高收益低风险”、“零风险”等关键词，则将其定义为虚假宣传。系统可以每天对采集来的金融网站数据进行一轮扫描，及时发现有虚假宣传标记的网站，及时更新状态预警。并通过新发现的虚假宣传关键词，不断补充虚假宣传关键词库。
60.具体地，网站监测模块在监测到网站未备案、存在境外异常数据以及存在虚假信息时，根据异常信息的严重性等级，确定相应的风险分数。其中，严重性等级可以在预置等级表中进行查询，并可以根据该预置等级表确定不同等级对应的分数。并将确定出的分数作为金融类网站的风险分数，并根据分数的高低，确定出风险程度，以制定相应的预警报告。
61.s104、通过情绪类别、金融类应用程序的风险分数，以及金融类网站的风险分数，确定出当前区域的金融发展态势。
62.在本技术的一个实施例中，确定出当前情绪类别对应的情绪分数。基于应用程序情绪分数、金融类应用程序的风险分数，以及金融类网站的风险分数，得到当前区域的金融风险得分。根据应用程序金融风险得分确定出当前区域的金融发展态势。
63.具体地，根据获取到的情绪类别，确定其相应的情绪分数。例如，情绪类别为重大负面类别时，其对应的情绪分数较高。当情绪类别为正面类别时，其对应的情绪分数较低。根据情绪分数、金融类应用程序的风险分数以及金融类网站的风险分数，进行相应计算，及可得到当前区域的金融风险得分。根据应用程序金融风险得分确定出当前区域的金融发展态势。
64.图3为本技术实施例提供的一种区域金融发展态势预测设备的结构示意图。如图3所示，区域金融发展态势预测设备，包括
65.至少一个处理器；以及，
66.与所述至少一个处理器通信连接的存储器；其中，
67.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
68.网络舆情监测模块筛选出与企业相关的舆情信息，将所述舆情信息进行聚类，以得到不同的舆情信息集合，并确定出所述不同的舆情信息集合分别对应的情感得分，以通过所述情感得分确定所述舆情信息集合的情绪类别；
69.所述应用程序监测模块对金融类应用程序的数据信息进行监测分析，以确定出金融类应用程序的风险分数；
70.所述网站监测模块对金融类网站的数据信息进行监测分析，以确定出所述金融类网站的风险分数；
71.通过所述情绪类别、所述金融类应用程序的风险分数，以及所述金融类网站的风险分数，确定出当前区域的金融发展态势。
72.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
73.上述对本技术特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
74.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术的实施例可以有各种更改和变化。凡在本技术实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。