[发明专利]基于事件抽取的金融数据分析方法及装置

权利要求书

1.一种基于事件抽取的金融数据分析方法，其特征在于，包括：

获取资讯数据，所述资讯数据包含：多条资讯的资讯标题和对应的日期信息；

从每条资讯的资讯标题中，抽取结构化的金融事件数据；

将抽取的金融事件数据输入到预先训练好的金融主体情感分析模型中，输出每个金融事件的情感分类；

统计各个情感分类对应的金融事件量，生成一个偏差向量，与待分析金融数据的特征向量进行融合，得到融合后的特征向量；

将融合后的特征向量，输入到预先训练好的金融时间序列分析网络模型中，输出所述待分析金融数据的金融时间序列，其中，所述金融时间序列用于反映所述待分析金融数据的数据变化趋势。

2.如权利要求1所述的方法，其特征在于，获取资讯数据，包括：

获取目标网站的网址信息；

根据目标网站的网址信息，向所述目标网站发送HTTP请求，获取所述目标网站的页面内容；

根据预先设定的关键字，使用正则表达式，从所述目标网站的页面内容中，匹配出相应的资讯标题。

3.如权利要求2所述的方法，其特征在于，根据预先设定的关键字，使用正则表达式匹配所述页面内容中相应的资讯标题，包括：

从所述目标网站的页面内容中解析出一个或多个子页面的网址信息；

根据各个子页面的网址信息，向各个子页面发送HTTP请求，获取各个子页面的页面内容；

根据预先设定的关键字，使用正则表达式，从所述目标网站和各个子页面的页面内容中，匹配出相应的资讯标题。

4.如权利要求1所述的方法，其特征在于，从每条资讯的资讯标题中，抽取结构化的金融事件数据，包括：

获取预先设定的事件触发词；

根据预先设定的事件触发词，利用SimHash算法，对获取的资讯标题进行去重处理；

从去重处理后的资讯标题中，抽取结构化的金融事件数据。

5.如权利要求4所述的方法，其特征在于，根据预先配置的事件触发词，利用SimHash算法，对获取的资讯数据进行去重处理，包括：

根据预先配置的事件触发词，对每个资讯标题进行分词，得到多个特征向量；

利用Hash函数，计算各个特征向量的Hash值；

根据每个资讯标题各个特征向量的Hash值和对应的权重值，计算每个资讯标题的SimHash值；

根据两个资讯标题的SimHash值，计算两个资讯标题的海明距离，作为两个资讯标题的相似度；

如果两个资讯标题的相似度小于预设阈值，则删除其中一个资讯标题。

6.如权利要求4所述的方法，其特征在于，从去重处理后的资讯标题中，抽取结构化的金融事件数据，包括：

使用BERT模型，对每个资讯标题的句子进行编码，得到每个资讯标题对应的句子向量以及句子中各个事件触发词的向量；

根据每个资讯标题对应的句子向量，识别出金融事件的事件类型；

根据事件类型对应的句子向量以及句子中各个事件触发词的向量，识别出每个资讯标题中包含的事件元素实体；

对每个资讯标题中包含的各个事件元素实体进行角色识别，得到结构化的金融事件数据。

7.如权利要求1所述的方法，其特征在于，在将抽取的金融事件数据输入到预先训练好的金融主体情感分析模型中，输出所述金融事件数据的情感分类结果之前，所述方法还包括：

对结构化的金融事件数据进行情感分类标注；

根据标注后的金融事件数据，生成第一训练样本数据；

根据第一训练样本数据，训练一个基于注意力机制的金融主体情感分析模型，其中，所述金融主体情感分析模型包含：词嵌入层、网络层、注意力机制层和全连接层，所述词嵌入层用于将结构化的金融数据转换为一个固定长度的矩阵向量；所述网络层用于将词嵌入层输出的矩阵向量输入到双向长短期记忆网络模型进行特征提取，得到特征向量；所述注意力机制层用于将所述网络层输出的特征向量进行聚合和加权处理；所述全连接层用于对所述注意力机制层输出的特征向量进行融合，使用softmax函数得到金融事件数据的情感分类结果。