本發明專利技術公開了一種基于區塊鏈技術的數字經濟監測方法及其系統，涉及智能化監測技術領域，其從區塊鏈結構提取待評估區域的經濟運行數字信息；基于區塊鏈技術，結合人工智能技術對數字經濟領域中待評估區域的經濟運行狀態進行評估，并判斷是否存在異常情況，以加強對數字經濟領域中的信息安全和穩定運行的保障。數字經濟領域中的信息安全和穩定運行的保障。數字經濟領域中的信息安全和穩定運行的保障。
【技術實現步驟摘要】
基于區塊鏈技術的數字經濟監測方法及其系統
[0001]本申請涉及智能化監測
，并且更具體地，涉及一種基于區塊鏈技術的數字經濟監測方法及其系統。
技術介紹
[0002]區塊鏈（Blockchain）是分布式數據存儲、點對點傳輸、共識機制、加密算法等計算機技術的新型應用模式。通俗來說，區塊鏈就是一個又一個區塊組成的鏈條，每一個區塊中保存了一定的信息，它們按照各自產生的時間順序連接成鏈條。由于區塊鏈具有去中心化、信息不可篡改、自治性等特性，區塊鏈越來越受到重視。
[0003]數字經濟，作為一個內涵比較寬泛的概念，凡是直接或間接利用數據來引導資源發揮作用，推動生產力發展的經濟形態都可以納入其范疇。在今天，數字經濟正處于蓬勃發展階段，與實體經濟的融合程度日益加深，對實體經濟的支撐作用愈加顯現。
[0004]現有技術中，政府部門、公共數據平臺和網絡平臺已存在采用區塊鏈技術進行數字經濟運行情況信息的存儲以防止信息被篡改。雖然通過區塊鏈技術能否防止信息被篡改，但現有的技術通常只能進行數據的簡單統計與展示，并不能對經濟運行狀態進行評估。
[0005]因此，期待一種基于區塊鏈技術的數字經濟監測方案。
技術實現思路
[0006]為了解決上述技術問題，提出了本申請。本申請提供了一種基于區塊鏈技術的數字經濟監測方法及其系統，其從區塊鏈結構提取待評估區域的經濟運行數字信息；基于區塊鏈技術，結合人工智能技術對數字經濟領域中待評估區域的經濟運行狀態進行評估，并判斷是否存在異常情況，以加強對數字經濟領域中的信息安全和穩定運行的保障。
[0007]第一方面，提供了一種基于區塊鏈技術的數字經濟監測方法，其包括：從區塊鏈結構提取待評估區域的經濟運行數字信息；對所述待評估區域的經濟運行數字信息進行預處理以得到預處理后經濟運行數字信息；提取所述預處理后經濟運行數字信息中的各個數據項的屬性文本描述和所述各個數據項的數值；將所述各個數據項的屬性文本描述通過詞嵌入層以得到多個數據項屬性詞嵌入向量，并將所述各個數據項的數值添加到所述各個數據項屬性詞嵌入向量的末尾以得到多個數據項詞嵌入向量；將所述多個數據項詞嵌入向量通過基于轉換器的上下文編碼器以得到全局語義理解特征向量；將所述全局語義理解特征向量通過分類器以得到分類結果，分類結果用于表示所述待評估區域的經濟運行狀態是否存在異常。
[0008]在上述基于區塊鏈技術的數字經濟監測方法中，將所述各個數據項的屬性文本描
述通過詞嵌入層以得到多個數據項屬性詞嵌入向量，并將所述各個數據項的數值添加到所述各個數據項屬性詞嵌入向量的末尾以得到多個數據項詞嵌入向量，包括：對所述各個數據項的屬性文本描述進行分詞處理以將所述各個數據項的屬性文本描述轉化為由多個詞組成的詞序列；將所述詞序列中的各個詞分別排列為一維輸入向量以得到多個一維輸入向量；以及，使用所述詞嵌入層對所述多個一維輸入向量中各個一維輸入向量進行全連接編碼以得到所述多個數據項屬性詞嵌入向量。
[0009]在上述基于區塊鏈技術的數字經濟監測方法中，將所述多個數據項詞嵌入向量基于轉換器的上下文編碼器以得到全局語義理解特征向量，包括：使用所述基于轉換器的上下文編碼器對所述多個數據項詞嵌入向量進行基于全局的上下文語義編碼以得到多個數據項全局特征向量；以及，將所述多個數據項全局特征向量進行級聯以得到所述全局語義理解特征向量。
