本技术涉及研发优化，应用于数据可视化场景中，尤其涉及一种数据展示方法、装置、设备及其存储介质。
背景技术：
1、随着物联网和大数据的发展，以往看似不相关的数据经过大规模的并行分布式计算处理，变得可以理解，并能产生重要的意义。数据正在提供越来越重要的价值，而数据的可视化展示，则能通过直观的方式向用户以图形化的形式展现数据。
2、
技术实现思路
1、本技术实施例的目的在于提出一种数据展示方法、装置、设备及其存储介质，以解决采用现有对股票数据变化趋势进行分析和展示还缺乏一种更加科学的处理方式的问题。
2、为了解决上述技术问题，本技术实施例提供数据展示方法，采用了如下所述的技术方案：
3、一种数据展示方法，包括下述步骤：
4、获取多数据源端的待分析数据，其中，所述待分析数据包括股票数据和/或基金指数数据；
5、将所述待分析数据输入到预设的特征提取组件，进行特征提取，获得特征提取数据；
6、根据预设的聚类规则，对所述特征提取数据进行聚类处理，获得特征聚类结果；
7、根据所述待分析数据的产生时间，分别对每个特征聚类结果中的特征提取数据进行时间序列化整理，获得时序化的特征聚类数据；
8、将所述时序化的特征聚类数据输入到预设的时序神经网络，进行时序性变化分析，获得时序性变化分析结果；
9、将所述时序性变化分析结果以可视化方式映射到目标展示界面。
10、进一步的，所述预设的特征提取组件包括基于nlp自然语言识别的特征提取组件，在执行所述将所述待分析数据输入到预设的特征提取组件，进行特征提取，获得特征提取数据的步骤之前，所述方法还包括：
11、获取预设的特征词典，其中，所述特征词典中包含了股票数据和/或基金指数数据中多维特征分别对应的关键词；
12、将所述关键词作为特征提取识别字段部署到所述基于nlp自然语言识别的特征提取组件中；
13、所述将所述待分析数据输入到预设的特征提取组件，进行特征提取，获得特征提取数据的步骤，具体包括：
14、将所述待分析数据输入到所述基于nlp自然语言识别的特征提取组件中；
15、根据所述基于nlp自然语言识别的特征提取组件中预先部署的特征提取识别字段，对所述待分析数据进行多维特征提取；
16、获得所有特征提取识别字段分别对应的特征提取数据。
17、进一步的，所述根据预设的聚类规则，对所述特征提取数据进行聚类处理，获得特征聚类结果的步骤，具体包括：
18、识别当前特征提取数据所对应的特征类型，其中，所述特征类型包括数值型特征、分类型特征、时序型特征、文本型特征和指定型特征；
19、若当前特征提取数据所对应的特征类型为数值型特征，则将当前特征提取数据聚类到目标数值区间，进行聚类处理，其中，所述当前特征提取数据对应的数值在所述目标数值区间内；
20、若当前特征提取数据所对应的特征类型为分类型特征，则将当前特征提取数据聚类到目标分类，进行聚类处理，其中，所述当前特征提取数据的分类类别为所述目标分类的类别；
21、若当前特征提取数据所对应的特征类型为时序型特征，则将当前特征提取数据聚类到目标时序区间，进行聚类处理，其中，所述当前特征提取数据对应的时间值在所述目标时序区间内；
22、若当前特征提取数据所对应的特征类型为文本型特征，则将当前特征提取数据聚类到目标表征字段所对应的聚类簇，进行聚类处理，其中，所述当前特征提取数据属于所述目标表征字段所对应的维度；
23、若当前特征提取数据所对应的特征类型为指定型特征，则将当前特征提取数据聚类到指定聚类簇，进行聚类处理。
24、进一步的，在执行所述获取多数据源端的待分析数据的步骤之后，所述方法还包括：
25、对每一条待分析数据进行区别编号；
26、在执行所述根据所述待分析数据的产生时间，分别对每个特征聚类结果中的特征提取数据进行时间序列化整理，获得时序化的特征聚类数据的步骤之前，所述方法还包括：
27、对所述特征聚类结果中每个特征提取数据标记其对应的待分析数据的区别编号；
28、所述根据所述待分析数据的产生时间，分别对每个特征聚类结果中的特征提取数据进行时间序列化整理，获得时序化的特征聚类数据的步骤，具体包括：
29、识别每个特征聚类结果中的特征提取数据分别对应的待分析数据的区别编号；
30、根据所述区别编号，统计每个特征聚类结果分别涉及的所有待分析数据；
31、对每个特征聚类结果分别涉及的所有待分析数据查询数据产生时间；
32、根据所述数据产生时间对每个特征聚类结果中的特征提取数据进行时间序列化整理，获得时序化的特征聚类数据。
33、进一步的，所述预设的时序神经网络包括lstm时序神经网络，所述将所述时序化的特征聚类数据输入到预设的时序神经网络，进行时序性变化分析，获得时序性变化分析结果的步骤，具体包括：
34、将所述时序化的特征聚类数据输入到所述lstm时序神经网络；
35、通过所述lstm时序神经网络对所述时序化的特征聚类数据做长期变化趋势分析和短期变化趋势分析，其中，所述长期变化趋势分析和所述短期变化趋势分析中的长期和短期都是预设的分析时长；
36、采用拟合函数方式表示所述长期变化趋势和所述短期变化趋势，其中，所述拟合函数对应函数曲线的横轴表示时间信息，纵轴表示特征聚类数据的具体值；
