面向金融文本的實體識別與關系抽取研究.pdf

1、隨著互聯(lián)網(wǎng)技術的不斷發(fā)展，如何對飛速增長的互聯(lián)網(wǎng)文本中包含的知識進行高效可靠的挖掘并進行組織，已成為自然語言處理和信息抽取研究中的重要目標?；ヂ?lián)網(wǎng)中各種命名實體及之間的關系紛繁復雜，單純的以人工和經(jīng)驗的方式進行相關知識的獲取及組織已經(jīng)遠遠不能滿足人們的使用要求。為此，知識的自動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域命名實體及其關系自動獲取的方法。從現(xiàn)有的研究來看，基于規(guī)則的方法有著較高的準確率，但是對于先驗的

2、專家知識要求很高；基于統(tǒng)計的方法則不需要過多的先驗知識，但是卻嚴重依賴于標注好的訓練數(shù)據(jù)。單純的使用其中一種方法已經(jīng)不能滿足實際應用的需求。
　　本文主要進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建識別模型，對中文人名進行識別。在人工標注的2,008條數(shù)據(jù)上達到0.94的人名識別 F值。第二，對金融文本中組織機構名的觀察和統(tǒng)計顯示，此類實體名稱可以分為具有明顯區(qū)別的全稱和縮寫兩類形式。針對全稱，本文采用條件隨機場結

3、合領域特征的方法進行識別。而對于縮寫形式，則利用實體內部結合度、實體邊界特征以及實體全稱進行識別。在人工標注的包含5,500條組織結構實體的數(shù)據(jù)集上達到0.93的F值。第三，根據(jù)文本中的信息及表達模式，利用關系表達模板的迭代生成及評估策略對金融領域中的組織機構間的五類常見關系進行識別。在人工標注的2,167條數(shù)據(jù)集上本文提出的關系獲取算法達到較好的準確率。
　　本研究的主要貢獻包括：一、針對組織機構名全稱和縮寫兩種形式各自的特點，