[0010]在上述基于區塊鏈技術的數字經濟監測方法中，將所述全局語義理解特征向量通過分類器以得到分類結果，分類結果用于表示所述待評估區域的經濟運行狀態是否存在異常，包括：使用所述分類器的多個全連接層對所述全局語義理解特征向量進行全連接編碼以得到編碼分類特征向量；以及，將所述編碼分類特征向量通過所述分類器的Softmax分類函數以得到所述分類結果。
[0011]在上述基于區塊鏈技術的數字經濟監測方法中，還包括訓練步驟：對所述基于轉換器的上下文編碼器和所述分類器進行訓練；其中，所述訓練步驟，包括：獲取訓練數據，所述訓練數據包括：從區塊鏈結構提取待評估區域的訓練經濟運行數字信息，以及，所述待評估區域的經濟運行狀態是否存在異常的真實值；對所述待評估區域的訓練經濟運行數字信息進行預處理以得到訓練預處理后經濟運行數字信息；提取所述訓練預處理后經濟運行數字信息中的各個數據項的訓練屬性文本描述和所述各個數據項的訓練數值；將所述各個數據項的訓練屬性文本描述通過所述詞嵌入層以得到多個訓練數據項屬性詞嵌入向量，并將所述各個數據項的訓練數值添加到所述各個訓練數據項屬性詞嵌入向量的末尾以得到多個訓練數據項詞嵌入向量；將所述多個訓練數據項詞嵌入向量通過所述基于轉換器的上下文編碼器以得到訓練全局語義理解特征向量；對所述訓練全局語義理解特征向量進行耿貝爾正態周期性重參數化以得到優化全局語義理解特征向量；將所述優化全局語義理解特征向量通過分類器以得到分類損失函數值；以及，基于所述分類損失函數值和所述待評估區域的經濟運行狀態是否存在異常的真實值并通過梯度下降的方向傳播來對所述基于轉換器的上下文編碼器和所述分類器進行訓練。
[0012]在上述基于區塊鏈技術的數字經濟監測方法中，對所述訓練全局語義理解特征向量進行耿貝爾正態周期性重參數化以得到優化全局語義理解特征向量，包括：以如下優化公式對所述訓練全局語義理解特征向量進行耿貝爾正態周期性重參數化以得到優化全局語義理解特征向量；其中，所述優化公式為：；其中，表示所述訓練全局語義理解特征向量的各個位置的特征值，和分別是所述訓練全局語義理解特征向量的各個位置的特征值集合的均值和方差，表示以
2為底的對數函數，表示反正弦函數，表示反余弦函數，表示所述優化全局語義理解特征向量的各個位置的特征值。
[0013]第二方面，提供了一種基于區塊鏈技術的數字經濟監測系統，其包括：信息獲取模塊，用于從區塊鏈結構提取待評估區域的經濟運行數字信息；預處理模塊，用于對所述待評估區域的經濟運行數字信息進行預處理以得到預處理后經濟運行數字信息；數據提取模塊，用于提取所述預處理后經濟運行數字信息中的各個數據項的屬性文本描述和所述各個數據項的數值；詞嵌入模塊，用于將所述各個數據項的屬性文本描述通過詞嵌入層以得到多個數據項屬性詞嵌入向量，并將所述各個數據項的數值添加到所述各個數據項屬性詞嵌入向量的末尾以得到多個數據項詞嵌入向量；上下文編碼模塊，用于將所述多個數據項詞嵌入向量通過基于轉換器的上下文編碼器以得到全局語義理解特征向量；經濟運行狀態結果生成模塊，用于將所述全局語義理解特征向量通過分類器以得到分類結果，分類結果用于表示所述待評估區域的經濟運行狀態是否存在異常。
