基于大数据的债券风险信息处理方法及相关设备与流程

1.本技术涉及大数据技术领域，具体而言，涉及一种基于大数据的债券风险信息处理方法及相关设备。


背景技术：

2.债券作为一类重要的投资工具。客户在投资债券时，可能会获得收益，也可能会承担一定交易风险。其中，交易债券的风险包括但不限于：信贷风险、流动性风险、货币风险、利率风险以及市场风险等。若客户选择投资高息债券或某些别具特点及风险的债券时，会承受更高的风险。例如，若债券发生违约，客户甚至可能会损失本金。因此有必要在客户进行交易前，让其了解债券产品的特点和需要承担的风险程度。现有技术对债券进行风险评估所用到的数据过于单一，分析得到的风险值误差较大，进而导致风险提示误差，进而造成债券交易过程中的数据展示不全面的问题。


技术实现要素：

3.为解决上述技术问题，本技术的实施例提供了一种基于大数据的债券风险信息处理方法及相关设备。
4.根据本技术实施例的一个方面，提供了一种基于大数据的债券风险信息处理方法，包括：对目标债券对应的发行对象的风险信息进行分词处理，得到对应的多个实词，风险信息包括发行对象对应的财务信息、信用信息和历史违约信息；基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量，关键词表包括多个与预设的风险事件相关的关键词，其中，重要程度参数用于表示对应目标实词对于风险信息的重要程度；将特征向量与预设的风险事件库中的风险事件进行匹配，得到与特征向量相匹配的目标风险事件，风险事件库中包括多个风险事件；基于目标风险事件进行风险提示。
5.根据本技术实施例的一个方面，提供了基于大数据的债券风险信息处理装置，包括：分词处理模块，用于对目标债券对应的发行对象的风险信息进行分词处理，得到对应的多个实词，风险信息包括发行对象对应的财务信息、信用信息和历史违约信息；确定模块，用于基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量，关键词表包括多个与预设的风险事件相关的关键词，其中，重要程度参数用于表示对应目标实词对于风险信息的重要程度；匹配模块，用于将特征向量与预设的风险事件库中的风险事件进行匹配，得到与特征向量相匹配的目标风险事件，风险事件库中包括多个风险事件；风险提示模块，用于基于目标风险事件进行风险提示。
6.在一个示例性实施例中，确定模块包括匹配单元、确定单元以及特征向量获取单元，其中，匹配单元用于将各个实词分别与关键词表进行匹配，得到目标实词；确定单元用于确定各个目标实词的重要程度参数；特征向量获取单元用于将由各个目标实词的重要程度参数组成的向量作为特征向量。
7.在一个示例性实施例中，本实施例提供的基于大数据的债券风险信息处理装置还
包括计算模块，其中，计算模块用于将目标匹配度作为目标风险事件对应的风险事件评分值的权重，计算目标风险事件的风险事件评分值的加权和，将加权和作为目标债券的风险评分值，目标匹配度为目标风险事件与特征向量之间的匹配度。风险事件库中包括每个风险事件对应的风险事件评分值。
8.在一个示例性实施例中，风险提示模块包括响应单元和加载单元，其中，响应单元用于响应于债券交易页面中触发的针对目标债券的第一操作指令，获取目标风险事件以及风险评分值；加载单元用于将目标风险事件以及风险评分值加载于债券交易页面。
9.在一个示例性实施例中，加载单元还用于将目标债券的风险等级、目标风险事件、风险评分值与目标债券进行关联，将关联之后的风险等级、目标风险事件、风险评分值加载于债券交易页面，风险等级基于风险评分值确定。
10.在一个示例性实施例中，加载单元还用于将风险等级、目标风险事件、风险评分值与目标债券带入预先生成的风险提示字段模板，得到对应的风险提示字段。
11.在一个示例性实施例中，本实施例提供的基于大数据的债券风险信息处理装置还包括响应模块，用于响应于债券交易页面中触发的针对债券资讯链接的第二操作指令，加载债券资讯链接所对应的资讯页面，资讯页面用于展示风险信息，其中，目标债券关联针对目标债券的债券资讯链接。
12.根据本技术实施例的一个方面，提供了一种电子设备，包括处理器及存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时实现如上的基于大数据的债券风险信息处理方法。
13.根据本技术实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当计算机可读指令被计算机的处理器执行时，使计算机执行如前提供的基于大数据的债券风险信息处理方法。
