(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680935.5 (22)申请日 2021.12.3 0 (71)申请人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 余超　张家鑫　骆伟祺　周颖　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 颜希文 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 40/06(2012.01) (54)发明名称 一种数据分配权重的预测方法、 装置、 设备 及存储介质 (57)摘要 本发明公开了一种数据分配权重的预测方 法、 装置、 设备及存储介质， 通过 获取历史市场信 息数据， 对历史市场信息数据进行预处理， 生成 专家经验数据， 并将专家经验数据存储到第一缓 存表中； 设置第一网络模型， 通过获取当前市场 信息数据， 以使第一网络模型输出当前市场信息 数据的资产分配权重， 得到当前经验数据， 将当 前经验数据存储到第二缓存表中； 按照预设的权 重比例， 分别采集第一缓存表和第二缓存表对应 的经验数据， 并根据经验数据， 对第一网络模型 进行更新， 获取最优第一网络模型， 以使最优第 一网络模型输出最优资产分配权重。 与现有技术 相比， 本发明通过设置两个经验数据缓存表， 实 现对网络模 型进行更新训练， 提高对 数据预测的 准确性。 权利要求书2页 说明书9页 附图1页 CN 114266418 A 2022.04.01 CN 114266418 A 1.一种数据分配权 重的预测方法， 其特 征在于， 包括： 获取历史市场信 息数据， 对所述历史市场信 息数据进行预处理， 生成专家经验数据， 并 将所述专 家经验数据存 储到第一缓存表中； 设置第一网络模型， 通过获取当前市场信息数据， 以使所述第一网络模型输出所述当 前市场信息数据的资产分配权重， 并根据所述资产分配权重， 得到 当前经验数据， 将所述当 前经验数据存 储到第二缓存表中； 按照预设的权重比例， 分别采集所述第一缓存表和所述第二缓存表对应的经验数据， 并根据所述经验数据， 对所述第一网络模型进行更新， 获取最优第一网络模型， 以使 所述最 优第一网络模型输出最优资产分配权 重。 2.如权利要求1所述的一种数据分配权重的预测方法， 其特征在于， 所述按照预设的权 重比例， 分别采集所述第一缓存表和所述第二缓存表对应的经验数据， 并根据所述经验数 据， 对所述第一网络模型进行 更新， 具体为： 设置第二网络模型， 根据采集的所述第 一缓存表的专家经验数据和所述第 二缓存表的 当前经验数据， 生成所述第一缓存表对应的第一损失函数和所述第二缓存表对应的第二损 失函数； 按照预设的权重比例， 结合所述第一损 失函数和所述第二损 失函数， 生成所述第二网 络模型的损失函数， 计算并根据所述第二网络模型 的最小化损失函数， 更新所述第二网络 模型； 根据更新后的所述第二网络模型， 得到所述第一网络模型的损 失函数， 计算并根据所 述第一网络模型的最小化损失函数， 更新所述第一网络模型。 3.如权利要求1所述的一种数据分配权重的预测方法， 其特征在于， 所述获取历史市场 信息数据， 对所述历史市场信息数据进行 预处理， 生成专 家经验数据， 具体为： 获取历史市场信息数据， 并将所述历史市场信息数据划分为训练集和 测试集； 基于智能体对所述训练集对应的历史市场信 息数据进行观测， 并结合金融技术指标参 数， 获取所述训练集对应的历史市场信息数据中的历史最优资产分配权重， 并根据所述历 史最优资产分配权 重， 生成专 家经验数据。 4.