[发明专利]金融信息负面实体发现方法、装置、电子设备及存储介质

权利要求书

1.基于实体特征的金融信息负面实体发现方法，其特征在于，所述方法包括以下步骤：

从金融类目标网页上爬取数据，获取所述目标网页数据的文档标题和文档内容，构建金融信息数据集；

载入常用分隔符对所述金融信息数据集进行正向匹配，通过金融信息分词词典进行分词处理，对分词结果进行词性标注后，对金融信息数据做命名实体识别，找出所有命名实体生成金融信息初始实体集；

遍历所述金融信息初始实体集中所有实体子集，根据包含关系删除被包含和重复的冗余实体，生成金融信息候选实体集；

遍历所述金融信息候选实体集中所有实体子集，利用所述金融信息候选实体集中的候选实体、文档标题和文档内容生成实体特征信息，其中所述候选实体放在所述实体特征信息的头部；

将所述实体特征信息输入经BERT模型调整参数后的已训练的语义识别模型进行处理，再经全连接层处理后，使用sigmoid激活函数进行二分类处理，计算属于负面实体的概率，判断是否属于负面实体并做负面实体标记，生成负面实体二分类信息；

进行所述二分类处理时，对每个候选实体均执行一次二分类任务，每个所述实体特征信息中的候选实体的向量重要性高于该实体特征信息中的文档标题和文档内容部分。

2.根据权利要求1所述的基于实体特征的金融信息负面实体发现方法，其特征在于，所述根据包含关系删除被包含和重复的冗余实体的具体方式包括：

遍历所述金融信息初始实体集中所有实体子集，计算第一候选实体在所有文档中出现的频率，计为第一词频，计算第一候选实体与第二候选实体同时在所有文档中出现的频率，计为第二词频，通过所述第一词频和所述第二词频计算所述第一候选实体与所述第二候选实体在所有文档中出现的频率差；

利用所述频率差及文档频率、文档总数，计算所述第一候选实体伴随所述第二候选实体出现的概率；

将所述概率与预设阈值进行比较，当所述概率大于所述预设阈值时，则表示所述第一候选实体可能伴随所述第二候选实体出现，则删除所述第一候选实体或所述第二候选实体。

3.根据权利要求1所述的基于实体特征的金融信息负面实体发现方法，其特征在于：

所述实体特征信息的格式主要由候选实体、第一特定分隔符、第二特定分隔符、第一特定分隔符、候选实体集、第一特定分隔符、第二特定分隔符、第一特定分隔符、文档标题、第一特定分隔符、第二特定分隔符、第一特定分隔符和文档内容按顺序组成；

所述候选实体为头部信息。

4.根据权利要求3所述的基于实体特征的金融信息负面实体发现方法，其特征在于，所述实体特征信息的格式中：

所述第一特定分隔符包括加号；

所述第二特点分割符包括双引号和减号；

所述实体特征信息的格式为：候选实体+“-”+候选实体集+“-”+文档标题+“-”+文档内容。

5.根据权利要求1所述的基于实体特征的金融信息负面实体发现方法，其特征在于，所述实体特征信息中，每个候选实体及其对应的文档内容均生成一条实体特征数据。

6.根据权利要求1所述的基于实体特征的金融信息负面实体发现方法，其特征在于，所述命名实体为以名称为标识的实体，包括人名、机构名、地名和专有名词。

7.根据权利要求1所述的基于实体特征的金融信息负面实体发现方法，其特征在于，所述对分词结果进行词性标注后，删除被标注为时间词性和数字词性的数据，所述命名实体不包括时间和数字。