14.根据本技术实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实施例中提供的基于大数据的债券风险信息处理方法。
15.在本技术的实施例提供的技术方案中，对目标债券对应的发行对象的风险信息进行分词处理，得到对应的多个实词，风险信息包括发行对象对应的财务信息、信用信息和历史违约信息；基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量，关键词表包括多个与预设的风险事件相关的关键词，其中，重要程度参数用于表示对应目标实词对于风险信息的重要程度；将特征向量与预设的风险事件库中的风险事件进行匹配，得到与特征向量相匹配的目标风险事件，风险事件库中包括多个风险事件；基于目标风险事件进行风险提示。本实施例基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量，上述方式可以充分提取风险信息中的语义信息，进而能够更加准确地提取风险信息中的特征，使得到的风险信息对应的特征向量更加准确，并提取与风险事件相关的信息，避免浪费不必要的算力资源，提高基于债券信息进行大数据风险评估的效率；另外，本实施例从更小粒度出发分析风险信息可能存在的风险事件，基于风险事件进行风险提示，使得用户能够更加明确债券产品带来的风险。
16.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
17.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术者来讲，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。在附图中：
18.图1是本技术的一示例性实施例示出的基于大数据的债券风险信息处理方法的流程图；
19.图2是一示例性实施例示出的由债券交易页面跳转至资讯页面的示意图；
20.图3是一示例性实施例示出的债券的风险提示方法的流程图；
21.图4是本技术一示例性实施例示出的基于大数据的债券风险信息处理装置的框图；
22.图5示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
23.这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
24.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
25.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
26.还需要说明的是：在本技术中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
27.需要说明的是，本技术实施例中所涉及的网元还可以称为功能或功能实体，本技术不做限制。例如，接入与移动性管理功能网元还可以称为接入与移动性管理功能或接入与移动性管理功能实体，会话管理功能网元可以称为会话管理功能或会话管理功能实体等。各个网元的名称在本技术中不做限定，本领域技术人员可以将上述网元的名称更换为其它名称而执行相同的功能，均属于本技术保护的范围。
28.为了更好的理解及说明本技术实施例的方案，下面对本技术实施例中所涉及到的技术用语进行简单说明。
29.首先说明的是，大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化
能力的海量、高增长率和多样化的信息资产。随着云时代的来临，大数据也吸引了越来越多的关注，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。具体的，随着人们的经济水平不断提高，投资理财成为了人们的主流理财方式。而债券作为其中的一种投资理财方式，也得到了相当多的关注，特别是基于大数据的投资理财方式。但基于大数据的投资债券可能会获得收益，也可能会承担一定交易风险，因此，为了使客户了解债券产品的特点和需要承担的风险，基于大数据的债券交易风险的评估与提示尤为重要。
30.债券违约是指债券发行主体不能按照事先达成的债券协议履行其义务的行为，近年来高发的债券违约现象给个人和机构投资者敲响了警钟，因此针对可能会造成债券违约的风险识别显得极为重要。传统的智能债券分析工具，往往只能提供债券的财务数据浏览和简单的信用评级功能，信息内容单一，投资者无法从所提供的财务数据以及信用评级中获取债券的直观评价，且难以实现对债券违约风险点的全面跟踪把控。
