[发明专利]用于实现金融领域实体识别和情感分析的方法、装置、处理器及其计算机可读存储介质

说明书

本发明涉及一种用于实现金融领域实体识别和情感分析的方法，其中，该方法包括：采集金融领域多方数据源，进行文本数据的解析处理；根据预设的实体名称，对解析后的文本数据进行名称要素的抽取；基于所抽取的名称要素在整篇文本中的词频统计结果，进行实体识别判断；基于上述获取到的一个或多个实体，通过训练模型进行细粒度情感分析判断；基于上述获取的结果，将对应的文本打上判断识别后的标签。本发明还涉及一种相应的装置、存储器及其计算机可读存储介质。采用了本发明的该用于实现金融领域实体识别和情感分析的方法、装置、存储器及其计算机可读存储介质，基于文本信息判断出其主要描述对象的情感极性，能够为海量数据带来可观的使用价值。

技术领域

本发明属于大数据技术领域，尤其涉及自然语言处理技术领域，具体是指一种用于实现金融领域实体识别和情感分析的方法、装置、处理器及其计算机可读存储介质。

背景技术

自然语言处理(Natural Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向，它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。简单来说，自然语言处理的过程就是让机器去理解人的文本或语言，其中如翻译、语音识别、语义理解、智能问答，知识图谱等都属于NLP的范畴。

自计算机诞生伊始，人类就致力于让机器来理解我们语言。随着人工智能、计算机科学、信息工程、统计学、甚至语言学等学科知识的不断进步，目前NLP已经拥有了大量的商业应用，如机器翻译(Google翻译、有道翻译等)、知识图谱(以Google为代表的搜索引擎)、智能问答(Apple的Siri、亚马逊的Alexa以及各种智能机器人)等等。

但是，金融领域的NLP目前仍处于探索阶段，金融本身是一个专业性很高的领域，很多词汇在金融语境下会产生特殊含义，所有的子问题都会有一个独特的理解方式，而且金融领域衡量处理结果的方式也与其他领域不同。因此，金融领域的NLP需要准备特殊的训练数据集，而目前NLP所有方法都是基于大量的数据集基础上，数据集的缺乏也是目前NLP在金融领域所面临的最大问题之一，这也是金融领域高度的专业性与深度导致的。

针对金融领域的舆情分析，目前金融资讯类信息十分丰富，比如各种公告、新闻、年报等信息，我们难以靠人工阅读、分析所有相关的资讯，但这类数据对事件分析、决策辅助、监控预警的重要性却愈发显著。甚至我们可以通过NLP相关技术在金融领域实现对市场未来的走势一定的预见性。对于纷繁复杂的资讯类数据，我们可以通过NLP相关技术对资讯中的主要描述对象进行判断，进而基于资讯进一步判断其主要描述对象的情感极性，这样可以有效的帮助我们识别、过滤有效资讯，而非盲目的去全盘接受。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够有效过滤价值信息的用于实现金融领域实体识别和情感分析的方法、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的用于实现金融领域实体识别和情感分析的方法、装置、处理器及其计算机可读存储介质如下：

该用于实现金融领域实体识别和情感分析的方法，其主要特点是，所述的方法包括以下步骤：

(1)采集金融领域多方数据源，进行文本数据的解析处理；

(2)根据预设的实体名称，对解析后的文本数据进行名称要素的抽取；

(3)基于所抽取的名称要素在整篇文本中的词频统计结果，进行实体识别判断；

(4)基于上述步骤(3)获取到的一个或多个实体，通过训练模型进行细粒度情感分析判断；

(5)基于上述步骤(3)和(4)获取的结果，将对应的文本打上判断识别后的标签。

较佳地，所述的多方数据源包括但不限于金融领域中的新闻类、资讯类以及公告类的数据。