基于人工智能的股权激励方案生成方法、终端以及服务器与流程

1.本发明涉及人工智能大数据处理技术领域，具体涉及一种基于人工智能的股权激励方案生成方法、终端、服务器以及基于人工智能的股权激励方案生成系统。


背景技术：

2.股权激励是公司对员工长期激励的一种方法。企业为了激励和留住人才推行的一种长期激励机制。股权激励是指公司给予员工在未来某一时间以某一特定价格购买股票的权利。员工在公司股票的市场价值高于行权价格时履行期权，这时若股票价格上升，就能获得股票市价与行权价之间的差额收益。
3.2005年12月31日证监会颁布《上市公司股权激励管理办法(试行)》完善上市公司治理结构以促进上市公司规范运作与持续发展。后续颁布了一系列法规支持鼓励符合条件的混合所有制企业建立骨干员工持股、上市公司股权激励、科技型企业股权和分红激励等中长期激励机制。越来越多的企业也逐渐认识到股权激励对于公司持续发展的重要性。
4.现有技术中，企业可使用股权激励管理系统，但是，现有的系统大多是在股权激励的激励过程上做管理，不能帮助准备上市的企业制定一套完整、符合公司自身性质、复合法律规范要求的股权激励方案。
5.或者，企业一般与专项负责的机构合作。与专项机构合作存在合作成本过高并且无法预先模拟预估的问题。
6.因此，现有的人工智能股权激励计算机辅助技术亟待改进。


技术实现要素：

7.基于此，为解决现有技术中存在的技术问题，本发明提出了一种基于案例数据库，通过将上市股权激励公告拆分为不同数据维度，在合规阈值和法律条文的约束下有效制定符合企业发展的股权激励方案，实现预先模拟预估上市的基于人工智能的股权激励方案生成方法、终端、服务器以及基于人工智能的股权激励方案生成系统。
8.第一方面，本实施例提供一种基于人工智能的股权激励方案生成方法，包括以下步骤：
9.设置股权激励方案报告的数据维度，接收用户输入的公司属性交互数据；
10.根据该属性交互数据为当前数据维度输出基于业务处理模型与案例库处理模型的大数据要素分析；
11.接收用户基于该要素分析输入的与数据维度相关的维度交互数据，结合合规阈值和法律条文，生成与当前数据维度对应的维度方案设计；
12.依次处理所有数据维度的要素分析并输出对应维度方案设计；
13.根据预设模板整合所有维度方案设计生成股权激励方案报告。
14.第二方面，从移动终端角度阐述，本技术实施例提供一种基于人工智能的股权激励方案生成终端，包括：
15.第一交互模块，用于接收用户输入的公司属性交互数据；
16.第一展示模块，用于在界面上展示根据该属性交互数据反馈的根据当前数据维度基于业务处理模型与案例库处理模型生成的大数据要素分析；
17.第二交互模块，用于接收用户基于该要素分析输入的与数据维度相关的维度交互数据；
18.第二展示模块，用于接收和展示根据合规阈值和法律条文生成的与当前数据维度对应的维度方案设计；以及
19.第三展示模块，用于接收和展示根据预设模板整合所有维度方案设计的股权激励方案报告。
20.第三方面，从服务器角度阐述，本技术实施例提供一种基于人工智能的股权激励方案生成服务器，包括：
21.设置模块，用于设置股权激励方案报告的数据维度；
22.第一接收模块，用于接收用户输入的包括上市公司属性交互数据；
23.第一分析模块，用于根据该属性交互数据为当前数据维度输出基于业务处理模型与案例库处理模型的大数据要素分析；
24.第二接收模块，用于接收用户基于该要素分析输入的与数据维度相关的维度交互数据；
25.第二分析模块，用于结合合规阈值和法律条文，生成与当前数据维度对应的维度方案设计；
26.整合模块，用于根据预设模板整合所有维度方案设计生成股权激励方案报告。
27.第四方面，从系统设计角度阐述，本技术实施例提供一种基于人工智能的股权激励方案生成系统，包括至少一操作终端以及连接该至少一操作终端并进行数据通信的服务器；该终端作为用户与该服务器的显示和交互界面；
28.该服务器包括：
29.设置模块，用于设置股权激励方案报告的数据维度；
30.第一接收模块，用于从该终端接收用户输入的公司属性交互数据；
31.第一分析模块，根据该属性交互数据为当前数据维度输出基于业务处理模型与案例库处理模型的大数据要素分析；
32.第二接收模块，用于接收用户基于该要素分析输入的与数据维度相关的维度交互数据；
