大宗建材采购平台数据中心机器学习算法正 在变得越来越智能本发觉供给一种大宗商品数据提取及讲演天生的法子、体例、介质及装配，囊括以下程序：获取大宗商品合连数据，协议大宗商品数据提取章程，从所述大宗商品合连数据中采用吻合大宗商品数据提取章程的大宗商品数据；协议大宗商品讲演的预设模板，并基于所述大宗商品数据天生所述预设模板花样的大宗商品讲演；对所述大宗商品讲演举办检测取得检测结果，并基于所述检测结果窜改所述大宗商品数据提取章程直至所述大宗商品讲演的精确率到达预设圭表。本发觉的一种大宗商品数据提取及讲演天生的法子、体例、介质及装配，用于主动天生大宗商品讲演并
(19)中华群众共和邦邦度学问产权局 (12)发觉专利申请 (10)申请通告号 CN 110335072 A (43)申请通告日 2019.10.15 (21)申请号 5.9 (22)申请日 2019.06.25 (71)申请人 上海有色网新闻科技股份有限公司 所正在 200051 上海市长宁区广顺道33号3幢 301室 (72)发觉人 范昕刘小磊 (74)专利署理机构 上海光华专利事情所(大凡 协同) 31219 署理人 徐秋平 (51)Int.Cl. G06Q 30/02(2012.01) G06F 16/332(2019.01) G06F 16/34(2019.01) G06F 17/24(2006.01) 权益请求书2页 仿单10页 附图2页 (54)发觉名称 大宗商品数据提取及讲演天生的法子、系 统、介质及装配 (57)摘要 本发觉供给一种大宗商品数据提取及讲演 天生的法子、体例、介质及装配，囊括以下程序： 获取大宗商品合连数据，协议大宗商品数据提取 章程，从所述大宗商品合连数据中采用吻合大宗 商品数据提取章程的大宗商品数据；协议大宗商 品讲演的预设模板，并基于所述大宗商品数据生 成所述预设模板花样的大宗商品讲演；对所述大 宗商品讲演举办检测取得检测结果，并基于所述 检测结果窜改所述大宗商品数据提取章程直至 所述大宗商品讲演的精确率到达预设圭表。本发 明的一种大宗商品数据提取及讲演天生的法子、 A 体例、介质及装配，用于主动天生大宗商品讲演 2 并不停美满天生讲演的才智，裁减行业认识师的 7 0 5 人力本钱。 3 3 0 1 1 N C CN 110335072 A 权益请求书 1/2页 1.一种大宗商品数据提取及讲演天生的法子，其特质正在于，囊括以下程序： 获取大宗商品合连数据，协议大宗商品数据提取章程，从所述大宗商品合连数据入选 取吻合大宗商品数据提取章程的大宗商品数据； 协议大宗商品讲演的预设模板，并基于所述大宗商品数据天生所述预设模板花样的大 宗商品讲演； 对所述大宗商品讲演举办检测取得检测结果，并基于所述检测结果窜改所述大宗商品 数据提取章程直至所述大宗商品讲演的精确率到达预设圭表。 2.遵照权益请求1所述的大宗商品数据提取及讲演天生的法子，其特质正在于，还囊括以 下程序： 将所述到达预设圭表的大宗商品讲演发送至领受端，并领受所述领受端看待所述大宗 商品讲演的反应，并基于所述反应窜改所述大宗商品数据提取章程。 3.遵照权益请求1所述的大宗商品数据提取及讲演天生的法子，其特质正在于，基于用户 的订阅新闻协议所述预设模板。 4.遵照权益请求1所述的大宗商品数据提取及讲演天生的法子，其特质正在于，所述协议 大宗商品数据提取章程囊括： 领受人工看待大宗商品合连数据的评判，基于所述评判天生大宗商品数据提取章程。 5.遵照权益请求1所述的大宗商品数据提取及讲演天生的法子，其特质正在于，所述协议 大宗商品数据提取章程囊括： 设定大宗商品合连数据筛选要害词，基于所述筛选要害词协议大宗商品数据提取规 则。 6.遵照权益请求1所述的大宗商品数据提取及讲演天生的法子，其特质正在于，所述对所 述大宗商品讲演举办检测囊括： 主动检测所述大宗商品讲演或基于人工检测所述大宗商品讲演。 7.一种大宗商品数据提取及讲演天生的体例，其特质正在于，囊括：获取模块、协议模块 和窜改模块； 所述获取模块用于获取大宗商品合连数据，协议大宗商品数据提取章程，从所述大宗 商品合连数据中采用吻合大宗商品数据提取章程的大宗商品数据； 所述协议模块用于协议大宗商品讲演的预设模板，并基于所述大宗商品数据天生所述 预设模板花样的大宗商品讲演； 所述窜改模块用于对所述大宗商品讲演举办检测取得检测结果，并基于所述检测结果 窜改所述大宗商品数据提取章程直至所述大宗商品讲演的精确率到达预设圭表。 8.一种推算机可读存储介质，其上存储有推算机法式，其特质正在于，该法式被处置器执 行时杀青权益请求1至6中任一项所述大宗商品数据提取及讲演天生的法子。 9.一种大宗商品数据提取及讲演天生的装配，其特质正在于，囊括：处置器和存储器； 所述存储器用于存储推算机法式； 所述处置器与所述存储器相连，用于实践所述存储器存储的推算机法式，以使所述大 宗商品数据提取及讲演天生的装配实践权益请求1至6中任一项所述的大宗商品数据提取 及讲演天生的法子。 10.一种大宗商品数据提取及讲演天生的体例，其特质正在于，囊括权益请求9所述的大 2 2 CN 110335072 A 权益请求书 2/2页 宗商品数据提取及讲演天生的装配和领受装配； 所述领受装配用于领受所述大宗商品数据提取及讲演天生的装配发送的大宗商品报 告，并发送所述大宗商品讲演的反应至所述大宗商品数据提取及讲演天生的装配。 