面向金融文本的實(shí)體識(shí)別與關(guān)系抽取研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，如何對(duì)飛速增長(zhǎng)的互聯(lián)網(wǎng)文本中包含的知識(shí)進(jìn)行高效可靠的挖掘并進(jìn)行組織，已成為自然語(yǔ)言處理和信息抽取研究中的重要目標(biāo)?；ヂ?lián)網(wǎng)中各種命名實(shí)體及之間的關(guān)系紛繁復(fù)雜，單純的以人工和經(jīng)驗(yàn)的方式進(jìn)行相關(guān)知識(shí)的獲取及組織已經(jīng)遠(yuǎn)遠(yuǎn)不能滿(mǎn)足人們的使用要求。為此，知識(shí)的自動(dòng)獲取逐漸地成為文本處理的重要課題。
　　本文主要研究金融領(lǐng)域命名實(shí)體及其關(guān)系自動(dòng)獲取的方法。從現(xiàn)有的研究來(lái)看，基于規(guī)則的方法有著較高的準(zhǔn)確率，但是對(duì)于先驗(yàn)的

2、專(zhuān)家知識(shí)要求很高；基于統(tǒng)計(jì)的方法則不需要過(guò)多的先驗(yàn)知識(shí)，但是卻嚴(yán)重依賴(lài)于標(biāo)注好的訓(xùn)練數(shù)據(jù)。單純的使用其中一種方法已經(jīng)不能滿(mǎn)足實(shí)際應(yīng)用的需求。
　　本文主要進(jìn)行以下三方面的研究。首先，引入金融文本中人名上下文特征構(gòu)建識(shí)別模型，對(duì)中文人名進(jìn)行識(shí)別。在人工標(biāo)注的2,008條數(shù)據(jù)上達(dá)到0.94的人名識(shí)別 F值。第二，對(duì)金融文本中組織機(jī)構(gòu)名的觀察和統(tǒng)計(jì)顯示，此類(lèi)實(shí)體名稱(chēng)可以分為具有明顯區(qū)別的全稱(chēng)和縮寫(xiě)兩類(lèi)形式。針對(duì)全稱(chēng)，本文采用條件隨機(jī)場(chǎng)結(jié)

3、合領(lǐng)域特征的方法進(jìn)行識(shí)別。而對(duì)于縮寫(xiě)形式，則利用實(shí)體內(nèi)部結(jié)合度、實(shí)體邊界特征以及實(shí)體全稱(chēng)進(jìn)行識(shí)別。在人工標(biāo)注的包含5,500條組織結(jié)構(gòu)實(shí)體的數(shù)據(jù)集上達(dá)到0.93的F值。第三，根據(jù)文本中的信息及表達(dá)模式，利用關(guān)系表達(dá)模板的迭代生成及評(píng)估策略對(duì)金融領(lǐng)域中的組織機(jī)構(gòu)間的五類(lèi)常見(jiàn)關(guān)系進(jìn)行識(shí)別。在人工標(biāo)注的2,167條數(shù)據(jù)集上本文提出的關(guān)系獲取算法達(dá)到較好的準(zhǔn)確率。
　　本研究的主要貢獻(xiàn)包括：一、針對(duì)組織機(jī)構(gòu)名全稱(chēng)和縮寫(xiě)兩種形式各自的特點(diǎn)，