33.第二分析模块，用于结合合规阈值和法律条文，生成与当前数据维度对应的维度方案设计；以及
34.整合模块，用于根据预设模板整合所有维度方案设计生成股权激励方案报告。
35.第五方面，本技术实施例提供一种服务器设备，包括存储器、处理器以及存储在该存储器中并可在该处理器上运行的计算机程序，该处理器执行该计算机程序时实现上述第一方面提供的方法。
36.第六方面，本技术实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本技术实施例第一方面所述的方法中所描述的部分或全部步骤。该计算机程序产
品可以为一个软件安装包。
37.可以看出，本技术实施例的股权激励方案生成方法、终端、服务器以及基于人工智能的股权激励方案生成系统，基于现有的ai大数据技术，将市场股权激励案例从权益工具、激励人数、激励股数、激励价格、时间安排、摊销测算等维度进行拆解形成结构化数据，根据分解后的属性，结合上市自身属性所属板块、行业性质、市值规模为上市公司智能推荐一套符合公司性质的股权激励设计方案。
38.为上市公司提供一套科学、符合公司自身情况可行的股权激励方案设计产品。实现上市公司股权激励方案信息化管理，降低公司股权激励成本，同时可以自行进行股权激励方案设计，提前了解本次股权激励方案的费用情况、摊销情况，保证上市公司能够科学合理的进行后续的股权激励实施。
39.基于人工智能大数据对若干案例进行自然语言语义分析和特征提取，根据结构化数据建立数据库，通过与用户依照数据维度逐层展开数据交互，细致制作生成股权激励方案报告，提高使用体验的同时提升企业上市信息化研究和管控能力。
附图说明
40.为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.其中：
42.图1为本实施例的股权激励方案生成系统的系统结构示意图；
43.图2为本实施例的股权激励方案生成方法的主要流程示意图；
44.图3为本实施例的系统ai大数据数据库的框架示意图；
45.图4为本实施例的方法法规支持流程示意图；
46.图5为本实施例的服务器软件模块结构示意图；
47.图6为本实施例的终端软件模块结构示意图；
48.图7为本实施例的数据维度方案设计整体设计图；
49.图8为本实施例的系统硬件结构示意图；
50.图9为本实施例的方法在权益工具环节的终端界面示意图。
具体实施方式
51.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
52.本技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
53.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
54.为了使本技术领域的人员更好地理解本技术方案，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。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
55.本实施例的本技术实施例的股权激励方案生成方法、终端、服务器以及基于人工智能的股权激励方案生成系统，基于人工智能大数据对若干案例进行自然语言语义分析和特征提取，根据索引结构化数据建立数据库。通过与用户依照数据维度逐层展开数据交互，在合规模型的阈值型法规和规范型法规约束下，细致制作合理合法的股权激励方案报告，可预先模拟预估上市细节，实现上市信息化管理，并且降低上市成本。
56.如图1所示，本技术方案的基于人工智能的股权激励方案生成系统包括服务器1以及与服务器无线或者有线连接的终端2和移动终端3，本实施例中，该终端2可以是pc终端。该服务器1完成前期的结构化数据的索引数据库建立以及作为后期生成报告的处理中心。该终端2可以为企业用户的终端电脑，可以是移动使用的手机3或者平板。本实施例中，以终端2为例加以介绍，终端3的软件模块以及功能与终端2相同，不再赘述。
57.请一并参考图3以及图5，本实施例的服务器1包括数据库模块。
58.该该数据库模块包括自然语言语义分析模块17、特征提取模块18以及大数据引擎模块19。