3 3 CN 110335072 A 仿单 1/10页 大宗商品数据提取及讲演天生的法子、体例、介质及装配 手艺周围 [0001] 本发觉涉及金属行情手艺周围，迥殊是涉及一种大宗商品数据提取及讲演天生的 法子、体例、介质及装配。 配景手艺 [0002] 正在大宗商品数据提取及讲演天生的中，往往都须要专业的认识师团队去收拾数据 举办建造，因为大宗商品讲演的更新频率和需求量斗劲大，无形中推广了团队的人力本钱。 由于人工过众插手大宗商品讲演的认识和建造，须要参考的原料量广大，每一份都要做成 大宗商品讲演很费时吃力，认识师职员常常须要人工检索积年大宗商品讲演和数据，弗成 避免的会生存数据差池的情景，纵然企业生存庄重的层层审核，不过仍然会展示极少生存 差池数据的大宗商品讲演分发，急急的也许到导致少许参考大宗商品讲演实质的企业正在决 策中展示偏向，或者会酿成少许不需要的耗损。 [0003] 因而，指望可以处理怎样更好地举办大宗商品讲演天生，避免展示差池讲演，裁减 人力本钱的题目。 发觉实质 [0004] 鉴于以上所述现有手艺的差错，本发觉的目标正在于供给一种大宗商品数据提取及 讲演天生的法子、体例、介质及装配，用于处理现有手艺中裁减人力本钱的题目。 [0005] 为杀青上述目标及其他合连目标，本发觉供给一种大宗商品数据提取及讲演天生 的法子，囊括以下程序：获取大宗商品合连数据，协议大宗商品数据提取章程，从所述大宗 商品合连数据中采用吻合大宗商品数据提取章程的大宗商品数据；协议大宗商品讲演的预 设模板，并基于所述大宗商品数据天生所述预设模板花样的大宗商品讲演；对所述大宗商 品讲演举办检测取得检测结果，并基于所述检测结果窜改所述大宗商品数据提取章程直至 所述大宗商品讲演的精确率到达预设圭表。 [0006] 于本发觉的一施行例中，还囊括以下程序：将所述到达预设圭表的大宗商品讲演 发送至领受端，并领受所述领受端看待所述大宗商品讲演的反应，并基于所述反应窜改所 述大宗商品数据提取章程。 [0007] 于本发觉的一施行例中，基于用户的订阅新闻协议所述预设模板。 [0008] 于本发觉的一施行例中，所述协议大宗商品数据提取章程囊括：领受人工看待大 宗商品合连数据的评判，基于所述评判天生大宗商品数据提取章程。 [0009] 于本发觉的一施行例中，所述协议大宗商品数据提取章程囊括：设定大宗商品相 合数据筛选要害词，基于所述筛选要害词协议大宗商品数据提取章程。 [0010] 于本发觉的一施行例中，所述对所述大宗商品讲演举办检测囊括：主动检测所述 大宗商品讲演或基于人工检测所述大宗商品讲演。 [0011] 为杀青上述目标，本发觉还供给一种大宗商品数据提取及讲演天生的体例，囊括： 获取模块、协议模块和窜改模块；所述获取模块用于获取大宗商品合连数据，协议大宗商品 4 4 CN 110335072 A 仿单 2/10页 数据提取章程，从所述大宗商品合连数据中采用吻合大宗商品数据提取章程的大宗商品数 据；所述协议模块用于协议大宗商品讲演的预设模板，并基于所述大宗商品数据天生所述 预设模板花样的大宗商品讲演；所述窜改模块用于对所述大宗商品讲演举办检测取得检测 结果，并基于所述检测结果窜改所述大宗商品数据提取章程直至所述大宗商品讲演的精确 率到达预设圭表。 [0012] 为杀青上述目标，本发觉还供给一种推算机可读存储介质，其上存储有推算机程 序，该法式被处置器实践时杀青任一上述大宗商品数据提取及讲演天生的法子。 [0013] 为杀青上述目标，本发觉还供给一种大宗商品数据提取及讲演天生的装配，囊括： 处置器和存储器；所述存储器用于存储推算机法式；所述处置器与所述存储器相连，用于执 行所述存储器存储的推算机法式，以使所述大宗商品数据提取及讲演天生的装配实践任一 上述的大宗商品数据提取及讲演天生的法子。 [0014] 最终，本发觉还供给一种大宗商品数据提取及讲演天生的体例，囊括上述的大宗 商品数据提取及讲演天生的装配和领受装配；所述领受装配用于领受所述大宗商品数据提 取及讲演天生的装配发送的大宗商品讲演，并发送所述大宗商品讲演的反应至所述大宗商 品数据提取及讲演天生的装配。 [0015] 如上所述，本发觉的一种大宗商品数据提取及讲演天生的法子、体例、介质及装 置，具有以下有益效率：裁减行业认识师的人力本钱；主动天生大宗商品讲演并不停美满生 成讲演的才智；更好地举办大宗商品讲演天生；避免展示差池讲演。 附图阐发 [0016] 图1显示为本发觉的大宗商品数据提取及讲演天生的法子于一施行例中的流程 图； [0017] 图2显示为本发觉的大宗商品数据提取及讲演天生的体例于一施行例中的构造示 贪图； [0018] 图3显示为本发觉的大宗商品数据提取及讲演天生的装配于一施行例中的构造示 贪图； [0019] 图4显示为本发觉的大宗商品数据提取及讲演天生的体例于又一施行例中的构造 示贪图。 [0020] 元件标号阐发 [0021] 21 获取模块 [0022] 22 协议模块 [0023] 23 窜改模块 [0024] 31 处置器 [0025] 32 存储器 [0026] 41 大宗商品数据提取及讲演天生的装配 [0027] 42 领受装配 详细施行办法 [0028] 以下通过特定的详细实例阐发本发觉的施行办法，本周围手艺职员可由本仿单 5 5 CN 110335072 A 仿单 3/10页 所揭穿的实质方便地领略本发觉的其他甜头与服从。本发觉还可能通过其余分别的详细实 施办法加以施行或使用，本仿单中的各项细节也可能基于分别概念与使用，正在没有背离 本发觉的精神下举办各式打扮或调动。需阐发的是，正在不冲突的情景下，以下施行例及施行 例中的特质可能彼此组合。 [0029] 须要阐发的是，以下施行例中所供给的图示仅以示意办法阐发本发觉的根基构 思，遂图式中仅显示与本发觉中相合的组件而非遵守现实施行时的组件数目、样子及尺寸 绘造，其现实施行时各组件的型态、数目及比例可为一种随便的调动，且其组件组织型态也 也许更为繁复。 [0030] 本发觉的大宗商品数据提取及讲演天生的法子、体例、介质及装配，裁减行业认识 师的人力本钱；主动天生大宗商品讲演并不停美满天生讲演的才智；更好地举办大宗商品 讲演天生；避免展示差池讲演。 [0031] 如图1所示，于一施行例中，本发觉的大宗商品数据提取及讲演天生的法子，囊括 以下程序： [0032] 程序S11、获取大宗商品合连数据，协议大宗商品数据提取章程，从所述大宗商品 合连数据中采用吻合大宗商品数据提取章程的大宗商品数据。 [0033] 于本发觉一施行例中，所述大宗商品合连数据囊括但不限于企业众年的积蓄的大 量大宗商品数据、汗青纪录的大宗商品讲演、微博合连新闻、网页合连新闻、财经新闻。所述 大宗商品是指可进入贯通周围，但非零售症结，具有商品属性并用于工农业坐褥与消费使 用的巨额量交易的物质商品。正在金融投资市集，大宗商品指同质化、可营业、被寻常动作工 业底子原原料的商品，如原油、有色金属、钢铁、农产物、铁矿石、煤炭等。囊括3个种别，即能 源商品、底子原原料和农副产物。 [0034] 于本发觉一施行例中，所述协议大宗商品数据提取章程囊括：领受人工看待大宗 商品合连数据的评判，基于所述评判天生大宗商品数据提取章程。比如领受人工评定所述 大宗商品合连数据是否为取吻合大宗商品数据提取章程的大宗商品数据的反应，并基于所 述反应窜改所述大宗商品数据提取章程。 [0035] 于本发觉一施行例中，所述大宗商品数据提取章程通过呆板研习算法天生。领受 人工看待大宗商品合连数据的评判，基于呆板研习算法遵照所述评判天生大宗商品数据提 取章程。呆板研习(Machine Learning,ML)是一门众周围交叉学科，涉及概率论、统计学、逼 近论、凸认识、算法繁复度表面等众门学科。特意探索推算机若何模仿或杀青人类的研习行 为，以获取新的学问或妙技，从头机合已有的学问构造使之不停改观自己的功能。它是人工 智能的重点，是使推算机具有智能的基本途径，其使用广大人工智能的各个周围，它关键使 用概括、归纳而不是演绎。因为咱们所供给的呆板研习算法新闻，数据核心呆板研习算法正 正在变得越来越智能。呆板研习算法是大数据可以给机合带来智能运营的要害构成局限。尽 管呆板研习算法算法兴会无限，但呆板研习算法手艺自己很疾就会变得繁复起来。一切人 不也许都成为数据科学家，但IT专业人士须要领略咱们的呆板研习算法是怎样研习的。机 器研习算法可能是有人监视也或者是无人过问的。呆板研习算法区别不正在于算法是否可能 胡作非为，而是是否要从具备确实结果的练习数据中研习--呆板研习算法预先确定并增加 到数据聚集以供给禁锢--或者测验出现给天命据聚集的任何自然样式。大大都企业应用机 器研习算法预测模子，对呆板研习算法练习数据应用监视办法，况且常常旨正在预测给定实 6 6 CN 110335072 A 仿单 4/10页 例--邮件、职员、公司或者营业是否属于某个兴趣的分类--垃圾邮件、潜正在买家、信用优秀 或者得回后续报价。借使正在呆板研习算法发端之前你不是很明晰正在寻找什么，那么无人干 预的呆板研习算法可以供给全新的洞察力。无人过问的呆板研习算法还可以天生集群与层 次构造图，呆板研习算法显示数据的内正在相合，呆板研习算法还可以出现哪些数据字段看 起来是独立的，哪些是章程描画、总结或者轮廓。反过来，呆板研习算法这些洞察可以为构 修更好的预测法子供给扶植。构修呆板研习算法模子是一项一再熟习的经过，须要呆板学 习算法清算数据和发轫实习。目前市集上正正在显现少许主动和有诱导的呆板研习算法模子 器材，它们愿意低重对数据科学家的依赖性，同时正在常睹周围得回最高的投资回报率。然而 这内里真正的区别很也许须要你自身去出现。纵然呆板研习算法可以供给众种好处，不过 正在应用呆板研习算法经过中也有也许导致急急题目。呆板研习算法初学者须要剖析所输入 数据、项目限造和主意，以及使命中应用的呆板研习算法。呆板研习是许众大数据项目背后 的紧张促进力气，不过即使IT部分参加大批元气心灵，正在呆板研习算法详细施行经过当中事件 也有也许朝着差池的倾向发扬。不幸的是，借使没有稳定支配呆板研习算法所输入数据的 质地和精确性、现实的营业主意以及确实情况束缚，那么呆板研习算法预测模子很有也许 具有急急的潜正在危急(好比无法避免黑天鹅效应)。