[发明专利]一种从非结构化网络信息中挖掘金融风险线索的方法

权利要求书

1.一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：包括以下步骤：

S1.构建非法金融活动特征词库与实体监控名单：工作人员从互联网上收集非法金融活动信息，并从该信息中挑选非法金融活动特有的词或者词组构成特征词库，同时工作人员还可以从网上列选企业或者产品名单，从而构建监控名单；

S2.构建共现特征词组合与选定抓取时效：在S1中特征词库与名单选好后，工作人员可以利用特征词库构建共现特征词组合，组合长度为1-3，同时也可以人工选定共现特征词组合，之后工作人员可选定抓取时效长度，长度为6-36h；

S3.信息抓取与去重：工作人员可以将S2中的所有共现特征词组合作为搜索关键词，从互联网上抓取设定时限内的信息数据，同时工作人员可以根据S1中列选的监控的名单，在互联网中抓取包含名单实体名字的信息数据，之后在数据抓取结束后对数据进行去重；

S4.金融实体抽取：工作人员可以对S3中去重后的数据进行抽取；

S5.利用金融实体负面信息识别模型进行识别：将S4中收取后的数据输入金融实体负面信息识别模型，若模型判为负面的则选中为负面舆情，若模型判为非负面则放弃该信息。

2.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S1中非法金融活动特征词库采集的信息为第二类信息，所述S1中构建的监控实体名单为第一类信息。

3.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S1中挑选非法金融活动特有的词或者词组为高利贷，卷款，跑路。

4.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S2中共现特征词为出现在同一个内容中的行为特征词，且特征词组合为卷款、跑路、不能提现等。

5.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S2中组合长度为1，则共现特征词组合可以表现为卷款，跑路，不能提现。

6.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S2中组合长度为2，则有卷款，跑路,卷款，不能提现，跑路，不能提现三个组合。

7.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S2中组合长度为3，则有卷款，跑路，不能提现一个组合。

8.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S4中对于第二类信息的抽取，选用金融实体抽取模型进行抽取，且利用金融实体抽取模型可以只关注金融类的实体，屏蔽其他实体的干扰，所述S4中对于第一类，跳过该步骤进行下一步处理。

9.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S4中采用金融实体抽取模型进行抽取，且金融实体抽取模型是基于NLP预训练模型的通用领域NER模型和基于NLP预训练模型的专用领域NER模型。

10.根据权利要求1所述的一种从非结构化网络信息中挖掘金融风险线索的方法，其特征在于：所述S5中金融实体负面信息识别模型是基于深度学习和预训练模型训练得到的模型，且该模型的输入为一个实体和及其所在的文本，而且输出为该文本是否为该实体负面舆情的判断结果，文本长度根据预训练模型的设置，一般为128/256/512个字符。