[发明专利]多源中文金融公告文书的知识图谱构建方法及系统

说明书

多源中文金融公告文书的知识图谱构建方法，包含：将文档各章节层次关系结构化，并构建较完整的文档结构树；对所有标题数据进行标注；统一标题的长度到事先设定好的字数，并用BERT进行字符级别的word embedding编码，得到相应的向量表示；将处理好的数据集划分为训练集和测试集，进行训练，得到标题分类模型；用标题分类模型对文档标题进行分类；将有效文本区块的复杂有效知识进行遮罩；构建带遮罩的语义模型构建多源同类泛化遮罩Bi‑LSTM语义模型M‑MST模型，喂入M‑MST模型训练，得到知识抽取模型；根据知识抽取模型，结合外部知识库，获得实体关系三元组；构建多源金融公告文书知识图谱及实现增量更新或扩展。还包括实施多源中文金融公告文书的知识图谱构建方法的系统。

技术领域

本发明涉及知识抽取以及知识图谱构建方法和系统，特别是针对金融领域复杂实体的抽取与金融领域知识图谱构建。

本发明涉及自然语言，知识图谱，深度学习等领域，具体涉及基于深度学习的建模领域。

背景技术

作为中国经济发展中流砥柱的上市公司、以及经济增长支撑力量的创新型、中小型民营企业的发展，正在并将在一段时间内会持续面临各种挑战。生产不停滞，发展不换挡，粮草需先行。资本市场就是上市公司补充“血液”的粮仓。今年年初，证监会发布的再融资新规落地，大幅解除了对上市公司，尤其是创业板企业的再融资限制。同时，证监会强调，将不断完善上市公司日常监管体系，严把上市公司再融资发行条件，加强上市公司信息披露要求等风险防控措施。本项目拟根据多种来源的金融公告文本(例如增减持公告、合同公告、上市公告、月度年度业绩公告等)抽取具有行业意义的信息，构建可自动增量扩展的金融公告文书类知识图谱，为相关管理机构及研究者在风险分析与预警、管理决策、模型研究等方面提供一定支持。

金融领域公告文书的知识图谱构建存在以下几个问题：

(1)金融公告文书中包含大量冗余、无效信息，信息抽取相对困难。

(2)金融领域中存在大量结构复杂的实体，使得实体上下文信息难以获取，实体边界难以确认。

(3)金融领域的知识图谱构建中存在非同名相同实体，需要进行实体融合。