看待呆板研习算法和大数据初学者来 说，很容易编写出效能低下的呆板研习算法繁复模子或者对特天命据举办反复认识。毕竟 上，正在将这种呆板研习算法广义模子使用到坐褥情况之前，很难剖断哪种才算是最佳方 式。其余一种呆板研习算法寻事是获胜的界说会跟着分别的应用情景而展示广大差别。针 对特定呆板研习算法测试数据，可能应用数十种呆板研习算法目标来描画呆板研习算法模 型数据输出结果的质地和精确性。即呆板研习算法便看待IT专家来说，其起码须要熟练机 器研习算法输出结果的合连目标，而且领略各式呆板研习算法象限学问，好比真正(True Positive)被模子预测为正的正样本、真负(True Negative)被模子预测为负的负样本、假 正(False Positive)被模子预测为正的负样本、假负(False Negative)被模子预测为负的 正样本等。正在呆板研习算法和大数据周围，很众要害呆板研习算法目标都是遵照这四种基 本呆板研习算法衡量结果推导而来。好比，常常会应用无误标志(真正+真负)的实例数目除 以总实例数目来界说呆板研习算法集体精确性。借使思要领略本相有众少个无误的呆板学 习算法正实例，敏锐性(或者召回率)即是真正的呆板研习算法数目除以现实正数目(真正+ 假正)所取得的比例。常常呆板研习算法准确度也是极度紧张的，也即是真正(True Positive)的数目除以一切被标志为正(真正+假正)的项目之和。呆板研习算法将一切都标 记为正的简化模子将会有100％的召回率，不过呆板研习算法准确度和精确性会格外差-- 这种呆板研习算法模子可以找到通盘，不过呆板研习算法却不行将小麦从谷壳当中挑选出 来。因而常常须要呆板研习算法从这些目标当中举办抉择以寻找最佳平均点。正在少许基于 呆板研习算法的大数据使用周围当中，好比呆板研习算法针对性营销，呆板研习算法比拟 于随机选取主意客户这种古代办法来说可以进步20％的效能。正在其他周围当中，好比对100 万人举办癌症搜检时，即使是99％的精确率也会导致极其急急的后果:假设癌症的发病率 格外低，那么这1％当中的形势限即是假正，从而导致须要对快要1万人举办不需要的歇养。 这种情景下呆板研习算法看待IT周围的影响。最先，主机存储和推算平台该当和测验研习 的品种相般配。有时辰该当举办离线呆板研习算法，呆板研习算法将结果模子使用正在坐褥 情况的简易推算程序当中。而正在其他时分呆板研习算法是接续或者一再展示的(好比深化 7 7 CN 110335072 A 仿单 5/10页 呆板研习算法)，须要愈加亲昵如今的数据流。比拟于应用其他大数据扩展集群(好比 Apache Mahout、MLlib和Madlib)的可分区库来说，少许呆板研习算法可以杀青更好可扩展 性，然而其他办法也许须要更高速的推算互联通道以及读写事情存储架构以进步推算效 率。呆板研习算法可能应用少许内存器材来完结大型交付式数据开掘或者预测使命，而且 呆板研习算法低重延迟。另有少许遵照坐褥情况当中API移用情景举办收费的云主机呆板 研习算法效劳，看待存储正在云中的数据来说这种办法能晋升本钱效能。借使你依然具有固 定的法式营业周围，只是思要随便寻找一下或者刚才发端探索呆板研习算法，那么呆板学 习算法可能应用Python和其他谈话当中供给的合连免费包。你乃至可能正在微软Azure当中 注册一个免费开辟、基于云的主机研习使命室。这些呆板研习算法产物当中的大大都都可 以运转正在当地主机的小型数据召集上，或者呆板研习算法针对坐褥情况扩展为大型数据集 合。呆板研习算法是一个极度热门的周围，每天咱们都能听到厂商保障自身的特定呆板学 习算法产物可以简化均匀营业认识经过。一切这些呆板研习算法预测模子都不具有人工智 能。是的，通过寻找和寻找数据方面的更深宗旨模子，其可以供给确实和众种营业上风，但 是通过这种呆板研习算法办法设备的通盘都是合连性。就像学校常常告诉咱们的相似，相 合性不代标明确的因果联系。不过，研究到如今使用呆板研习算法手艺依然变得格外容 易--只须要探索感有趣的呆板研习算法数据召集，因而一切IT部分都可能研习自身的内部 专业学问--采集和排除数据、协议开辟流程、辅佐模子效率等，而且呆板研习算法使用正在生 产情况当中。正在数据科学方面的专业学问是格外珍奇和可贵的，不过研究到这个呆板研习 算法周围正正在爆发的急迅转移，企业该当顿时发端呆板研习算法探索使命，不要渴望得回 成熟的科学家团队来顺手完结呆板研习算法如此的做事。呆板研习算法可能分为干预性学 习、非干预性研习、半干预性研习和深化研习。以上研习囊括但不限于：决议树(Decision Trees)、朴质贝叶斯分类(Naive Bayesian classification)、最小二乘法(Ordinary Least Squares Regression)、逻辑回归(Logistic Regression)、扶帮向量机(Support Vector Machine，SVM)、集成法子(Ensemble methods)、聚类算法(Clustering Algorithms)、主因素认识(Principal Component Analysis，PCA)、巧妙值剖判(Singular Value Decomposition，SVD)、独立因素认识(Independent Component Analysis，ICA)。 [0036] 于本发觉一施行例中，所述协议大宗商品数据提取章程囊括：设定大宗商品合连 数据筛选要害词，基于所述筛选要害词协议大宗商品数据提取章程。详细地，人工修立大宗 商品合连数据筛选要害词，基于所述筛选要害词协议大宗商品数据提取章程。 [0037] 于本发觉一施行例中，所述讲演实质囊括但不限于：分别金属类型、金属价值对应 的时分、金属价值的周涨跌、金属价值的月涨跌、金属合连价值点的价值数据、必然周期内 的价值走势、金属行业的热门资讯、合连行业的邦表里策略及轨造、金属进出口量新闻、金 属供需联系等。 [0038] 于本发觉一施行例中，所述讲演囊括但不限于图片、外格、文字款式。 [0039] 于本发觉一施行例中，基于用户的订阅新闻协议所述预设模板。。 [0040] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括干预性研习：将大 量的大宗商品合连数据动作练习数据举办输入，每次练习产出一个精确的大宗商品讲演， 然后遵照现实现有汗青认识讲演举办比拟。不停遵照精确率举办大宗商品数据提取章程调 整，最终到达预期的精确率。 8 8 CN 110335072 A 仿单 6/10页 [0041] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括非干预性研习：输 入的大宗商品合连数据不被奇特的标识，不做品目分别，不做数据包和认识讲演的分别，让 体例自决揣度大宗商品合连数据的内正在构造和构成，从而举办所述大宗商品数据提取章程 协议。 [0042] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括半干预性研习：输 入的大宗商品合连数据举办局限标识，或仅仅供给品目分别，或仅仅标识类型，从而获取数 据的内正在构造以便合理的机合数据来举办所述大宗商品合连数据的协议。 [0043] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括深化研习：将大宗 商品合连数据动作输入数据，直接对大宗商品数据提取章程举办反应，同时对所述大宗商 品数据提取章程登时做出安排，以到达精确的大宗商品讲演的输出。 [0044] 程序S12、协议大宗商品讲演的预设模板，并基于所述大宗商品数据天生所述预设 模板花样的大宗商品讲演。 [0045] 于本发觉一施行例中，所述预设模板的实质囊括以下任逐一种或众种：分别金属 类型、金属价值对应的时分、金属价值的周涨跌、金属价值的月涨跌、金属合连价值点的价 格数据、必然周期内的价值走势、金属行业的热门资讯、合连行业的邦表里策略及轨造、金 属进出口量新闻、金属供需联系等。 [0046] 于本发觉一施行例中，所述预设模板的花样囊括但不限于：文字、图片、外格、语音 和视频。 [0047] 于本发觉一施行例中，基于用户的订阅新闻协议所述预设模板。所述订阅新闻包 括但不限于：订阅频率、订阅时分段，订阅实质。 [0048] 程序S13、对所述大宗商品讲演举办检测取得检测结果，并基于所述检测结果窜改 所述大宗商品数据提取章程直至所述大宗商品讲演的精确率到达预设圭表。 [0049] 于本发觉一施行例中，通过将基于大宗商品数据提取章程从头天生过去某个预设 时分段的大宗商品讲演与原有的汗青数据和汗青认识讲演举办比拟认识举办检测取得检 测结果。还囊括通过人工检测基于大宗商品数据提取章程从头天生过去某个预设时分段的 大宗商品讲演取得检测结果。基于所述检测结果窜改所述大宗商品数据提取章程，直至所 述大宗商品讲演的精确率到达预设圭表。详细地，所述预设圭表为精确率99％及以上。即实 现基于第一预设章程从头天生的过去某个预设时分段的预设品种的大宗商品讲演与已有 的汗青认识讲演比拟精确率到达99％及以上。可能供给精确的大宗商品讲演。改造企业传 统的大宗商品讲演建造办法，缩减人力本钱，而且不停提壮伟宗商品讲演的精确性和牢靠 性。 [0050] 于本发觉一施行例中，所述对所述大宗商品讲演举办检测囊括：主动检测所述大 宗商品讲演或基于人工检测所述大宗商品讲演。 [0051] 于本发觉一施行例中，还囊括主动对天生的大宗商品讲演举办精确性判定，借使 展示数据的较大收支则提交至预设部分举办所述大宗商品讲演的审查。 [0052] 于本发觉一施行例中，还囊括以下程序：将所述到达预设圭表的大宗商品讲演发 送至预设领受端，并领受所述预设领受端看待所述大宗商品讲演的反应，并基于所述反应 窜改所述大宗商品数据提取章程。详细地，所述预设领受端囊括但不限于客户的邮箱、其他 体例、客户的网站。详细地，还囊括以下程序：基于客户的订阅新闻，发送所述大宗商品讲演 9 9 CN 110335072 A 仿单 7/10页 至相应客户。比如，基于客户订阅新闻的相应订阅实质发送相应频次、相合时分段、相应商 品品种的大宗商品讲演至客户预留的邮箱，并领受客户基于所述大宗商品讲演的反应，并 基于所述反应窜改美满所述大宗商品数据提取章程。