。
[0086] 2)按照异常交易的交易时间选取市场新闻并进行词汇挖掘，将所挖掘的词汇映 射为概念或实例，从证券市场知识库中找出与概念或实例相关的其他概念或实例作为新 闻-词汇特征，构建新闻-词汇特征集。其过程如下：
[0087] (1)从一条新闻中的概念或实例出发，沿证券市场知识库有向图G中"同义词"关 系进行随机漫步。
[0088] (2)假设随机漫步进行了t步，其路径可以表示为p= (c。，Cl，c2, . . .，ct)，其中c。 =cf，cteNews』，并且（ck，ck+1)eE〇
[0089] (3) -条新闻的特征集表示为
[0090] 这样，采用按同义词关系进行随机漫步的方法沿关系找到与词汇的概念或实例相 关的其他概念或实例作为新闻-词汇特征。
[0091] 3)将上述的交易-新闻特征集与新闻-词汇特征集按照特征名称进行汇总，构建 异常交易的特征集合。
[0092] 在实际过程中，在证券市场知识库的基础上结合传统的金融文本挖掘，采用两层 次的映射方法，挖掘市场交易与信息之间的关系（如图4所示）。在信息与交易挖掘层面， 一条可疑交易可以通过股票相关的概念和实例描述关联到多条新闻。根据连接的属性不 同，相关信息可以分为行业新闻、地域新闻、人物新闻等等。从公司出发的概念查找采用随 机漫步的方法，一步可以关联到与公司关系比较近的概念。例如，从公司到行业，通过两步 或多步可以连接到更广泛的概念。例如从公司到行业，再到行业内的其他公司的相关信息。 [0093] 在信息挖掘层面，信息内的一个词汇可以对应到概念模型中的一个概念的实例， 从而根据概念模型中的关系结构，影射到多个相关的词汇，从而挖掘新闻的语言和语义特 征。从词汇出发的概念查找也采用随机漫步的方法。例如，"好"的同义词可以有"不错"、 "良好"等。"好"的反义词有"差"、"不好"等。
[0094] 进一步地，选取部分异常交易进行人工筛选和标记，作为训练集（如标注为高风 险和低风险），在该步骤中对所构造出的特征集合中的特征进行筛选（如采用信息增益方 法）出来后，利用训练集选择分类算法，常用的分类算法如J48,NaiveBayes,和SVM等，构 造分类器。利用分类器对交易异常进行进一步分类筛选，进行风险分类。风险类别依赖于 证券监察行业的标准，如高风险和低风险两类。该风险类别在训练集构造过程中用于指导 人工标注。
[0095] 步骤S105,对异常交易和异常交易的特征集合之间的关系进行图形化展示。其展 示结果如图5所示。
[0096] 综上，本发明实施例的市场监察方法实现的具体过程，如图8所示的示例，通过对 市场信息的实时监控，及时发现量价异动，并发出警报。结合本发明实施例的证券市场知识 库对量价异动信息进行分析，构造出相应的文本特征（可疑案例的特征集合），以进一步划 分出风险级别。
[0097] 根据本发明实施例的市场监察方法，通过构建证券知识库，通过概念库将本领域 知识和常识知识有机统一起来，并将其之间的概念关系同实例信息有效地映射为一体，大 大提高了市场监察系统的决策支持的智能程度。同时，与传统市场监察系统不同，本方法可 以同时监测市场量价异动及市场信息异动，并对两者之间的关联进行推理，对证券市场上 多种信息之间关系的进行挖掘，有效提高市场监察工作的效率。
[0098] 在本说明书的描述中，参考术语"一个实施例"、"一些实施例"、"示例"、"具体示 例"、或"一些示例"等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特 点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不 必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任 一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技 术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结 合和组合。
