CN110888857A 基于神经网络的数据标签生成方法、装置、终端及介质 （平安科技（深圳）有限公司）

道福安社区益田路5033号平安金融中基于神经网络的数据标签生成方法、装置、本发明提供一种基于神经网络的数据标签预设神经网络的指定层的输出作为候选数据标述评分结果重新初始化所述预设神经网络的输入参数并基于新的输入参数进行新一轮的训练神经网络模型及从每一轮神经网络模型中提取发明还提供一种基于神经网络的数据标签生成2根据所述评分结果重新初始化所述预设神经网络的输入参数并基于新的输入参数进保存每一轮训练得到的神经网络模型及从每一轮神经网络模型中提取出的所述候选根据预设筛选条件从所保存的候选数据标签中基于所述初始输入参数训练下一轮神经网络模型并计5.如权利要求1至4中任意一项所述的方法6.如权利要求1至4中任意一项所述的方法，其特3划分所述历史数据为第一份数据和第二份数所述删除空数据包括：对所述历史数据中的不完整数据填充0或者不存在的数据填充所述去除极值数据包括：去除所述历史数据中位于前K1行和标签提取模块，用于当训练结束后，提取所述预设神经重新训练模块，用于根据所述评分结果重新初始化所标签保存模块，用于保存每一轮训练得到的神经标签确定模块，用于根据预设筛选条件从所保存的候计算机程序时实现如权利要求1至7中任意一项所述基于神4[0001]本发明涉及数据处理技术领域，具体涉及一种基于神经网络的数据标签生成方[0003]传统的金融资产标签一般是由研究员通过对已知的金融资产基础数据进行逻辑[0012]根据所述评分结果重新初始化所述预设神经网络的输入参数并基于新的输入参[0013]保存每一轮训练得到的神经网络模型及从每一轮神经网络模型中提取出的所述5[0041]所述删除空数据包括：对所述历史数据中的不完整数据填充0或者不存在的数据6储器中存储的计算机程序时实现所述基于神经7于中间层的中间数据作为数据标签提取出来，再将数据标签结合在一起作为研究的对象，据作为数据标签。指定层输出的数据是具有预测目标金融公司的未来收益的技术指标(例8征。给定编码器的输出解码器表示为Fd＝{F1=d。9所述预设神经网络中进行训练为输入所述训练集至所时的神经网络模型的测试通过率，所述测试通过率作为神经网络模型的准确度，记为[0128]AUC(AreaUnderCurve)被定义为ROC曲线下与坐标轴围成的面积，取值范围在[0134]S16，根据所述评分结果重新初始化所述预设神经网络的输入参数并基于新的输该轮的最终初始输入参数用于训练神经网络模型并＜Ot-1=θ。[0155]S17，保存每一轮训练得到的神经网络模型及从每一轮神经网络模型中提取出的个子线程用于基于所述历史数据训练出长短期记忆网络模型，第3个子线程用于基于所述历史数据训练出卷积神经网络模型，第4个子线程用于基于所述历史数据训练出自编码器分结果重新初始化所述预设神经网络的输入参数并基于新的输入参数进行新一轮的训练；于中间层的中间数据作为数据标签提取出来，再将数据标签结合在一起作为研究的对象，据作为数据标签。指定层输出的数据是具有预测目标金融公司的未来收益的技术指标(例其中征。给定编码器的输出解码器表示为Fd＝{F1，F2，=d。所述预设神经网络中进行训练为输入所述训练集至所[0214]在一个可选的实施例中，所述标签提取模块206提取所述预设神经网络的指定层[0222]在一个可选的实施例中，所述评分计算模块207计算所述候选数据标签的评分结时的神经网络模型的测试通过率，所述测试通过率作为神经网络模型的准确度，记为[0233]AUC(AreaUnderCurve)被定义为ROC曲线下与坐标轴围成的面积，取值范围在[0239]重新训练模块208，用于根据所述评分结果重新初始化所述预设神经网络的输入参数并基于新的输入参数进行新一轮的训练[0241]在一个可选的实施例中，所述重新训练模块208根据所述评分结果重新初始化所该轮的最终初始输入参数用于训练神经网络模型并＜Ot-1=θ。[0260]标签保存模块209，用于保存每一轮训练得到的神经网络模型及从每一轮神经网[0263]标签确定模块210，用于根据预设筛选条件从所保存的候选数据标签中筛选出目个子线程用于基于所述历史数据训练出长短期记忆网络模型，第3个子线程用于基于所述历史数据训练出卷积神经网络模型，第4个子线程用于基于所述历史数据训练出自编码器分结果重新初始化所述预设神经网络的输入参数并基于新的输入参数进行新一轮的训练；储器31包括只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableMemory，EPROM)、一次可编程只读存储器(One-timeProgrammableRead-OnlyMemory，OTPROM)、电子擦除式可复写只读存储器(Electrically-ErasableProgrammableRead-介质。图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述终