[發(fā)明專利]一種基于關(guān)鍵詞語義的金融標(biāo)簽提取方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201911149502.X
• 申請日: 2019-11-21
• 公開（公告）號(hào): CN111104526A
• 公開（公告）日: 2020-05-05
• 發(fā)明（設(shè)計(jì)）人: 李明玉
• 申請（專利權(quán)）人: 新華智云科技有限公司
• 主分類號(hào): G06F16/383
• 分類號(hào): G06F16/383;G06F40/237;G06F40/289;G06F40/30
• 代理公司: 杭州裕陽聯(lián)合專利代理有限公司 33289
• 代理人: 姚宇吉

1.一種基于關(guān)鍵詞語義的金融標(biāo)簽提取方法，其特征在于包括以下步驟：

配置預(yù)定義標(biāo)簽和詞向量表；

抽取輿情文本的關(guān)鍵詞，從所述詞向量表中提取與所述關(guān)鍵詞相對應(yīng)的詞向量，獲得關(guān)鍵詞向量，并提取與所述預(yù)定義標(biāo)簽相對應(yīng)的詞向量，獲得標(biāo)簽詞向量；

基于所述關(guān)鍵詞向量和所述標(biāo)簽詞向量計(jì)算各預(yù)定義標(biāo)簽與輿情文本的相似度，并根據(jù)相似度提取相應(yīng)的預(yù)定義標(biāo)簽作為所述輿情文本的金融標(biāo)簽輸出。

2.根據(jù)權(quán)利要求1所述的基于關(guān)鍵詞語義的金融標(biāo)簽提取方法，其特征在于，配置詞向量表的具體步驟為：

采集并處理非金融輿情文本樣本，獲得初始訓(xùn)練數(shù)據(jù)，利用所述初始訓(xùn)練數(shù)據(jù)訓(xùn)練獲得初始語義關(guān)聯(lián)模型；

采集并處理金融輿情文本樣本，獲得增量訓(xùn)練數(shù)據(jù)，利用所述增量訓(xùn)練數(shù)據(jù)對初始語義關(guān)聯(lián)模型進(jìn)行增量訓(xùn)練，獲得語義關(guān)聯(lián)模型和詞向量表。

3.根據(jù)權(quán)利要求2所述的基于關(guān)鍵詞語義的金融標(biāo)簽提取方法，其特征在于：

采集金融輿情文本樣本，基于預(yù)設(shè)的分詞表對所述金融輿情文本樣本進(jìn)行分詞，獲得金融語料，對所述金融語料進(jìn)行預(yù)處理后獲得增量訓(xùn)練數(shù)據(jù)；

利用所述增量訓(xùn)練數(shù)據(jù)對初始語義關(guān)聯(lián)模型進(jìn)行增量訓(xùn)練，獲得語義關(guān)聯(lián)模型和詞向量表，將所述語義關(guān)聯(lián)模型作為下次進(jìn)行增量訓(xùn)練的初始語義關(guān)聯(lián)模型。

4.根據(jù)權(quán)利要求2所述的基于關(guān)鍵詞語義的金融標(biāo)簽提取方法，其特征在于：

采集非金融輿情文本樣本，基于預(yù)設(shè)的分詞表對所述非金融輿情文本樣本進(jìn)行分詞，獲得基礎(chǔ)語料，對所述基礎(chǔ)語料進(jìn)行預(yù)處理后獲得初始訓(xùn)練數(shù)據(jù)；

利用所述初始訓(xùn)練數(shù)據(jù)對詞向量模型進(jìn)行訓(xùn)練，獲得初始語義關(guān)聯(lián)模型。

5.根據(jù)權(quán)利要求4所述的基于關(guān)鍵詞語義的金融標(biāo)簽提取方法，其特征在于，所述詞向量模型為FastText模型、word2vec模型或Glove模型。

6.根據(jù)權(quán)利要求3至5任一所述的基于關(guān)鍵詞語義的金融標(biāo)簽提取方法，其特征在于，所述分詞表包含分詞關(guān)鍵詞和自定義金融詞匯，所述分詞關(guān)鍵詞為抽取金融輿情文本樣本所得的關(guān)鍵詞，所述自定義金融詞匯為用戶輸入的金融詞匯。

7.根據(jù)權(quán)利要求1所述的基于關(guān)鍵詞語義的金融標(biāo)簽提取方法，其特征在于，基于所述關(guān)鍵詞向量和所述標(biāo)簽詞向量計(jì)算各預(yù)定義標(biāo)簽與輿情文本的相似度，并根據(jù)相似度提取相應(yīng)的預(yù)定義標(biāo)簽作為所述輿情文本的金融標(biāo)簽輸出的具體步驟為：

當(dāng)所述關(guān)鍵詞的數(shù)量為1時(shí)，基于標(biāo)簽詞向量與關(guān)鍵詞向量計(jì)算預(yù)定義標(biāo)簽與所述關(guān)鍵詞的夾角余弦值，以所述夾角余弦值作為相對應(yīng)的預(yù)定義標(biāo)簽與輿情文本的相似度；

當(dāng)所述關(guān)鍵詞的數(shù)量大于1時(shí)，提取各關(guān)鍵詞的權(quán)重，基于標(biāo)簽詞向量、關(guān)鍵詞向量和所述權(quán)重加權(quán)計(jì)算預(yù)定義標(biāo)簽與各關(guān)鍵詞的夾角余弦值，求和后獲得相對應(yīng)的預(yù)定義標(biāo)簽與輿情文本的相似度；

根據(jù)所述相似度對各預(yù)定義標(biāo)簽進(jìn)行排列，并將相似度大于預(yù)設(shè)的相似度閾值的預(yù)定義標(biāo)簽作為所述輿情文本的金融標(biāo)簽輸出。

8.一種基于關(guān)鍵詞語義的金融標(biāo)簽提取系統(tǒng)，其特征在于，包括：

信息配置模塊，用于配置預(yù)定義標(biāo)簽和詞向量表；

信息抽取模塊，用于抽取輿情文本的關(guān)鍵詞，從所述詞向量表中提取與所述關(guān)鍵詞相對應(yīng)的詞向量，獲得關(guān)鍵詞向量，并提取與所述預(yù)定義標(biāo)簽相對應(yīng)的詞向量，獲得標(biāo)簽詞向量；

標(biāo)簽輸出模塊，用于基于所述關(guān)鍵詞向量和所述標(biāo)簽詞向量計(jì)算各預(yù)定義標(biāo)簽與輿情文本的相似度，并根據(jù)相似度提取相應(yīng)的預(yù)定義標(biāo)簽作為所述輿情文本的金融標(biāo)簽輸出。

9.根據(jù)權(quán)利要求8所述的基于關(guān)鍵詞語義的金融標(biāo)簽提取系統(tǒng)，其特征在于，所述信息配置模塊包括預(yù)定義標(biāo)簽配置單元和詞向量表配置單元，其中詞向量表配置單元被配置為：

采集并處理非金融輿情文本樣本，獲得初始訓(xùn)練數(shù)據(jù)，利用所述初始訓(xùn)練數(shù)據(jù)訓(xùn)練獲得初始語義關(guān)聯(lián)模型；

采集并處理金融輿情文本樣本，獲得增量訓(xùn)練數(shù)據(jù)，利用所述增量訓(xùn)練數(shù)據(jù)對初始語義關(guān)聯(lián)模型進(jìn)行增量訓(xùn)練，獲得語義關(guān)聯(lián)模型和詞向量表。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7任意一項(xiàng)所述方法的步驟。