[发明专利]基于Electra深度神经网络的金融新闻舆情预警分类方法及系统

权利要求书

1.一种基于Electra深度神经网络的金融新闻舆情预警分类方法，其特征在于，包括：

步骤S1：采集金融新闻数据并进行标注；

步骤S2：对标注后的金融新闻数据进行预处理，并输入至Electra预训练模型进行增量训练和更新模型权重，得到更新后的Electra深度神经网络模型；

步骤S3：通过所述Electra深度神经网络模型得到文本表征，进而判断对应的金融新闻数据文本是否为负面文本，若是，则触发步骤S4；若否，则不进行预警；

步骤S4：提取负面的金融新闻数据文本中的主旨句，在通过Electra深度神经网络模型提取每个主旨句中的舆情种类特征；

步骤S5：将所述舆情种类特征输入至分类器中进行分类，得到最终金融新闻的舆情分类，进而实现预警指令。

2.根据权利要求1所述的基于Electra深度神经网络的金融新闻舆情预警分类方法，其特征在于，所述标注包括将采集的金融新闻数据根据预设的类别标签进行标注；

所述类别标签包括金融业务异常行为、经营不善、企业运作异常、企业重大变革行为、借户方面除业务外重大负面信息和借户违法行为。

3.根据权利要求1所述的基于Electra深度神经网络的金融新闻舆情预警分类方法，其特征在于，所述预处理包括对金融新闻数据进行数据清洗，去除无效字符，同时限制文本最大长度输入为512个字节，超出所述最大长度的部分采用切片输入的方式，依次输入后端的分词器来获得文本分词。

4.根据权利要求1所述的基于Electra深度神经网络的金融新闻舆情预警分类方法，其特征在于，所述步骤S3包括：将所述待分类金融新闻数据对应的文本编码输入所述Electra深度神经网络模型的全连接层，并通过判别器对所述编码的张量做二分类，输出当前金融新闻数据是否为负面分类。

5.根据权利要求1所述的基于Electra深度神经网络的金融新闻舆情预警分类方法，其特征在于，步骤S4包括：

步骤S4.1：取出判别出的负面金融新闻数据文本中的每一个句子作为输入文本，通过命名实体识别得到对应的句子主体；

步骤S4.2：计算所述主体和主体对应的文本标题的相似度，计算公式如下：

其中，B表示文本标题中词组的词向量均值，J_i表示当前文本中第i个句子的主体词的词向量均值，S_i表示当前文本中第i个句子的主体和主体对应的文本标题的相似度；

步骤S4.3：选择相似度得分最高的对应句子作为主旨句。

6.一种基于Electra深度神经网络的金融新闻舆情预警分类系统，其特征在于，包括：

模块M1：采集金融新闻数据并进行标注；

模块M2：对标注后的金融新闻数据进行预处理，并输入至Electra预训练模型进行增量训练和更新模型权重，得到更新后的Electra深度神经网络模型；

模块M3：通过所述Electra深度神经网络模型得到文本表征，进而判断对应的金融新闻数据文本是否为负面文本，若是，则触发模块M4；若否，则不进行预警；

模块M4：提取负面的金融新闻数据文本中的主旨句，在通过Electra深度神经网络模型提取每个主旨句中的舆情种类特征；

模块M5：将所述舆情种类特征输入至分类器中进行分类，得到最终金融新闻的舆情分类，进而实现预警指令。

7.根据权利要求6所述的基于Electra深度神经网络的金融新闻舆情预警分类系统，其特征在于，所述标注包括将采集的金融新闻数据根据预设的类别标签进行标注；

所述类别标签包括金融业务异常行为、经营不善、企业运作异常、企业重大变革行为、借户方面除业务外重大负面信息和借户违法行为。

8.根据权利要求6所述的基于Electra深度神经网络的金融新闻舆情预警分类系统，其特征在于，所述预处理包括对金融新闻数据进行数据清洗，去除无效字符，同时限制文本最大长度输入为512个字节，超出所述最大长度的部分采用切片输入的方式，依次输入后端的分词器来获得文本分词。