杀青企业分别体例的无缝毗连，裁减 分别运营职员的插手，同时也能低重人工处置题目的犯错概率。 [0053] 于本发觉一施行例中，还供给与用户的交互成效，正在用户订阅大宗商品讲演时，获 取用户的需求新闻，囊括但不限于大宗商品品目、价值点分类、时分点、用户的定位等，并基 于所述用户的需求新闻天生大宗商品讲演。可以杀青分别企业订阅大宗商品讲演的智能分 发，保障体例不停智能化。杀青天性化的实质定造，联结分别用户的动作认识，合理绘造用 户画像，针对用户的检索要害词举办般配，智能天生天性化的行情讲演，以供分别用户举办 决议应用。 [0054] 于本发觉一施行例中，遵照用户的搜罗要害词举办大宗商品讲演的试阅和订阅推 荐。杀青天性化的实质定造，联结分别用户的动作认识，合理绘造用户画像，针对用户的检 索要害词举办般配，智能天生天性化的大宗商品讲演，以供分别用户举办决议应用。 [0055] 于本发觉一施行例中，基于用户的指令完结大宗商品讲演的订阅。 [0056] 于本发觉一施行例中，所述大宗商品讲演扶帮正在线观察、邮件发送至相使用户等 操作。 [0057] 如图2所示，于一施行例中，本发觉的大宗商品数据提取及讲演天生的体例，囊括： 获取模块21、协议模块22和窜改模块23。 [0058] 所述获取模块21用于获取大宗商品合连数据，协议大宗商品数据提取章程，从所 述大宗商品合连数据中采用吻合大宗商品数据提取章程的大宗商品数据。 [0059] 于本发觉一施行例中，所述大宗商品合连数据囊括但不限于企业众年的积蓄的大 量大宗商品数据、汗青纪录的大宗商品讲演、微博合连新闻、网页合连新闻、财经新闻。所述 大宗商品是指可进入贯通周围，但非零售症结，具有商品属性并用于工农业坐褥与消费使 用的巨额量交易的物质商品。正在金融投资市集，大宗商品指同质化、可营业、被寻常动作工 业底子原原料的商品，如原油、有色金属、钢铁、农产物、铁矿石、煤炭等。囊括3个种别，即能 源商品、底子原原料和农副产物。 [0060] 于本发觉一施行例中，所述协议大宗商品数据提取章程囊括：领受人工看待大宗 商品合连数据的评判，基于所述评判天生大宗商品数据提取章程。比如领受人工评定所述 大宗商品合连数据是否为取吻合大宗商品数据提取章程的大宗商品数据的反应，并基于所 述反应窜改所述大宗商品数据提取章程。 [0061] 于本发觉一施行例中，所述大宗商品数据提取章程通过呆板研习算法天生。领受 人工看待大宗商品合连数据的评判，基于呆板研习算法遵照所述评判天生大宗商品数据提 取章程。 [0062] 于本发觉一施行例中，所述协议大宗商品数据提取章程囊括：设定大宗商品合连 数据筛选要害词，基于所述筛选要害词协议大宗商品数据提取章程。详细地，人工修立大宗 商品合连数据筛选要害词，基于所述筛选要害词协议大宗商品数据提取章程。 [0063] 于本发觉一施行例中，所述讲演实质囊括但不限于：分别金属类型、金属价值对应 的时分、金属价值的周涨跌、金属价值的月涨跌、金属合连价值点的价值数据、必然周期内 的价值走势、金属行业的热门资讯、合连行业的邦表里策略及轨造、金属进出口量新闻、金 10 10 CN 110335072 A 仿单 8/10页 属供需联系等。 [0064] 于本发觉一施行例中，所述讲演囊括但不限于图片、外格、文字款式。 [0065] 于本发觉一施行例中，基于用户的订阅新闻协议所述预设模板。。 [0066] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括干预性研习：将大 量的大宗商品合连数据动作练习数据举办输入，每次练习产出一个精确的大宗商品讲演， 然后遵照现实现有汗青认识讲演举办比拟。不停遵照精确率举办大宗商品数据提取章程调 整，最终到达预期的精确率。 [0067] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括非干预性研习：输 入的大宗商品合连数据不被奇特的标识，不做品目分别，不做数据包和认识讲演的分别，让 体例自决揣度大宗商品合连数据的内正在构造和构成，从而举办所述大宗商品数据提取章程 协议。 [0068] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括半干预性研习：输 入的大宗商品合连数据举办局限标识，或仅仅供给品目分别，或仅仅标识类型，从而获取数 据的内正在构造以便合理的机合数据来举办所述大宗商品合连数据的协议。 [0069] 于本发觉一施行例中，所述大宗商品数据提取章程的协议囊括深化研习：将大宗 商品合连数据动作输入数据，直接对大宗商品数据提取章程举办反应，同时对所述大宗商 品数据提取章程登时做出安排，以到达精确的大宗商品讲演的输出。 [0070] 所述协议模块22用于协议大宗商品讲演的预设模板，并基于所述大宗商品数据生 成所述预设模板花样的大宗商品讲演。 [0071] 于本发觉一施行例中，所述预设模板的实质囊括以下任逐一种或众种：分别金属 类型、金属价值对应的时分、金属价值的周涨跌、金属价值的月涨跌、金属合连价值点的价 格数据、必然周期内的价值走势、金属行业的热门资讯、合连行业的邦表里策略及轨造、金 属进出口量新闻、金属供需联系等。 [0072] 于本发觉一施行例中，所述预设模板的花样囊括但不限于：文字、图片、外格、语音 和视频。 [0073] 于本发觉一施行例中，基于用户的订阅新闻协议所述预设模板。所述订阅新闻包 括但不限于：订阅频率、订阅时分段，订阅实质。 [0074] 所述窜改模块23用于对所述大宗商品讲演举办检测取得检测结果，并基于所述检 测结果窜改所述大宗商品数据提取章程直至所述大宗商品讲演的精确率到达预设圭表。 [0075] 于本发觉一施行例中，通过将基于大宗商品数据提取章程从头天生过去某个预设 时分段的大宗商品讲演与原有的汗青数据和汗青认识讲演举办比拟认识举办检测取得检 测结果。还囊括通过人工检测基于大宗商品数据提取章程从头天生过去某个预设时分段的 大宗商品讲演取得检测结果。基于所述检测结果窜改所述大宗商品数据提取章程，直至所 述大宗商品讲演的精确率到达预设圭表。详细地，所述预设圭表为精确率99％及以上。即实 现基于第一预设章程从头天生的过去某个预设时分段的预设品种的大宗商品讲演与已有 的汗青认识讲演比拟精确率到达99％及以上。可能供给精确的大宗商品讲演。改造企业传 统的大宗商品讲演建造办法，缩减人力本钱，而且不停提壮伟宗商品讲演的精确性和牢靠 性。 [0076] 于本发觉一施行例中，所述对所述大宗商品讲演举办检测囊括：主动检测所述大 11 11 CN 110335072 A 仿单 9/10页 宗商品讲演或基于人工检测所述大宗商品讲演。 [0077] 于本发觉一施行例中，还囊括主动对天生的大宗商品讲演举办精确性判定，借使 展示数据的较大收支则提交至预设部分举办所述大宗商品讲演的审查。 [0078] 于本发觉一施行例中，还囊括以下程序：将所述到达预设圭表的大宗商品讲演发 送至预设领受端，并领受所述预设领受端看待所述大宗商品讲演的反应，并基于所述反应 窜改所述大宗商品数据提取章程。详细地，所述预设领受端囊括但不限于客户的邮箱、其他 体例、客户的网站。详细地，还囊括以下程序：基于客户的订阅新闻，发送所述大宗商品讲演 至相应客户。比如，基于客户订阅新闻的相应订阅实质发送相应频次、相合时分段、相应商 品品种的大宗商品讲演至客户预留的邮箱，并领受客户基于所述大宗商品讲演的反应，并 基于所述反应窜改美满所述大宗商品数据提取章程。杀青企业分别体例的无缝毗连，裁减 分别运营职员的插手，同时也能低重人工处置题目的犯错概率。 [0079] 于本发觉一施行例中，还供给与用户的交互成效，正在用户订阅大宗商品讲演时，获 取用户的需求新闻，囊括但不限于大宗商品品目、价值点分类、时分点、用户的定位等，并基 于所述用户的需求新闻天生大宗商品讲演。可以杀青分别企业订阅大宗商品讲演的智能分 发，保障体例不停智能化。杀青天性化的实质定造，联结分别用户的动作认识，合理绘造用 户画像，针对用户的检索要害词举办般配，智能天生天性化的行情讲演，以供分别用户举办 决议应用。 [0080] 于本发觉一施行例中，遵照用户的搜罗要害词举办大宗商品讲演的试阅和订阅推 荐。杀青天性化的实质定造，联结分别用户的动作认识，合理绘造用户画像，针对用户的检 索要害词举办般配，智能天生天性化的大宗商品讲演，以供分别用户举办决议应用。 [0081] 于本发觉一施行例中，基于用户的指令完结大宗商品讲演的订阅。 [0082] 于本发觉一施行例中，所述大宗商品讲演扶帮正在线观察、邮件发送至相使用户等 操作。 [0083] 须要阐发的是，应剖析以上体例的各个模块的划分仅仅是一种逻辑成效的划分， 现实杀青时可能齐备或局限集成到一个物理实体上，也可能物理上离开。且这些模块可能 齐备以软件通过处置元件移用的款式杀青；也可能齐备以硬件的款式杀青；还可能局限模 块通过处置元件移用软件的款式杀青，局限模块通过硬件的款式杀青。比如，x模块可能为 独自设立的处置元件，也可能集成正在上述装配的某一个芯片中杀青，其它，也可能以法式代 码的款式存储于上述装配的存储器中，由上述装配的某一个处置元件移用并实践以上x模 块的成效。其它模块的杀青与之似乎。其它这些模块齐备或局限可能集成正在一道，也可能独 立杀青。这里所述的处置元件可能是一种集成电道，具有信号的处置才智。正在杀青经过中， 上述法子的各程序或以上各个模块可能通过处置器元件中的硬件的集成逻辑电道或者软 件款式的指令完结。 [0084] 比如，以上这些模块可能是被摆设成施行以上法子的一个或众个集成电道，比如： 一个或众个特定集成电道(Application Specific Integrated Circuit，简称ASIC)，或， 一个或众个微处置器(Digital Singnal Processor，简称DSP)，或，一个或者众个现场可编 程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处 理元件改变法式代码的款式杀青时，该处置元件可能是通用途理器，比如主题处置器 (Central Processing Unit，简称CPU)或其它可能移用法式代码的处置器。再如，这些模块 12 12 CN 110335072 A 仿单 10/10页 可能集成正在一道，以片上体例(system-on-a-chip，简称SOC)的款式杀青。 [0085] 于本发觉一施行例中，本发觉还囊括一种推算机可读存储介质，其上存储有推算 机法式，该法式被处置器实践时杀青上述任一所述大宗商品数据提取及讲演天生的法子。 [0086] 本周围大凡手艺职员可能剖析：杀青上述各法子施行例的齐备或局限程序可能通 过推算机法式合连的硬件来完结。前述的推算机法式可能存储于一推算机可读存储介质 中。该法式正在实践时，实践囊括上述各法子施行例的程序；而前述的存储介质囊括：ROM、 RAM、磁碟或者光盘等各式可能存储法式代码的介质。 [0087] 如图3所示，于一施行例中，本发觉的大宗商品数据提取及讲演天生的装配囊括： 处置器31和存储器32；所述存储器32用于存储推算机法式；所述处置器31与所述存储器32 相连，用于实践所述存储器32存储的推算机法式，以使所述大宗商品数据提取及讲演天生 的装配实践任一所述的大宗商品数据提取及讲演天生的法子。 [0088] 详细地，所述存储器32囊括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各式可能存储 法式代码的介质。 [0089] 优选地，所述处置器31可能是通用途理器，囊括主题处置器(Central Processing Unit，简称CPU)、汇集处置器(Network Processor，简称NP)等；还可能是数字信号处置器 (Digital Signal Processor，简称DSP)、专用集成电道(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array， 简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。 [0090] 如图4所示，于一施行例中，本发觉的大宗商品数据提取及讲演天生的体例，囊括 上述的大宗商品数据提取及讲演天生的装配41和领受装配42。 [0091] 所述领受装配42用于领受所述大宗商品数据提取及讲演天生的装配41宗商品报 告，并发送所述大宗商品讲演的反应至所述大宗商品数据提取及讲演天生的装配42。 [0092] 于本发觉一施行例中，所述领受装配42囊括但不限于：客户的邮箱、其他体例、客 户的网站。 [0093] 综上所述，本发觉大宗商品数据提取及讲演天生的法子、体例、介质及装配，裁减 行业认识师的人力本钱；主动天生大宗商品讲演并不停美满天生讲演的才智；更好地举办 大宗商品讲演天生；避免展示差池讲演。因此，本发觉有用制服了现有手艺中的各类差错而 具高度家当欺骗代价。 [0094] 上述施行例仅例示性阐发本发觉的道理及其服从，而非用于束缚本发觉。任何熟 悉此手艺的人士皆可正在不违背本发觉的精神及周围下，对上述施行例举办打扮或调动。因 此，举凡所属手艺周围中具有常常学问者正在未摆脱本发觉所揭示的精神与手艺思思下所完 成的通盘等效打扮或调动，仍应由本发觉的权益请求所涵盖。 13 13 CN 110335072 A 仿单附图 1/2页 图1 图2 图3 14 14 CN 110335072 A 仿单附图 2/2页 图4 15 15
2、成为VIP后，下载本文档将扣除1次下载权力。下载后，不扶帮退款、换文档。如有疑难加。
3、成为VIP后，您将具有八大权力，权力囊括：VIP文档下载权力、阅读免打搅、文档花样转换、高级专利检索、专属身份象征、高级客服、众端互通、版权备案。
4、VIP文档为团结方或网友上传，每下载1次， 网站将遵照用户上传文档的质地评分、类型等，对文档功勋者赐与高额补贴、流量扶植。借使你也思功勋VIP文档。上传文档
《GB/T 30553-2023基于电压源换流器的高压直流输电》.pdf
中邦邦度圭表 GB/T 30553-2023基于电压源换流器的高压直流输电.pdf
中邦邦度圭表 GB/T 6150.1-2023钨精矿化学认识法子第1局限：三氧化钨含量的测定钨酸铵灼烧重量法.pdf
《GB/T 6150.1-2023钨精矿化学认识法子第1局限：三氧化钨含量的测定钨酸铵灼烧重量法》.pdf
GB/T 6150.1-2023钨精矿化学认识法子第1局限：三氧化钨含量的测定钨酸铵灼烧重量法.pdf
GB/T 43407.1-2023道线车辆低地板专线行驶客车驾驶区人体工程学请求第1局限：总体描画和根基请求.pdf
中邦邦度圭表 GB/T 43407.1-2023道线车辆低地板专线行驶客车驾驶区人体工程学请求第1局限：总体描画和根基请求.pdf
《GB/T 43407.1-2023道线车辆低地板专线行驶客车驾驶区人体工程学请求第1局限：总体描画和根基请求》.pdf
中邦邦度圭表 GB/T 18916.14-2023取水定额第14局限：毛纺织产物.pdf
《GB/T 18916.14-2023取水定额第14局限：毛纺织产物》.pdf
原创力文档创修于2008年，本站为文档C2C营业形式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中心效劳平台，本站一切文档下载所得的收益归上传人一切。原创力文档是汇集效劳平台方，若您的权益被侵略，请发链接和合连诉求至 电线) ，上传者
ICP备8888888号