59.该自然语言语义分析模块17将若干市场公开案例作为输入，基于深度神经网络模型对输入案例的进行词法分析、句法分析、语义分析。基于深度神经网络的机器学习算法，结合中文分词、词性标注、命名实体识别、句法分析、语义分析等自然语言处理技术，实现语义理解。并在语义理解的基础上实现智能识别。
60.该特征提取模块18，用于将市场公开案例输入至深度神经网络的自然语言语义分析模块，完成不同上市业务类型的业务特征提取。
61.该大数据引擎模块19包括hadoop引擎、db查询引擎、etl引擎以及es存储引擎。此外该大数据引擎模块19还包括支持引擎191、主体方向192以及数据结构模块193。
62.该数据结构模块193用于基于大数据引擎，对该业务特征进行结构化处理形成与数据维度对应的索引结构化数据。本实施例中该索引结构化数据为树状结构化数据。
63.具体实施时，与数据维度对应的树形结构化数据包括权益工具结构化数据、激励人数结构化数据、激励股数结构化数据、激励价格结构化数据、归属条件结构化数据、授予条件结构化数据、摊销测算结构化数据、时间安排结构化数据以及异动处理结构化数据。
64.比如，在权益工具数据维度中，包括要素a、要素b以及要素c，要素a又包括要素a1和要素a2，要素a2包括要素a21和要素a22。举例为在权益工具数据维度中，包括计划概况、方案详情和考核与成本的三个要素作为第一级。方案详情中又分为第一类限制性股票以及第二类限制性股票作为第二次级。该第一类限制性股票下面又包括公司层面考核、个人业绩考核以及股份支付三个第三次级。基于大数据引擎完成结构化数据以后，形成索引数据。
65.其中，作为贯穿报告的重要的支持引擎，该服务器还包括支撑引擎191。该支撑引擎191基于关系模型、知识体系以及合规模型形成法规集合。该支撑引擎191用于将该法规集合拆解为阈值型法规和规范型法规，将该阈值型法规和规范型法规配置至每一数据维度，以实现在每一数据维度的数据挖掘中，输出的维度方案设计均在阈值型法规的约束之下，并及时显示提醒规范性法规，以实现贯穿始终的法规支持。
66.方法实施例
67.请一并参考图2以及图4，所示为本实施例基于人工智能的股权激励方案生成方法的流程图。
68.该方法主要包括以下步骤：
69.步骤101：在服务器端设置股权激励方案报告的数据维度，比如本实施例中，包括如下数据维度：权益工具维度、激励人数维度、激励股数维度、激励价格维度、归属条件维度、授予条件维度、摊销测算维度、时间安排维度以及异动处理维度；终端接收用户输入的公司属性交互数据，比如案例配置、证券交易机构、所述行业、企业性质以及市值等。
70.步骤102：根据该属性交互数据为当前数据维度输出基于业务处理模型与案例库处理模型的大数据要素分析。该要素分析以该属性交互数据、数据维度为关键词在数据库的索引数据中进行检索，输出要素分析如图9中a与b所示图形以及c所述表格。
71.步骤103：用户在参考图9中左侧的基于案例的要素分析后，在右侧的维度方案设计中进行维度下的二次交互输入，比如在权益工具的数据维度下，选择第一类限制性或者第二类限制性股票或者股票期权或者股票增值权。终端接收用户基于该要素分析输入的与数据维度相关的维度交互数据，并将该维度交互数据发送至服务器，服务器结合合规阈值和法律条文，生成与当前数据维度对应的维度方案设计。
72.步骤104：服务器保存当前的维度方案设计，比如权益工具的方案设计。
73.如果维度数据尚未分析完毕，则进入下一数据维度，比如激励人数重复分析和输出当前维度方案设计。
74.步骤105：服务器判断是否所有数据维度都已完成了要素分析和方案设计。
75.步骤106：如果所有数据维度都已处理完毕，则服务器根据存储的所有维度方案设计和预设模板，整合所有维度方案设计生成股权激励方案报告。
76.如图7所示，为了始终保持每一数据维度都得到法规支持，该支撑引擎191形成法规集合。该支撑引擎191预先将该法规集合拆解为阈值型法规和规范型法规，将该阈值型法规和规范型法规配置至每一数据维度。在每一维度的方案设计中，用户输入的维度交互数据均需与阈值型法规进行比较并在交互界面下方输出比较结果。具体的在每一数据维度的数据挖掘中，输出的维度方案设计均在阈值型法规的约束之下进行。
77.请进一步参考图4，为了实现法规支持该方法还进一步包括：
78.步骤108：在设置股权激励方案报告的数据维度时，设置与上市相关的法规集合。
