文献类型：期刊文章

作　　者：罗明[1] 黄海量[1,2]

机构地区：[1]上海财经大学信息管理与工程学院,上海200433 [2]上海财经大学上海市金融信息技术研究重点实验室,上海200433

出　　处：《计算机应用》

基　　金：上海市科技人才计划项目(14XD1421000);上海市科技创新行动计划项目(16511102900)~~

年　　份：2018

卷　　号：38

期　　号：1

起止页码：84-90

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

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%。

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

分 类 号：TP181]