如权利要求1所述的一种数据分配权重的预测方法， 其特征在于， 所述通过获取当前 市场信息数据， 以使所述第一网络模型输出所述当前市场信息数据的资产分配权重， 并根 据所述资产分配权 重， 得到当前 经验数据， 具体为： 获取当前市场信息数据， 将所述当前市场信息数据作为所述第一网络模型的输入， 以 使所述第一网络模型输出 所述当前市场信息数据的资产分配权 重； 并基于当前市场信息数据， 根据资产分配权重， 对当前资产分配权重的奖励数据及下 一个市场信息数据进行 预测， 根据预测结果， 生成当前 经验数据。 5.一种数据分配权重的预测装置， 其特征在于， 包括： 第一缓存模块、 第二缓存模块和 网络模型训练模块； 其中， 所述第 一缓存模块， 用于获取历史市场信息数据， 对所述历史市场信息数据进行 预处理， 生成专 家经验数据， 并将所述专 家经验数据存 储到第一缓存表中； 所述第二缓存模块， 用于设置第 一网络模型， 通过获取当前市场信 息数据， 以使所述第 一网络模型输出所述当前市场信息数据的资产分配权重， 并根据所述资产分配权重， 得到权　利　要　求　书 1/2 页 2 CN 114266418 A 2当前经验数据， 将所述当前 经验数据存 储到第二缓存表中； 所述网络模型训练模块， 用于按照预设的权重比例， 分别采集所述第一缓存表和所述 第二缓存表对应的经验数据， 并根据所述经验数据， 对所述第一网络模型进行更新， 获取最 优第一网络模型， 以使所述 最优第一网络模型输出最优资产分配权 重。 6.如权利要求5所述的一种数据分配权重的预测装置， 其特征在于， 所述网络模型训练 模块用于按照预设的权重比例， 分别采集所述第一缓存表和所述第二缓存表对应的经验数 据， 并根据所述经验数据， 对所述第一网络模型进行 更新， 具体为： 设置第二网络模型， 根据采集的所述第 一缓存表的专家经验数据和所述第 二缓存表的 当前经验数据， 生成所述第一缓存表对应的第一损失函数和所述第二缓存表对应的第二损 失函数； 按照预设的权重比例， 结合所述第一损 失函数和所述第二损 失函数， 生成所述第二网 络模型的损失函数， 计算并根据所述第二网络模型 的最小化损失函数， 更新所述第二网络 模型； 根据更新后的所述第二网络模型， 得到所述第一网络模型的损 失函数， 计算并根据所 述第一网络模型的最小化损失函数， 更新所述第一网络模型。 7.如权利要求5所述的一种数据分配权重的预测装置， 其特征在于， 所述第 一缓存模块 用于获取历史市场信息数据， 对 所述历史市场信息数据进行预 处理， 生成专家经验数据， 具 体为： 获取历史市场信息数据， 并将所述历史市场信息数据划分为训练集和 测试集； 基于智能体对所述训练集对应的历史市场信 息数据进行观测， 并结合金融技术指标参 数， 获取所述训练集对应的历史市场信息数据中的历史最优资产分配权重， 并根据所述历 史最优资产分配权 重， 生成专 家经验数据。 8.如权利要求5所述的一种数据分配权重的预测装置， 其特征在于， 所述第 二缓存模块 用于通过获取当前市场信息数据， 以使所述第一网络模型输出所述当前市场信息数据的资 产分配权 重， 并根据所述资产分配权 重， 得到当前 经验数据， 具体为： 获取当前市场信息数据， 将所述当前市场信息数据作为所述第一网络模型的输入， 以 使所述第一网络模型输出 所述当前市场信息数据的资产分配权 重； 并基于当前市场信息数据， 根据资产分配权重， 对当前资产分配权重的奖励数据及下 一个市场信息数据进行 预测， 根据预测结果， 生成当前 经验数据。 9.一种终端设备， 其特征在于， 包括处理器、 存储器以及存储在所述存储器中且被配置 为由所述处理器执行 的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求1 至4任意一项所述的数据分配权 重的预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的计算 机程序， 其中， 在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权 利要求1至4中任意 一项所述的数据分配权 重的预测方法。权　利　要　求　书 2/2 页 3 CN 114266418 A 3