[发明专利]一种基于自然语言处理技术的不良资产经营知识管理方法

说明书

本发明一种基于自然语言处理技术的资产管理公司不良资产经营管理方法，包括知识库构建中的数据导入、基于深度学习和PageRank的关键词抽取两部分。利用特定的词库和HMM发现新词模型来对不良资产经营知识进行分词处理，提高了文本分词的准确性，建立更加完善的文本词库；通过深度学习方法训练词向量，可以避免词向量表示的“维数灾难”现象，能充分挖掘词汇上下文的信息，可以获取词与词之间的关系；基于改进的PageRank算法，根据特定合同中的词序列关系获取词连接的拓扑矩阵，将词向量之间的余弦值作为词与词的连接权重，不仅充分利用了训练词库得到的词向量信息，而且挖掘了文本中的词汇相对位置关系，具有强有力的理论依据。

技术领域

本发明一种基于自然语言处理技术的不良资产经营知识管理方法，涉及金融领域自然语言处理技术，具体涉及一种面向资产管理公司不良资产经营领域的知识管理方法。

背景技术

不良资产经营业务作为国内金融市场的组成部分，具有维护金融生态稳定，消弭系统性风险的重要作用，是国内经济平稳运行的稳定器和灭火器。由财政部发起成立的四大资产管理公司(AMC)为不良资产经营的主体，因此，在AMC公司中开展不良资产经营知识的知识管理，对整个不良资产处置、经营行业水平的提升，效率的提高以及不良资产处置手段的多样化具有重要意义。

由于行业的特殊性，不良资产经营领域的知识管理相对于传统行业的知识管理也具有特殊性，传统的知识管理方法和体系不能很好适应于不良资产经营行业。主要体现在以下几个方面：首先，作为知识管理的对象，不良资产经营知识结构相对复杂。不良资产通常以打包出售的方式由银行交予资产管理公司处置，作为以不良资产处置为主营业务的资产管理公司，在拿到不良资产包后进行处置的方式多种多样，如重组、债转股等，因此不良资产处置的交易结构呈现多样化特征，与不良资产处置相关的知识涵盖面广、构成复杂；其次，不良资产经营领域中知识相关的数据结构化程度低。由于处置方式的多种多样，且面向的客户以中大型企业为主，因此客户数量相对较少，交易记录数据等结构化数据规模不大，而尽调报告、逾期报告、管理方法、会议纪要、合同、安慰函均属于非结构化文本数据，且规模较大；第三，不良资产经营领域中知识具有特殊性和行业性。不良资产经营业务准入门槛高，市场化参与程度低，因此不良资产经营知识在金融领域中占有的比例较小，且不易从外界获取，更多依赖于本公司从业人员的经验积累，因此，在金融领域中通用的知识管理工具，如行业语义分析解决方案、行业知识组织和管理方案并不能完全适用于资产管理公司的不良资产经营知识管理。

基于以上问题，本发明提出一种基于自然语言处理技术的良资产经营知识管理方法，从分析资产管理公司沉淀的大量非结构化数据入手，将大量的非结构化数据进行统一格式，并进行预处理，进而利用深度学习技术对获取文本库中的词向量，利用自然语言分析技术中获取词在文本中的权值，以特征关键词方式抽取知识，完成非结构化数据的结构化处理，在此基础上展开对不良资产经营知识的管理。

发明内容

不良资产经营知识管理，是对资产管理公司中大量有价值的方案、合同、成果、经验等知识进行收集、分类存储、管理和分享，从而积累知识资产避免流失，有效降低资产管理公司的运营成本，强化核心竞争力。本发明提出了一种基于自然语言处理技术的不良资产经营知识管理方法，将自然语言处理技术应用到不良资产经营知识管理方法上，以业务引导技术走向，以技术推动业务发展，实现多目标、多功能的智能化知识管理技术，高效、精确地服务于不良资产经营知识管理，从而替代大量的人工成本和落后的手工技术。

为了实现上述目的，本发明一种基于自然语言处理技术的资产管理公司不良资产经营管理方法采用如下技术方案：

资产管理公司存在大量的非结构化文本，本发明旨在将这些纷杂的知识内容(尽调报告、逾期报告、管理方法、会议纪要、合同、安慰函)和格式(word、excel、pdf、txt)智能化批量导入系统中，构建不良资产经营管理知识库，基于该知识库，对特定文本进行分析，抽取其关键字作为索引以达到高速检索商业资料的方法。本发明主要包括知识库构建中的数据导入、基于深度学习和PageRank的关键词抽取两部分，具体如下：