[0014]在上述基于區塊鏈技術的數字經濟監測系統中，所述詞嵌入模塊，包括：分詞處理單元，用于對所述各個數據項的屬性文本描述進行分詞處理以將所述各個數據項的屬性文本描述轉化為由多個詞組成的詞序列；向量展開單元，用于將所述詞序列中的各個詞分別排列為一維輸入向量以得到多個一維輸入向量；以及，編碼單元，用于使用所述詞嵌入層對所述多個一維輸入向量中本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于區塊鏈技術的數字經濟監測方法，其特征在于，包括：從區塊鏈結構提取待評估區域的經濟運行數字信息；對所述待評估區域的經濟運行數字信息進行預處理以得到預處理后經濟運行數字信息；提取所述預處理后經濟運行數字信息中的各個數據項的屬性文本描述和所述各個數據項的數值；將所述各個數據項的屬性文本描述通過詞嵌入層以得到多個數據項屬性詞嵌入向量，并將所述各個數據項的數值添加到所述各個數據項屬性詞嵌入向量的末尾以得到多個數據項詞嵌入向量；將所述多個數據項詞嵌入向量通過基于轉換器的上下文編碼器以得到全局語義理解特征向量；將所述全局語義理解特征向量通過分類器以得到分類結果，分類結果用于表示所述待評估區域的經濟運行狀態是否存在異常。2.根據權利要求1所述的基于區塊鏈技術的數字經濟監測方法，其特征在于，將所述各個數據項的屬性文本描述通過詞嵌入層以得到多個數據項屬性詞嵌入向量，并將所述各個數據項的數值添加到所述各個數據項屬性詞嵌入向量的末尾以得到多個數據項詞嵌入向量，包括：對所述各個數據項的屬性文本描述進行分詞處理以將所述各個數據項的屬性文本描述轉化為由多個詞組成的詞序列；將所述詞序列中的各個詞分別排列為一維輸入向量以得到多個一維輸入向量；使用所述詞嵌入層對所述多個一維輸入向量中各個一維輸入向量進行全連接編碼以得到所述多個數據項屬性詞嵌入向量。3.根據權利要求2所述的基于區塊鏈技術的數字經濟監測方法，其特征在于，將所述多個數據項詞嵌入向量基于轉換器的上下文編碼器以得到全局語義理解特征向量，包括：使用所述基于轉換器的上下文編碼器對所述多個數據項詞嵌入向量進行基于全局的上下文語義編碼以得到多個數據項全局特征向量；將所述多個數據項全局特征向量進行級聯以得到所述全局語義理解特征向量。4.根據權利要求3所述的基于區塊鏈技術的數字經濟監測方法，其特征在于，將所述全局語義理解特征向量通過分類器以得到分類結果，分類結果用于表示所述待評估區域的經濟運行狀態是否存在異常，包括：使用所述分類器的多個全連接層對所述全局語義理解特征向量進行全連接編碼以得到編碼分類特征向量；將所述編碼分類特征向量通過所述分類器的Softmax分類函數以得到所述分類結果。5.根據權利要求4所述的基于區塊鏈技術的數字經濟監測方法，其特征在于，還包括訓練步驟：對所述基于轉換器的上下文編碼器和所述分類器進行訓練；其中，所述訓練步驟，包括：獲取訓練數據，所述訓練數據包括：從區塊鏈結構提取待評估區域的訓練經濟運行數字信息，以及所述待評估區域的經濟運行狀態是否存在異常的真實值；對所述待評估區域的訓練經濟運行數字信息進行預處理以得到訓練預處理后經濟運
行數字信息；提取所述訓練預處理后經濟運行數字信息中的各個數據項的訓練屬性文本描述和所述各個數據項的訓練數值；將所述各個數據項的訓練屬性文本描述通過所述詞嵌入層以得到多個訓練數據項屬性詞嵌入向量，并將所述各個數據項的訓練數值添加到所述各個訓練數據項屬性詞嵌入向量的末尾以得到多個訓練數據項詞嵌入向量；將所述多個訓練數據項詞嵌入向量通過所述基于轉換器的上下文編碼器以得到訓練全局語義理解特征向量；對所述訓練全局語義理...
【專利技術屬性】
技術研發人員：敬然，高偉，
申請(專利權)人：長春財經學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。