31.请参阅图1，图1是本技术的一示例性实施例示出的基于大数据的债券风险信息处理方法的流程图。本实施例中基于大数据的债券风险信息处理方法可以应用于债券风险提示装置，本技术的债券风险提示装置可以为服务器，也可以为移动设备，还可以为由服务器和移动设备相互配合的系统。相应地，移动设备包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以全部设置于移动设备中，还可以分别设置于服务器和移动设备中。
32.进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
33.可以理解的是，在本技术的具体实施方式中，涉及到债券交易、用户数据等相关的数据，当本技术以上实施例运用到具体产品或技术中时，需要获得用户许可同意或者授权，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
34.如图1所示，在一示例性的实施例中，基于大数据的债券交易风险提示方法至少包括步骤s101－步骤s104，详细介绍如下：
35.步骤s101：对目标债券对应的发行对象的风险信息进行分词处理，得到对应的多个实词。
36.在本实施例中，风险信息为可能造成债券违约的信息，风险信息包括发行对象对应的财务信息、信用信息和历史违约信息。由于债券的风险来源通常与其发行对象息息相关，因此，本实施例通过分析发行对象的风险信息对目标债券进行风险评估。
37.例如，发行对象在预设时间段内的发生的违约事件的次数，在本实施例中，违约事件可以是针对目标债券的，也可以是针对发行对象的其他债券的，在此不做具体限定。风险信息还包括发行对象的财务状况、征信信息、第三方信用评级报告或者研究报告等。
38.示例性地，本实施例可以从公开渠道获得企业的财务数据和评级机构评级数据，并进行储存，如果存在空值，则也将其储存为空值；其中，财务信息包括企业经营情况、企业偿债能力、企业负债情况，企业经营情况进一步包括销售毛利率、营业净利率，企业偿债能
力进一步包括短期负债、速动比率、经营性现金流/有息负债，企业负债情况进一步包括资产负债率、合并报表经调整的资产负债率、母公司经调整的资产负债率；评级机构数据包括评级机构当期评级、评级机构评级展望；合并报表经调整的资产负债率＝合并报表中的经调整的负债合计/经调整的资产合计；母公司经调整的资产负债率＝母公司报表中的经调整的负债合计/经调整的资产合计。
39.分词就是将连续的字序列按照一定的规范重新组合成语义独立词序列的过程。分词是自然语言处理的基础，分词准确度直接决定了后面的词性标注、句法分析、词向量以及文本分析的质量，本实施例可以通过中文分词算法对文本进行分词，对于具体的分词过程在此不做过多叙述。
40.示例性地，通过步骤s601-步骤s602对风险信息进行分词处理，详细叙述如下：
41.步骤s601：对风险信息对应的文档字符串进行分割，得到多个长度不一的字符串。
42.本实施例根据字符串中包括的字符个数对风险信息对应的文档字符串进行分割，例如，风险信息“目前承压的恒大所面临的市场情绪化进一步恶化”，对该风险信息对应的文档字符串进行分割，得到的包括一个字符的字符串包括“目”“压”“的”“场”“情”“绪”“化”“进”“化”等，包括两个字符的字符串包括“目前”“前承”“承压”“压的”“的恒”“恒大”“大所”“所面”“市场”等，包括三个字符的字符串包括“目前承”“前承压”“承压的”“情绪化”“进一步”“市场情”等，包括四个字符的字符串包括“前承压的”“所面临的”等，包括五个字符的字符串包括“市场情绪化”“进一步恶化
”……
，由于实词的个数最多不超过五个字符，因此，本实施例在对风险信息对应的文档字符串进行分割时，设置字符串包括的字符不超过5，能够节省算力资源和加快分词效率。
43.步骤s602：将各个字符串分别与预设的词典进行匹配，若能匹配上，确定对应字符串为一个实词。
44.示例性地，本实施例将各个字符串分别与通用语文词典进行匹配，若能匹配上，确定对应字符串为一个实词。
45.通用语文词典收录语言中常用的主要词汇，适合于不同阶层的读者在语言学习过程中使用，例如学者、处于各个学习阶段的学生、语言教师或者家庭主妇等。通用语文词典面向整个大众读者群收录各行各业有代表性的常用词汇，通用语文词典所收录词汇相较其他专用词典更全更多。
