基于词汇-语义模式的金融事件信息抽取方法

• 作者: 罗明 黄海量
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 词汇-语义模式 信息抽取 金融事件 词向量 词列表 概念词典
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 84-90
• 页数: 7页
• 分类号: TP181
• 字数: 8794字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017071678

摘要

信息抽取是自然语言处理工作中的重要任务之一.针对由于自然语言的多样性、歧义性和结构性而导致的信息抽取困难的问题,提出了一种面向金融事件信息抽取的层次化词汇-语义模式方法.首先,定义了一个金融事件表示模型;然后应用基于深度学习的词向量方法来实现自动生成同义概念词典;最后采用基于有限状态机驱动的层次化词汇-语义规则模式实现了对各类金融事件信息自动抽取的目标.实验结果表明,所提方法可以从金融新闻文本中准确地抽取出各类金融事件信息,并且对26类金融事件的微平均识别准确率达到93.9％,微平均召回率达到86.9％,微平均F1值达到90.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄海量	上海财经大学信息管理与工程学院	13	83	6.0	8.0
5	罗明	上海财经大学信息管理与工程学院	4	40	4.0	4.0