【技术实现步骤摘要】
所属的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。需要说明的是，上述实施例提供的系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本专利技术实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本专利技术实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本专利技术的不当限定。本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本专利技术的范围。术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/
技术介绍
1、现有技术中,涉及商业银行业务关联度及系统性风险度量方法,都是通过市场模型法或者指标法,然而指标法大部分基于现行监管指标，取数相对简单且可以与定性判断结合，但基于静态市场，存在动态分析不足的情况。市场模型法基于高频数据提供了时间维度上的考量，提高风险衡量的前瞻性，但对公开市场数据有效性要求高，现有金融市场数据还存在数据质量低、数据样本少等不足。指标法和市场模型法均未反映金融机构间的业务联结关系，缺少对金融机构间关联度的考量,并且近年来，非上市银行特别是中小银行数量增多，加之本身规模较小、相对脆弱，引发系统性风险、区域性风险的隐患已不可忽视。商业银行同质化经营特点日渐突出，间接关联性对系统性风险发生的影响也将日趋加大,仅以财务数据为基础的现行方法适用对象有所局限，导致对资产负债业务的间接关联的刻画较少，与现行市场的适配性不高。因此,如何提供一种基于文本的银行业务知识库处理装置及方法是本领域技术人员急需解决的技术问题。
技术实现思路
1、本专利技术的目的是提供一种基于文本的银行业务知识库处理装置及方法，本专利技术通过引入文本数据作为银行关联的评定指标，拓宽了商业银行业务关联度衡量及系统重要性银行识别研究的数据视角，为预测商业银行系统性风险提供了准确的支持。
2、为了实现上述目的，本专利技术提供了如下的技术方案：
3、基于文本的银行业务知识库处理装置，包括：
4、获取单元，用于获取至少两个银行的银行年报，并根据两个所述银行年报提取分别与两个所述银行所对应的资产业务文本以及负债业务文本；其中，
5、所述资产业务文本包括第一资产业务文本和第二资产业务文本，所述负债业务文本包括第一负债业务文本和第二负债业务文本，所述第一资产业务文本和所述第一负债业务文本与两个所述银行中的一个相对应，所第二资产业务文本和所述第二负债业务文本与两个所述银行中的另一个相对应；
6、转换单元，用于根据所述第一资产业务文本和所述第一负债业务文本转换为第一词向量，以及根据所述第二资产业务文本和所述第二负债业务文本转换为第二词向量，所述转换单元还用于根据所述第一资产业务文本和所述第一负债业务文本转换为第一文本数据词列表，以及根据所述第二资产业务文本和所述第二负债业务文本转换为第二文本数据词列表；
7、第一计算单元，用于通过余弦相似度计算所述第一词向量和所述第二词向量之间的关联度；
8、第二计算单元，用于通过jaccard相似度计算所述第一文本数据词列表和所述第二文本数据词列表之间的关联度；
9、处理单元，用于根据余弦相似度的计算结果以及jaccard相似度的计算结果判断两个所述银行之间的资产业务关联等级；
10、预测单元，用于根据所述资产业务关联等级预测系统性风险等级。
11、在本申请的一些实施例中，所述预测单元内设置有文本获取模块，所述文本获取模块用于根据大数据技术获取涉诉数据，所述涉诉数据包括裁判文书网数据以及涉诉案件数据；
12、所述预测单元内还设置有文本提取模块，所述文本提取模块还用于对所述涉诉数据进行关键词提取，并根据预设风险识别模型预测信贷风险等级，所述风险识别模型内有若干预设关键词，以及若干预设信贷风险等级，所述预设信贷风险等级由高到低划分为：三级信贷风险等级、二级信贷风险等级、一级信贷风险等级；其中，
13、当所述涉诉数据中出现的关键词与所述风险识别模型中预设的若干关键词一致率大于等于30％时，输出所述一级信贷风险等级，当所述风险识别模型中预设的若干关键词一致率大于等于60％时，输出所述二级信贷风险等级，当所述风险识别模型中预设的若干关键词一致率大于等于90％时，输出所述三级信贷风险等级；
14、所述预测单元内还设置有文本微调模块，所述文本微调模块用于当所述涉诉数据中出现的关键词与所述风险识别模型中预设的若干关键词一致率小于30％时，对所述涉诉数据中出现的关键词进行提取，并根据提取结果将不存在于所述风险识别模型中的若干所述预设关键词增加至所述风险识别模型中。
15、在本申请的一些实施例中，所述第一计算单元用于通过以下公式计算所述第一词向量和所述第二词向量之间的关联度：
16、
17、式中，s im-cosx,y为所述第一词向量和所述第二词向量之间的关联度，用于确定两个所述银行之间的资产业务关联度，所述xi为第一词向量，yi为第二词向量。
18、在本申请的一些实施例中，所述处理单元内预先设定有第一预设余弦相似度关联度t01，第二预设余弦相似度关联度t02，第三预设余弦相似度关联度t03，第四预设余弦相似度关联度t04，且0＜t01＜t02＜t03＜t04＜1；
19、所述处理单元内预先设定有第一预设资产业务关联等级a1，第二预设资产业务关联等级a2，第三预设资产业务关联等级a3，第四预设资产业务关联等级a4，且a1＜a2＜a3＜a本文档来自技高网...
【技术保护点】
1.基于文本的银行业务知识库处理装置，其特征在于，包括：
2.根据权利要求1所述的基于文本的银行业务知识库处理装置，其特征在于，
3.根据权利要求1所述的基于文本的银行业务知识库处理装置，其特征在于，
4.根据权利要求3所述的基于文本的银行业务知识库处理装置，其特征在于，
5.根据权利要求4所述的基于文本的银行业务知识库处理装置，其特征在于，
6.根据权利要求5所述的基于文本的银行业务知识库处理装置，其特征在于，
7.根据权利要求6所述的基于文本的银行业务知识库处理装置，其特征在于，
8.根据权利要求7所述的基于文本的银行业务知识库处理装置，其特征在于，
9.根据权利要求8所述的基于文本的银行业务知识库处理装置，其特征在于，
10.基于文本的银行业务知识库处理方法，应用于如权利要求1-9任一项所述的基于文本的银行业务知识库处理装置中，其特征在于，包括：
【技术特征摘要】
1.基于文本的银行业务知识库处理装置，其特征在于，包括：
2.根据权利要求1所述的基于文本的银行业务知识库处理装置，其特征在于，
3.根据权利要求1所述的基于文本的银行业务知识库处理装置，其特征在于，
4.根据权利要求3所述的基于文本的银行业务知识库处理装置，其特征在于，
5.根据权利要求4所述的基于文本的银行业务知识库处理装置，其特征在于，
6.根据权利要求5所述的基于文...
【专利技术属性】
技术研发人员：王超，夏小晨，洪晶，
申请(专利权)人：廊坊银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。