46.示例性地，对分词处理之后得到的实词进行去停用词处理，去除无含义的语气词、副词、特殊符号和标点符号，例如，将“的”这一实词删除，以为后续处理过程节约算力资源。
47.步骤s102：基于与预设的关键词表匹配的目标实词的重要程度参数确定风险信息的特征向量。
48.在本实施例中，预先配置多个风险事件，风险事件是指债券产品可能发生的违约事件。本实施例可以基于债券产品的历史违约信息确定多个风险事件，例如，基于机器学习的方式确定风险事件。在本实施例中，风险事件包括财务类、法律类、资本类以及经营类等风险事件，例如，财务类风险事件包括资本结构变动、流动性差以及业绩亏损等标签。
49.本实施例基于风险事件预先构建关键词表，关键词表中包括多个与预设的风险事件相关的关键词。与风险事件相关的关键词是对应风险事件的特征标识，比如风险事件“流动性差”对应的关键词包括“流动性”、“差”等等。
50.本实施例考虑到由风险信息分词得来的实词包括与对应风险事件相关的，例如，“流动性”，也包括与对应风险事件不相关的，例如，一些标点符号、连接词等等，还包括与风险事件部分相关的，本实施例基于关键词表对由风险事件分词得来的多个实词进行筛选以确定可以作为用于构建风险信息的特征向量的目标实词，进而加快风险评估效率，避免浪费不必要的算力资源。
51.示例性地，本实施例可以基于步骤s501－步骤s503实现，详细叙述如下：
52.步骤s501：将各个实词分别与关键词表进行匹配，得到与关键词表匹配的目标实词。
53.本实施例首先确定与关键词表匹配的实词，示例性地，可以直接将每个实词与关键词表进行对比，若在关键词表中能找出与对应实词相同的关键词，则确定对应实词与关键词表匹配。
54.考虑到实词与关键词表中的关键词在不完全相同的情况下，也可能存在比较强的语义相关关系，例如“流动性”和“流通性”。示例性地，本实施例通过计算每个实词与关键词之间的相关度，若相关度大于预设阈值，则确定对应实词和对应关键词匹配。若得到的相关度小于预设阈值，若确定对应实词与关键词表不匹配，说明对应实词对用户的特征贡献不大，因此在确定特征向量时，将这类实词舍去，本实施例通过上述方式，能够充分提取风险信息中的语义信息，进而能够更加准确地提取风险信息中的特征，使得到的风险信息对应的特征向量更加准确。
55.步骤s502：确定各个目标实词的重要程度参数。
56.在本实施例中，目标实词的重要程度参数用于表示对应目标实词对于风险信息的重要程度。
57.示例性地，本实施例可以通过以下公式确定目标实词的重要程度参数：
[0058][0059]
其中，w
x，y
表示目标实词x在风险信息y中对应的重要程度参数，tf
x，y
表示目标实词x在风险信息y中出现的频率，n表示风险信息y中包括的文本总数，df
x
表示文本总数n中包括目标实词x的文本数目。
[0060]
本技术发明人考虑到，由于实词的重要性随其在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降，因此，本实施例将tf
x，y
这一参数置于公式的分子位置，表征目标实词的重要程度参数与目标实词x在风险信息y中出现的频率成正比；将df
x
这一参数置于公式的分母为孩子自，表征目标实词的重要程度参数的大小与文本总数n中包括目标实词x的文本数目成反比，通过上述公式求得的实词的重要程度参数更加准确。
[0061]
步骤s503：将由各个目标实词的重要程度参数组成的向量作为特征向量。
[0062]
示例性地，按照与目标实词相匹配的关键词在关键词表中的顺序排列各个目标实词的重要程度参数，从而得到特征向量。
[0063]
示例性地，统一风险信息对应的特征向量的维度，示例性地，预先设置风险信息对应的特征向量的维度等于关键词表中包括的关键词的数目，按照关键词表中包括的关键词的排列顺序对目标实词对应的重要程度参数进行排序，从而得到特征向量，其中，在风险信
息对应的目标实词的数目小于关键词表中包括的关键词的数目时，将没有目标实词与其对应的关键词的位置处设置特征向量的元素为0。
[0064]
步骤s103：将特征向量与预设的风险事件库中的风险事件进行匹配，得到与特征向量相匹配的目标风险事件。
[0065]
在本实施例中，风险事件库中包括不同风险事件类型的风险事件。本步骤中，服务器可以预先将已知的违约债券作为例子，对违约债券的舆情信息进行分析，得到不同风险事件。
[0066]
