[发明专利]面向金融领域的泛化实体识别方法和系统

权利要求书

1.面向金融领域的泛化金融实体识别方法，包括以下步骤：

步骤1：分句；对于输入的金融相关领域的长句，先进行以逗号、分号为单位的短句划分；

步骤2：调用BiLSTM-CRF模型；调用BiLSITM-CRF模型对短句进行实体识别得到实体列表；查看实体列表前后实体能否两两组合，若能，则将实体两两结合后更新实体列表，若不能，则不更新实体列表；

步骤3：判断实体边界；确认实体的边界是否将实体词分开，若否，则直接将实体加入到实体列表中；若是，则跳转到步骤4；

步骤4：合并实体；查看分开的边界词是否满足组成实体的条件，若是，则将边界词加入，合并得到实体后将该实体加入实体列表；若否，则边界词不加入实体；由此得到经BiLSTM-CRF的NER后识别到的实体；

步骤5：删除已知实体；在原句中删除已经被识别出的实体，得到删减后的句子，作为输入喂给rule规则的模式匹配函数；

步骤6：分词与词性标注；根据词典，对输入的短句进行分词和词性标注；

步骤7：找出名词；找出所有标注为名词、动名词或者形名词的词；

步骤8：调用CN-DBpedia API查找；对已判别为实体的名词，先调用CN-DBpedia API进行查找，若CN-DBpedia上没有对应的实体，则不将该名词作为实体；若在CN-DBpedia上有对应实体，则进入下一步匹配；

步骤9：if条件语句匹配；通过if条件和while循环，先从该名词的前一词开始查找，若符合前词条件，则将该词加入实体；再向后查找，若符合后词条件，则将该词加入实体；若前后都不符合，则不扩展该词；将识别出的实体加入实体列表，最终得到的实体列表中即包含所有识别出的实体。

2.如权利要求1所述的面向金融领域的泛化金融实体识别方法，其特征在于：步骤6所述的根据词典，对输入的短句进行分词和词性标注，具体包括：在jieba自带词典的基础上通过以下两种方式进行扩充和完善：第一种，对于原有词典得到的NER结果，人为判断识别结果是否符合目标期望，若否，则对原有词典进行修改；第二种，寻找金融领域的词典，判断原词典是否已包含外部金融词典中的金融词汇，若无，则将其加入词典，扩充词典。

3.实施权利要求1所述的面向金融领域的泛化金融实体识别方法的系统，其特征在于：包括依次连接的分句模块、BiLSTM-CRF模型调用模块、实体边界判断模块、实体合并模块、已知实体删除模块、分词与词性标注模块、名词找出模块、调用CN-DBpedia API查找模块、if条件语句匹配模块，其中

分句模块，对于输入的金融相关领域的长句，先进行以逗号、分号为单位的短句划分；

BiLSTM-CRF模型调用模块，调用BiLSITM-CRF模型对短句进行实体识别得到实体列表；查看实体列表前后实体能否两两组合，若能，则将实体两两结合后更新实体列表，若不能，则不更新实体列表；

实体边界判断模块，确认实体的边界是否将实体词分开，若否，则直接将实体加入到实体列表中；若是，则跳转到实体合并模块；

实体合并模块，查看分开的边界词是否满足组成实体的条件，若是，则将边界词加入，合并得到实体后将该实体加入实体列表；若否，则边界词不加入实体；由此得到经BiLSTM-CRF的NER后识别到的实体；

已知实体删除模块，在原句中删除已经被识别出的实体，得到删减后的句子，作为输入喂给rule规则的模式匹配函数；

分词与词性标注模块，根据词典，对输入的短句进行分词和词性标注；

名词找出模块，找出所有标注为名词、动名词或者形名词的词；

调用CN-DBpedia API查找模块，对已判别为实体的名词，先调用CN-DBpedia API进行查找，若CN-DBpedia上没有对应的实体，则不将该名词作为实体；若在CN-DBpedia上有对应实体，则进入下一步匹配；

if条件语句匹配模块，通过if条件和while循环，先从该名词的前一词开始查找，若符合前词条件，则将该词加入实体；再向后查找，若符合后词条件，则将该词加入实体；若前后都不符合，则不扩展该词；将识别出的实体加入实体列表，最终得到的实体列表中即包含所有识别出的实体。