[0099] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例 性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述 实施例进行变化、修改、替换和变型。
【主权项】
1. 一种市场监察系统，其特征在于，包括： 证券市场知识库，包括模型库和实例库，其中， 所述模型库中包括描述证券市场领域中概念及概念之间的关系的本领域知识区，和描 述常识概念及概念之间的关系的常识知识区； 所述实例库中保存多条与所述模型库的概念关系结构对应的实例信息。2. 如权利要求1所述的系统，其特征在于，所述概念与概念之间的关系采用逻辑语言 描述。3. 如权利要求1或2所述的系统，其特征在于，还包括： 交易分析模块，用于对市场进行监控，发现异常交易； 知识获取与维护模块，用于获取外部的知识和信息并转换为逻辑描述语言后，映射保 存到所述证券市场知识库中； 信息分析模块，用于对所述交易分析模块发现的异常交易进行特征构造，生成异常交 易的特征集合以进行风险分类； 展示模块，用于对所述异常交易和所述异常交易的特征集合之间的关系进行图形化展 /_J、1〇4. 如权利要求3所述的系统，其特征在于，所述信息分析模块包括： 交易-新闻特征集构建模块，用于将所述异常交易的股票发行公司映射为实例，从所 述证券市场知识库中找出与该实例相关的其他实例信息作为连接新闻特征与交易的属性， 构建交易-新闻特征集； 新闻-词汇特征集构建模块，用于按照所述异常交易的交易时间选取市场新闻并进行 词汇挖掘，将所挖掘的词汇映射为所述概念或实例，从所述证券市场知识库中找出与所述 概念或实例相关的其他概念或实例作为新闻特征，构建新闻-词汇特征集； 特征集合生成模块，用于将所述交易-新闻特征集与所述新闻-词汇特征集进行新闻 特征汇总，构建所述异常交易的特征集合。5. 如权利要求4所述的系统，其特征在于，所述交易-新闻特征集构建模块采用随机漫 步的方法沿所述关系找到与所述股票发行公司的实例相关的其他实例信息作为所述交易 与新闻关系的属性。6. 如权利要求4所述的系统，其特征在于，所述新闻-词汇特征集构建模块，采用按同 义词关系进行随机漫步的方法沿所述关系找到与所述词汇的概念或实例相关的其他概念 或实例作为所述新闻的词汇特征。7. 如权利要求1~6中任一项所述的系统，其特征在于，还包括训练模块，用于选取部 分所述异常交易进行人工筛选和标记，作为训练集； 所述信息分析模块根据所述训练集进行风险分类。8. 如权利要求7所述的系统，其特征在于，所述信息分析模块对所述特征集合中的特 征进行筛选出来后，利用所述训练集进行风险分类。9. 一种市场监察方法，其特征在于，包括以下步骤： 构建证券市场知识库，其中，所述证券市场知识库包括模型库和实例库； 对市场进行监控，以便发现异常交易； 获取外部的知识和信息并转换为逻辑描述语言后，映射并保存到所述证券市场知识库 中； 结合所述证券市场知识库对发现的异常交易进行特征构造，生成异常交易的特征集合 以进行风险分类； 对所述异常交易和异常交易的特征集合之间的关系进行图形化展示。10.如权利要求9所述的方法，其特征在于， 所述模型库中包括描述证券市场领域中概念及概念之间关系的本领域知识区，和描述 常识概念及概念之间关系的常识知识区； 所述实例库中保存多条与所述模型库的概念关系结构对应的实例信息。
【专利摘要】本发明提出一种市场监察系统，包括：证券市场知识库，包括模型库和实例库，其中，模型库中包括描述证券市场领域的概念及概念之间关系的本领域知识区，和描述常识概念及概念之间关系的常识知识区；实例库中保存多条与模型库的概念关系结构对应的实例信息。本系统在证券市场知识库中通过概念库将本领域知识和常识知识有机统一起来，并将其之间的概念关系同实例信息有效地映射为一体，大大提高了市场监察系统的信息处理范围和决策支持的智能程度，具有高效率的优点。本发明还提出一种市场监察方法。
【IPC分类】G06Q40/04
【公开号】CN105335888
【申请号】CN201410342490
【发明人】陈琨, 王怀清
【申请人】南方科技大学
【公开日】2016年2月17日
【申请日】2014年7月17日