[发明专利]一种基于知识图谱的金融舆情推荐方法

说明书

本发明涉及实体链接技术领域，具体地说，涉及一种基于知识图谱的金融舆情推荐方法。其包括用实体链接技术提取舆情新闻的表面金融机构；利用实体重要度模型对步骤一中的结果进行筛选；将所有金融舆情加入到知识图谱中；利用语义关联模型提取舆情新闻表面金融行业，金融概念标签；映射到知识图谱同类型节点中；获取金融舆情的潜在标签；根据业务规则选择在图谱中已映射节点的关系种类；图谱计算；定期清理超过时效的金融舆情。该基于知识图谱的金融舆情推荐方法中，利用金融舆情内容本身的语义信息并通过知识图谱挖掘到舆情背后的隐含信息，全方面多角度地给一篇金融舆情推荐相关舆情，实现向目标用户精准推荐和智能推荐金融舆情的目的。

技术领域

本发明涉及实体链接技术领域，具体地说，涉及一种基于知识图谱的金融舆情推荐方法。

背景技术

金融舆情推荐的主要任务是针对某篇金融舆情，抽取出舆情新闻中的金融实体(金融机构，金融人物等)，在舆情新闻推荐候选集中选取包含同样金融实体的金融舆情，并按照匹配程度、舆情热度等业务规则对候选舆情做排序，最后选择排名靠前的topN篇金融舆情作为原始舆情的推荐舆情。目前金融舆情推荐存在以下缺陷：

(1)难以完全覆盖所期望的推荐候选集：行业和概念是金融舆情推荐的两个重要维度，仅依靠字面匹配，实体链接等技术很难抽取到一篇金融舆情所涉及到的行业词汇和概念词汇。这就会导致很多重要的金融舆情由于抽取不到金融实体而不能被当做舆情推荐的候选集；(2)推荐结果不精确：仅根据字面匹配结果做推荐，抽出的金融实体很可能与舆情真正谈论到的实体相关性较弱，导致即使原始舆情和推荐舆情命中了相同的金融实体，两篇新闻的主题却相差很远。

发明内容

本发明的目的在于提供一种基于知识图谱的金融舆情推荐方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供一种基于知识图谱的金融舆情推荐方法，其方法包括如下步骤：

步骤一：利用实体链接技术提取舆情新闻的表面金融机构，金融人物，地理位置标签；

步骤二：利用实体重要度模型对步骤一中的结果进行筛选；

步骤三：将所有金融舆情加入到知识图谱中；

步骤四：利用语义关联模型提取舆情新闻表面金融行业，金融概念标签；

步骤五：将步骤一至步骤三中得到的标签汇总，映射到知识图谱同类型节点中；

步骤六：获取金融舆情的潜在标签；

步骤七：根据业务规则选择在图谱中已映射节点的关系种类，并设置不同的权重；

步骤八：图谱计算；

步骤九：定期清理超过时效的金融舆情。

作为优选，所述步骤六中，获取金融舆情的潜在标签步骤为：

a.在知识图谱中根据表面标签节点选取路径为一跳关联的节点；

b.如果表面标签的一跳关联节点的数量大于等于M，则随机选取M个作为潜在标签，M的取值可以体现对不同维度隐含信息数量的偏好程度；并且M的设置可以防止某些质量低的金融舆情(机构名单类舆情等)的推荐结果变差。

作为优选，所述步骤七中，知识图谱中共有5个节点大类，分别是：机构、人物、行业、概念和地点。

作为优选，所述步骤八中，图谱计算过程为：

a.计算任意一篇原始舆情与候选舆情的关联得分，其中关联得分的计算公式为：