[发明专利]一种面向金融领域的知识抽取方法

摘要

本发明涉及了一种面向金融领域的知识提取方法。首先将需要提取的金融领域文本内容进行预处理，采用统一的标签式语言描述待提取文本内容，并对文本中的金融实体内容进行识别；然后采用可定制的知识提取模块从语义层面对文本内容进行快速实时的提取，并对提取结果进行可信度评分，同时，引入专家知识模块对识别结果进行修正。最后按照特定存储格式将提取的知识进行存储。本发明面向金融领域，给出了一种高效准确的金融知识提取方法，为金融领域的自动化和智能化提供基础数据支撑。

主权项

一种面向金融领域的知识抽取方法，其特征在于，包括：步骤1.根据需求确定数据来源，获得相关的源文件，产生待处理数据集合D＝{d₁，d₂，...，d_n}，其中d_i表示第i个文件；步骤2.根据统一的标签式语言对不同的源文件内容进行描述，具体是提取文件中的文字、图片和表格数据，然后将其转换为针对金融领域的SMDL语言进行描述，产生格式统一的源文档T＝{t₁，t₂，...，t_n}，其中t_i表示第i个文件；步骤3.使用金融实体识别模块对待处理数据集T中的金融实体进行识别，并使用特定字符集合对文本中的机构实体进行替换，产生待处理数据集合T‘＝{t₁‘，t₂’，...，t_n‘}，其中t_i′表示第i个文件；步骤4.根据需求对数据集合T‘中的文档进行自动分析，获取文档中包含的金融知识内容集合K＝{k₁，k₂，...，k_m}，其中k_i表示第i条知识；包括以下子步骤：步骤4.1.将待提取的知识分为三大类：金融指标、金融关系、金融事件，其中金融指标指文本内容中的数据；金融关系指文本内容中所蕴含的实体关系；金融事件是指文本内容中所包含的对机构实体产生影响的事情；步骤4.2.针对金融指标，基于可扩充的指标模式匹配库，对大部分金融指标进行自动提取，并给出相应的置信值；步骤4.3.针对金融关系和金融事件，构建可扩充的关系事件模式匹配库，当关系事件模式匹配库与相应文本内容匹配时，提取相应的关系或事件并给出置信值；步骤4.4.对金融文本进行句法分析，利用依存关系在文本中抽取候选知识集；然后利用候选事件集来生成事件模板；事件抽取模块指导模板生成，而生成的模板可以修改已经抽取的事件；最后，重复上述过程，直到候选事件数目小于某特定阈值为止；步骤5.根据知识类型对数据集合K进行划分，并将最后结果存入数据库中。