79.步骤109：根据该数据维度将该法规集合拆解为阈值型法规和规范型法规。
80.步骤110：将该阈值型法规和规范型法规配置至每一数据维度。
81.步骤111：在收到该维度交互数据时，判断该维度交互数据是否满足阈值型法规。
82.步骤112：满足时，显示该规范性法规。
83.步骤113：不满足时，同时输出阈值提醒以及该规范性法规。
84.以下具体举例：
85.请参考图7以及图9，在权益工具方案设计中：根据公司属性交互数据，比如公司所属板块、所属行业等，根据市场案从权益工具分布、权益来源分布给出辅助要素分析，用户参考该要素分析完成二次交互输入后，在界面上生成对应的权益类型方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
86.在激励人数方案设计中：根据公司属性交互数据，展示激励人数区间、案例总数、案例占比，年份分布形成激励对象绝对数等的要素分析；从激励人数区间、案例总数、案例占比，年份分布的相对占比形成激励对象相对数情况统计分析，用户参考该要素分析完成二次交互输入后，在界面上生成对应的激励人数方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
87.在激励股数方案设计中：根据公司自身属性，从时间维度分析市场案例形成股数的占比要素分析。从激励对象身份进行数据统计分型，形成各个职位人员的股数分配情况。用户参考该要素分析完成二次交互输入后，在界面上生成对应的激励股数方案设计。用户参考该要素分析完成二次交互输入后，在界面上生成对应的激励人数方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
88.在激励价格方案设计中：根据公司自身属性，提供要素分析，比如市场在激励价格方面的分布，从定价方法维度、市场定价比例维度、回购定价比例维度进行要素分析。用户参考该要素分析完成二次交互输入后，在界面上生成对应的激励价格方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
89.在时间安排方案设计中：根据公司自身属性，提供要素分析，比如分析市场在股权激励时间上的分布，从锁定期维度、等待期维度、解锁期等维度进行要素分析。用户参考该要素分析完成二次交互输入后，在界面上生成对应的时间安排方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
90.在摊销预算方案设计中：根据公司自身属性，提供要素分析，比如分析市场在摊销算法上的分布，从公允价值计算方法、期权定价模型部分参数选择情况、历史波动率、股息率等维度进行要素分析，为上市公司提供合理的算法选择，并提供上市公司计算股份支付情况及成本逐年摊销情况。用户参考该要素分析完成二次交互输入后，在界面上生成对应的摊销预算方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
91.在授予条件方案设计中：根据公司自身属性，提供要素分析，比如分析市场在授予条件上的分布，从是否设置财务授予条件、财务授予条件设置情况维度进行要素分析。用户参考该要素分析完成二次交互输入后，在界面上生成对应的授予条件方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
92.在归属条件方案设计中：根据公司自身属性，提供要素分析，比如分析市场在归属条件上的分布，从公司考核指标选取情况、公司考核指标选取个数、个人考核方法、个人考核典型案例进行要素分析。用户参考该要素分析完成二次交互输入后，在界面上生成对应的归属条件方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
93.在异动处理方案设计中：根据公司自身属性，提供要素分析，比如根据合规要求，
从职务变更、离职、退休等层面为上市公司提供异动说明维护。用户参考该要素分析完成二次交互输入后，在界面上生成对应的异动处理方案设计。此时，在提示项的展开页面中同时输出阈值提醒以及与权益工具相关的规范性法规。