示例性地，基于文本提取算法确定每个风险事件对应的特征向量。具体地，获取多个风险事件对应的标签风险信息，对标签风险信息进行分词处理，统计得到的多个实词对应的重要程度参数，基于多个实词对应的重要程度参数构建风险事件对应的特征向量。
[0067]
示例性地，本实施例将风险信息对应的特征向量分别与每个风险事件对应的特征向量进行匹配，基于得到的匹配结果确定与特征向量相匹配的目标风险事件。示例性地，本实施例计算风险信息对应的特征向量分别与每个风险事件对应的特征向量之间的相关度，将相关度大于预设阈值对应的风险事件作为目标风险事件。可以理解的是，目标风险事件可以根据实际应用场景的不同为一个或者多个。
[0068]
步骤s104：基于目标风险事件进行风险提示。
[0069]
本实施例提供的基于大数据的债券风险信息处理方法，对目标债券对应的发行对象的风险信息进行分词处理，得到对应的多个实词，风险信息包括发行对象对应的财务信息、信用信息和历史违约信息；基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量，关键词表包括多个与预设的风险事件相关的关键词，其中，重要程度参数用于表示对应目标实词对于风险信息的重要程度；将特征向量与预设的风险事件库中的风险事件进行匹配，得到与特征向量相匹配的目标风险事件，风险事件库中包括多个风险事件；基于目标风险事件进行风险提示。本实施例基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量，上述方式可以充分提取风险信息中的语义信息，进而能够更加准确地提取风险信息中的特征，使得到的风险信息对应的特征向量更加准确，并提取与风险事件相关的信息，避免浪费不必要的算力资源，提高基于债券信息进行大数据风险评估的效率；另外，本实施例从更小粒度出发分析风险信息可能存在的风险事件，基于风险事件进行风险提示，使得用户能够更加明确债券产品带来的风险。
[0070]
示例性地，风险事件库中包括每个风险事件对应的风险事件评分值。
[0071]
示例性地，统计发行对象的各历史违约债券的风险事件出现的次数，生成风险事件矩阵，根据风险事件矩阵计算各风险事件出现的概率值，根据各风险事件的概率值确定各风险事件的风险事件评分值。
[0072]
例如，从各个历史违约债券的新闻语料数据中获得风险事件后，获取所有历史违约债券对应的风险事件，去除重复的风险事件，得到风险事件表，统计每个历史违约债券对应的风险事件中，在风险事件表中对应风险事件出现的次数，生成风险事件矩阵，在获得风险事件矩阵后，计算在债券为违约债券的情况下，各风险事件出现的概率值，将获得的概率值量化为各个风险事件对应的风险事件评分值，例如，风险事件“流动性差”出现的概率值为80％至89％，则该风险事件对应的风险事件评分值设置为8。通过统计历史违约债券的风险事件出现的次数，根据风险事件出现的次数计算债券违约事件发生的情况下，风险事件
出现的概率，进而确定各风险事件的风险事件评分值，实现根据风险事件与违约债券的关联程度设置风险事件的风险事件评分值，提高风险事件评分值的准确性，在后续进行目标债券的违约风险识别的过程中，提高了目标债券违约风险等级的准确性。
[0073]
示例性地，将目标匹配度作为目标风险事件对应的风险事件评分值的权重，计算目标风险事件的风险事件评分值的加权和，将加权和作为目标债券的风险评分值。可以理解的是，若目标风险事件为一个，则直接将目标风险事件对应的风险事件评分值和目标匹配度相乘，得到风险评分值，若目标风险事件为多个，则计算多个目标风险事件对应的风险事件评分值的加权和。
[0074]
在本实施例中，目标匹配度为目标风险事件与特征向量之间的匹配度。本实施例可以通过多种方式确定目标风险事件与特征向量之间的匹配度，例如，将目标风险事件与特征向量之间的欧氏距离或者余弦值作为目标风险事件与特征向量之间的匹配度。
[0075]
本实施例将目标风险事件与特征向量之间的匹配度作为目标风险事件对应的风险事件评分值的权重，确定对应目标风险事件对目标债券的风险评估的贡献，能够更加准确地确定目标债券的风险评分值。
[0076]
现有技术中，债券交易平台上虽然有提示债券风险的功能，但其罗列债券风险的描述繁琐，通篇没有重点提示，不利于客户快速了解对应债券产品的特点和需要承担的风险，造成信息利用率低的问题。
[0077]
在一个示例性实施例中，步骤s104包括步骤s201－步骤s202，详细叙述如下：
[0078]
步骤s201：响应于债券交易页面中触发的针对目标债券的第一操作指令，获取目标风险事件以及风险评分值。
