[发明专利]基于图神经网络的交易信息识别方法、系统及介质

说明书

本发明公开了基于图神经网络的交易信息识别方法、系统及介质，通过获取待识别文本；对待识别文本进行特征提取和标签预测，得到待识别文本中实体要素的标注结果；根据实体要素的标注结果构建相应的实体关系图；通过图注意力网络对实体关系图进行特征学习后输出实体节点特征向量；对实体节点特征向量进行特征多分类，输出每个实体节点的交易要素类别。通过构建实体关系图来对实体要素之间的关系进行特征学习与分类，识别得到每个实体的交易机构类别，能更加准确地结合实体要素的文本特征和关系特征进行分类判断，有效提高了现券交易中信息分类识别的效率和准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及基于图神经网络的交易信息识别方法、系统及介质。

背景技术

现券交易是金融交易市场最活跃的一种交易形式。在现券交易中，存在大量的非结构的交易对话文本信息，需要将这种非结构化的文本整理成标准的结构化订单信息。例如现券交易对话文本为“3Y 1000001.IB 3.5％2kw+1XX机构YY基金出给ZZ机构”，其意思是“100001.IB的债券，剩余3年的期限，以3.5％的利率，2千万的交易量”进行交易，交易方式是从“XX机构的YY基金账户”出给“ZZ机构”。

当交易量大的时候，交易员将面临巨大的工作强度，而现券交易文本结构化任务就是自动将这类债券成交无结构文本信息处理成结构化信息，而无需交易员手动录入，在此过程中，交易信息中的买卖方，对手方，桥等核心要素的识别和提取是非常困难的，如何正确识别和提取对手方是结构化任务是否成功的关键。

现有的识别技术基本都采用基于深度学习模型的自然语言处理技术实现对文本的理解识别，之后采用逻辑索引的方式对每个文本提取其中的表达结构进行交易元素的单独判断，这种方式依赖于提前构建的规则库，不仅人力资源消耗大且覆盖率低，降低了交易信息识别的效率和准确性。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供基于图神经网络的交易信息识别方法、系统及介质，旨在提高交易信息识别的准确性和效率。

本发明的技术方案如下：

一种基于图神经网络的交易信息识别方法，包括：

获取待识别文本；

对所述待识别文本进行特征提取和标签预测，得到所述待识别文本中实体要素的标注结果；

根据所述实体要素的标注结果构建相应的实体关系图；

通过图注意力网络对所述实体关系图进行特征学习后输出实体节点特征向量；

对所述实体节点特征向量进行特征多分类，输出每个实体节点的交易要素类别。

在一个实施例中，所述对所述待识别文本进行特征提取和标签预测，得到所述待识别文本中实体要素的标注结果，包括：

对所述待识别文本分别进行字符编码和词汇编码，得到字符向量编码和词向量编码；

对所述字符向量编码进行特征提取后输出每个字符的语义特征向量；

通过图神经网络对所述词向量编码进行图特征提取后输出各个词汇的图关系特征向量；

将所述语义特征向量和所述图关系特征向量进行特征融合，输出融合特征向量；

对所述融合特征向量中的实体要素进行标签预测，得到所述实体要素的标注结果。

在一个实施例中，所述通过图神经网络对所述词向量编码进行图特征提取后输出各个词汇的图关系特征向量，包括：

根据所述词向量编码中各个词汇节点的位置和连接关系构建相应的词汇关系图；