94.整体生成股权激励方案报告：根据预设模板整合以上所有维度方案设计生成股权激励方案报告。本实施例中，服务器根据上述环节的业务数据，为上市公司生成一份完整的股权激励方案概览，包括权益工具、权益来源、激励人数及股数、激励价格、时间安排、摊销测算、授予条件、归属条件、异动处理情况。并可通过导出功能为上市公司出具一套完成的股权激励设计方案。
95.系统实施例
96.请参考图5以及图6，本实施例的基于人工智能的股权激励方案生成系统包括至少一操作终端以及连接该至少一操作终端并进行数据通信的服务器1。改操作终端可以是pc终端2或者移动终端3，以下以终端2为例加以介绍。
97.终端2作为用户与该服务器1的显示和交互界面，转发交互数据以及展示方案内容。
98.请参考图5，除了预先设置的数据库模块之外，该服务器还包括设置模块10、第一接收模块11、第一分析模块12、第二接收模块13、第二分析模块14以及整合模块15。
99.该设置模块10用于设置股权激励方案报告的数据维度。该第一接收模块11用于接收用户输入的包括上市公司属性交互数据。该第一分析模块12用于根据该属性交互数据为当前数据维度输出基于业务处理模型与案例库处理模型的大数据要素分析。该第二接收模块13用于接收用户基于该要素分析输入的与数据维度相关的维度交互数据。该第二分析模块14用于结合合规阈值和法律条文，生成与当前数据维度对应的维度方案设计。该整合模块15用于根据预设模板整合所有维度方案设计生成股权激励方案报告。
100.该服务器1还包括数据库模块，该数据库模块包括自然语言语义分析模块17、特征提取模块18以及大数据引擎模块19。
101.如图6所示，该终端包括第一交互模块21、第一展示模块22、第二交互模块23、第二展示模块24以及第三展示模块25。
102.该第一交互模块21用于接收用户输入的公司属性交互数据。该第一展示模块22用于在界面上展示根据该属性交互数据反馈的根据当前数据维度基于业务处理模型与案例库处理模型生成的大数据要素分析。该第二交互模块23用于接收用户基于该要素分析输入的与数据维度相关的维度交互数据。该第二展示模块24用于接收和展示根据合规阈值和法律条文生成的与当前数据维度对应的维度方案设计。该第三展示模块25用于接收和展示根据预设模板整合所有维度方案设计的股权激励方案报告。
103.图8是本技术实施例终端设备的结构示意图。如图8所示，该实施例的终端设备600包括：一个或多个处理器601(图中仅示出一个主处理器)、存储器602以及存储在所述存储器602中并可在所述处理器601上运行的计算机程序604。所述处理器601执行所述计算机程序604时实现上述基于人工智能的股权激励方案生成方法实施例中的步骤。
104.所述终端设备600可以是人工智能终端、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，图8仅仅是终端设备600的示例，并不构成对终端设备600的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的
部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
105.所称处理器601可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
106.所述存储器602可以是所述终端设备600的内部存储单元，例如终端设备600的硬盘或内存。所述存储器602也可以是所述终端设备600的扩展内存设备，例如所述终端设备600上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器602还可以既包括所述终端设备600的内部存储单元也包括扩展内存608。
107.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，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单元、模块完成，即将所述处理器或者编译器的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
108.以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。