[0079]
债券交易页面是指债券风险提示装置中用于显示或展现债券及债券相关信息的交互界面。例如，可以是移动终端的触控屏界面等。债券交易页面显示有个债券信息，客户根据自身的需要从债券交易页面上触发针对用户想要了解的债券的第一操作指令，其中，第一操作指令包括但不限于长按、点击、双击、拖动。
[0080]
步骤s202：将目标风险事件以及风险评分值加载于债券交易页面。
[0081]
示例性地，本实施例提供的风险提示方法还包括步骤s301至步骤s302，详细叙述如下：
[0082]
步骤s301：基于风险评分值确定目标债券对应的风险等级。
[0083]
预先设置多个风险等级以及每个风险等级对应的风险评分区间，例如，风险等级包括低风险等级、中风险等级、高风险等级以及最高风险等级，其中，低风险等级对应的风险评估区间为[0，0.2)，中风险等级对应的风险评估区间为[0.2，0.5)，高风险等级对应的风险评估区间为[0.5，0.8)，最高风险等级对应的风险评估区间为[0.8，1]。
[0084]
本实施例将目标债券的风险评分值和每个风险等级对应的风险评分区间进行匹配，即可确定目标债券的风险等级。
[0085]
步骤s302：将风险等级、目标风险事件、风险评分值与目标债券进行关联，将关联之后的风险等级、目标风险事件、风险评分值加载于债券交易页面。
[0086]
本实施例考虑到若将风险等级、目标风险事件、风险评分值与目标债券单独加载于债券交易页面，则可能无法明确为用户指示目标债券可能带来的风险，例如，若风险等级、目标风险事件、风险评分值在债券交易页面的位置相距较远，也没有相应的解释字段用
于解释它们之间的关系，则用户不易看出目标债券的风险事件、风险评分值以及风险等级。基于此，本实施例将风险等级与目标风险事件以及风险评分值与目标债券进行关联，使得用户对目标债券带来的风险一目了然，避免给用户的债券交易过程带来误导，提高用户体验。
[0087]
示例性地，构建风险关联表格，风险关联表格以债券种类为标题列，风险关联表格中包括债券交易页面中展示的多个债券产品，以及每个债券产品对应的风险事件、风险评分值以及风险等级。其中，多个债券产品对应的风险事件、风险评分值以及风险等级分别占风险关联表格的一列，每个债券产品对应的风险事件、风险评分值以及风险等级占据风险关联表格的一行。
[0088]
示例性地，预先生成的风险提示字段模板，其中，风险提示字段模板包括四个待带入的参量，即，目标债券、风险事件、风险评分值以及风险等级，例如，风险提示字段模板为“目标债券可能发生的风险事件包括目标风险事件，发生的概率为风险评分值，风险等级为目标风险等级。”在实际应用场景中，将目标债券的代号或者名称、具体风险事件、具体风险评分值、具体风险等级带入上述风险提示字段模板，即可得到风险提示字段。例如，若目标风险事件为“流动性差”，风险评分值为80％，风险等级为最高风险等级，将目标风险事件、风险评分值以及风险等级与目标债券进行关联之后得到风险提示字段“目标债券流动性差，风险评分值为80％，风险等级为最高风险等级”，将“目标债券流动性差，风险评分值为80％，风险等级为最高风险等级”这一字段加载于债券交易页面。响应于债券交易页面中触发的针对目标债券的第一操作指令，将得到的风险提示字段加载与债券交易页面。
[0089]
在本实施例中，将目标债券对应的目标风险事件展示于债券交易页面，使得用户明确目标债券未来可能会发生的风险事件，以及发生该风险事件的可能性，针对目标债券的特点和需要承担的风险一目了然。
[0090]
示例性地，响应于债券交易页面中触发的针对债券资讯链接的第二操作指令，加载债券资讯链接所对应的资讯页面。考虑到部分用户存在进一步了解债券产品的风险信息的需求，本实施例为债券交易页面中展示的债券产品关联对应的债券资讯链接，在用户触发该债券资讯链接时，加载债券资讯链接所对应的资讯页面，进而为用户展示目标债券对应的风险信息。
[0091]
参阅图2，图2是一示例性实施例示出的由债券交易页面跳转至资讯页面的示意图，如图2所示，债券交易页面中包括多个债券产品，具体包括bbbb、aaaa、cccc、eeeee、fffff、ggggg等债券产品的编号，其中，为每个债券产品配置对应的交互按钮，在本实施例中，交互按钮为每个债券产品的编号右侧的“ ”符号，可以理解的是，还可以通过设置其他标识来为债券产品配置对应的交互按钮，在此不做具体限定。用户通过触发债券产品对应的交互按钮，即可触发针对债券资讯链接的第二操作指令，进而加载债券资讯链接所对应的资讯页面，以展示相关的风险提示信息。如图2所示，债券编号aaaaa对应的资讯页面中包括该债券产品的风险信息，用户通过资讯页面中显示的风险信息了解对应债券产品的风险情况。