37、将所述拟合函数对应的函数曲线作为所述时序性变化分析结果。
38、进一步的，在执行所述将所述时序性变化分析结果以可视化方式映射到目标展示界面的步骤之前，所述方法还包括：
39、预先连接预设的可视化展示工具，其中，所述可视化展示工具包括基于平安云的可视化展示工具；
40、所述将所述时序性变化分析结果以可视化方式映射到目标展示界面的步骤，具体包括：
41、将所述长期变化趋势和所述短期变化趋势分别对应的拟合函数的函数曲线发送到所述可视化展示工具的展示界面。
42、进一步的，在执行所述将所述长期变化趋势和所述短期变化趋势分别对应的拟合函数的函数曲线发送到所述可视化展示工具的展示界面的步骤之前，所述方法还包括：
43、根据所述特征词典中所包含的股票数据和/或基金指数数据中多维特征分别对应的关键词对所述可视化展示工具的展示维度进行初始权重设置；
44、对不同展示维度设置不同的展示颜色；
45、提供预设的权重调整窗口，调整不同展示维度的权重值。
46、为了解决上述技术问题，本技术实施例还提供数据展示装置，采用了如下所述的技术方案：
47、一种数据展示装置，包括：
48、待分析数据获取模块，用于获取多数据源端的待分析数据，其中，所述待分析数据包括股票数据和/或基金指数数据；
49、数据特征提取模块，用于将所述待分析数据输入到预设的特征提取组件，进行特征提取，获得特征提取数据；
50、数据特征聚类模块，用于根据预设的聚类规则，对所述特征提取数据进行聚类处理，获得特征聚类结果；
51、特征时序化整理模块，用于根据所述待分析数据的产生时间，分别对每个特征聚类结果中的特征提取数据进行时间序列化整理，获得时序化的特征聚类数据；
52、时序性变化分析模块，用于将所述时序化的特征聚类数据输入到预设的时序神经网络，进行时序性变化分析，获得时序性变化分析结果；
53、可视化展示模块，用于将所述时序性变化分析结果以可视化方式映射到目标展示界面。
54、为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
55、一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的数据展示方法的步骤。
56、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
57、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的数据展示方法的步骤。
58、与现有技术相比，本技术实施例主要有以下有益效果：
59、本技术实施例所述数据展示方法，通过获取多数据源端的待分析数据，其中，所述待分析数据包括股票数据和/或基金指数数据；进行特征提取，获得特征提取数据；根据预设的聚类规则，获得特征聚类结果；根据待分析数据的产生时间，分别对每个特征聚类结果中的特征提取数据进行时间序列化整理，获得时序化的特征聚类数据；进行时序性变化分析，获得时序性变化分析结果；将时序性变化分析结果以可视化方式映射到目标展示界面。实现了更加全面的进行特征聚类以及根据时序性进行特征分析，尤其是在金融领域的股票数据和/或基金指数数据上，结合可视化展示方式，方便分析人员直观的进行数据分析和查看，可以提供相关决策和指导。
1.一种数据展示方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的数据展示方法，其特征在于，所述预设的特征提取组件包括基于nlp自然语言识别的特征提取组件，在执行所述将所述待分析数据输入到预设的特征提取组件，进行特征提取，获得特征提取数据的步骤之前，所述方法还包括：
3.根据权利要求1所述的数据展示方法，其特征在于，所述根据预设的聚类规则，对所述特征提取数据进行聚类处理，获得特征聚类结果的步骤，具体包括：
4.根据权利要求1所述的数据展示方法，其特征在于，在执行所述获取多数据源端的待分析数据的步骤之后，所述方法还包括：
5.根据权利要求1所述的数据展示方法，其特征在于，所述预设的时序神经网络包括lstm时序神经网络，所述将所述时序化的特征聚类数据输入到预设的时序神经网络，进行时序性变化分析，获得时序性变化分析结果的步骤，具体包括：
6.根据权利要求2所述的数据展示方法，其特征在于，在执行所述将所述时序性变化分析结果以可视化方式映射到目标展示界面的步骤之前，所述方法还包括：
7.根据权利要求6所述的数据展示方法，其特征在于，在执行所述将所述长期变化趋势和所述短期变化趋势分别对应的拟合函数的函数曲线发送到所述可视化展示工具的展示界面的步骤之前，所述方法还包括：
8.一种数据展示装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据展示方法的步骤。
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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据展示方法的步骤。