[0092]
参阅图3，图3是一示例性实施例示出的债券的风险提示方法的流程图，如图3所示，本实施例涉及的债券的风险提示方法适用于风险提示系统，在本实施例中，风险提示系统包括用户、客户端、产品以及服务端，其中，本实施例提供的债券的风险提示方法包括步
骤1-步骤5，详细叙述如下；
[0093]
步骤1：配置高风险债券。
[0094]
在本实施例中，产品为债券交易平台，用户可以通过债券交易平台进行债券交易。示例性地，产品通过债券的信用风险、违约风险、清算风险等多种风险维度评估出高风险债券，并在服务端进行配置。
[0095]
在本实施例中，高风险债券是客户端显示的债券中，风险评分值大于预设阈值的债券，产品通过评估各个债券产品的风险评分值，确定高风险债券和低风险债券。
[0096]
步骤2：查看债券信息。
[0097]
在本实施例中，用户向客户端请求查看债券信息。债券信息表征对应目标债券是否为高风险债券。示例性地，用户向客户端发送查看请求，其中查看请求包括目标债券以及对应的债券信息。
[0098]
步骤3：请求债券信息。
[0099]
在本实施例中，客户端向服务端请求债券信息，客户端向服务端请求债券信息，示例性地，客户端将用户发送的查看请求转发至服务端，以使得服务端响应于查看请求目标债券的债券信息发挥至客户端。
[0100]
步骤4：返回债券信息。
[0101]
在本实施例中，服务端返回债券信息至客户端。
[0102]
步骤5：展示债券信息。
[0103]
在本实施例中，客户端向用户展示债券信息。示例性地，如果债券信息指示目标债券是高风险债券，客户端将会展示高风险提示标识或者高风险提示条。
[0104]
在本实施例中，客户端通过向用户展示债券信息，使得用户能够直观了解到目标债券的债券信息，也即，能够直观了解到目标债券是否为高风险债券，一方面能够避免用户盲目进行债券交易，导致不必要的亏损，另外，也能够避免用户在交易高风险产品后产生损失后，怪责平台方，有助于降低不必要的风险。
[0105]
参阅图4，图4是本技术一示例性实施例示出的基于大数据的债券风险信息处理装置的框图，如图4所示，基于大数据的债券风险信息处理装置400包括分词处理模块401、确定模块402、匹配模块403以及风险提示模块404。
[0106]
其中，分词处理模块401用于对目标债券对应的发行对象的风险信息进行分词处理，得到对应的多个实词，风险信息包括发行对象对应的财务信息、信用信息和历史违约信息；确定模块402用于基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量，关键词表包括多个与预设的风险事件相关的关键词；匹配模块403用于将特征向量与预设的风险事件库中的风险事件进行匹配，得到与特征向量相匹配的目标风险事件，风险事件库中包括多个风险事件；风险提示模块404用于基于目标风险事件进行风险提示。
[0107]
在另一示例性实施例中，确定模块402包括匹配单元、确定单元以及特征向量获取单元，其中，匹配单元用于将各个实词分别与关键词表进行匹配，得到目标实词；确定单元用于确定各个目标实词的重要程度参数；特征向量获取单元用于将由各个目标实词的重要程度参数组成的向量作为特征向量。
[0108]
在另一示例性实施例中，本实施例提供的基于大数据的债券风险信息处理装置400还包括计算模块，其中，计算模块用于将目标匹配度作为目标风险事件对应的风险事件
评分值的权重，计算目标风险事件的风险事件评分值的加权和，将加权和作为目标债券的风险评分值，目标匹配度为目标风险事件与特征向量之间的匹配度。风险事件库中包括每个风险事件对应的风险事件评分值。
[0109]
在另一示例性实施例中，风险提示模块404包括响应单元和加载单元，其中，响应单元用于响应于债券交易页面中触发的针对目标债券的第一操作指令，获取目标风险事件以及风险评分值；加载单元用于将目标风险事件以及风险评分值加载于债券交易页面。
[0110]
在另一示例性实施例中，加载单元还用于将目标债券的风险等级、目标风险事件、风险评分值与目标债券进行关联，将关联之后的风险等级、目标风险事件、风险评分值加载于债券交易页面，风险等级基于风险评分值确定。
[0111]
在另一示例性实施例中，加载单元还用于将风险等级、目标风险事件、风险评分值与目标债券带入预先生成的风险提示字段模板，得到对应的风险提示字段。
[0112]
在另一示例性实施例中，本实施例提供的基于大数据的债券风险信息处理装置400还包括标识增设模块，用于若确定风险等级为最高风险等级，则在债券交易页面显示目标债券时，在债券交易页面的预设位置处增加感叹号标识。
[0113]
在另一示例性实施例中，本实施例提供的基于大数据的债券风险信息处理装置400还包括响应模块，用于响应于债券交易页面中触发的针对债券资讯链接的第二操作指令，加载债券资讯链接所对应的资讯页面，资讯页面用于展示风险信息，其中，目标债券关联针对目标债券的债券资讯链接。
[0114]
需要说明的是，上述实施例所提供的装置与上述实施例所提供的方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。
[0115]
在另一示例性实施例中，本技术提供一种电子设备，包括处理器和存储器，其中，存储器上存储有计算机可读指令，该计算机可读指令被处理器执行时实现如前的基于大数据的债券风险信息处理方法。
[0116]
图5示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
[0117]
需要说明的是，图5示出的电子设备的计算机系统1000仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0118]
如图5所示，计算机系统1000包括中央处理单元(central processing unit，cpu)1001，其可以根据存储在只读存储器(read-only memory，rom)1002中的程序或者从存储部分1008加载到随机访问存储器(random access memory，ram)1003中的程序而执行各种适当的动作和处理，例如执行上述实施例中的信息推荐方法。在ram 1003中，还存储有系统操作所需的各种程序和数据。cpu 1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(input/output，i/o)接口1005也连接至总线1004。
[0119]
以下部件连接至i/o接口1005：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至i/o接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于
从其上读出的计算机程序根据需要被安装入存储部分1008。
[0120]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(cpu)1001执行时，执行本技术的系统中限定的各种功能。
[0121]
需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0122]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0123]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0124]
本技术的另一方面还提供了一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被处理器执行时实现如前实施例中任一项的基于大数据的债券风险信息处理方法。
[0125]
本技术的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设
备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的基于大数据的债券风险信息处理方法。
[0126]
需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0127]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0128]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0129]
上述内容，仅为本技术的较佳示例性实施例，并非用于限制本技术的实施方案，本领域普通技术人员根据本技术的主要构思和精神，可以十分方便地进行相应的变通或修改，故本技术的保护范围应以权利要求书所要求的保护范围为准。