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

在審

• 申請(qǐng)?zhí)枺?/td>: 201911149502.X
• 申請(qǐng)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(qǐng)（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(yáng)聯(lián)合專利代理有限公司 33289
• 代理人: 姚宇吉

本發(fā)明公開一種基于關(guān)鍵詞語(yǔ)義的金融標(biāo)簽提取方法及系統(tǒng)，其方法包括以下步驟：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(duì)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(duì)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。本發(fā)明能夠準(zhǔn)確的提取輿情文本多個(gè)維度的金融標(biāo)簽。

技術(shù)領(lǐng)域

本發(fā)明涉及標(biāo)簽提取領(lǐng)域，尤其涉及一種基于關(guān)鍵詞語(yǔ)義的金融標(biāo)簽提取方法及系統(tǒng)。

背景技術(shù)

金融標(biāo)簽對(duì)于金融輿情有著重要的意義，金融標(biāo)簽不僅包括相關(guān)的機(jī)構(gòu)、人物、地理位置等等實(shí)體標(biāo)簽，還需要提取有關(guān)金融行業(yè)、股票板塊、金融概念、市場(chǎng)等用于體現(xiàn)金融行業(yè)的特有標(biāo)簽，標(biāo)簽豐富的金融輿情才能供金融輿情消費(fèi)者快速分析處理相關(guān)數(shù)據(jù)。

現(xiàn)有提取金融標(biāo)簽的方法包括利用實(shí)體鏈接對(duì)金融輿情的文本進(jìn)行實(shí)體識(shí)別，根據(jù)識(shí)別結(jié)果輸出標(biāo)簽，以及利用多分類的方式提取標(biāo)簽。但關(guān)于金融輿情的行業(yè)、板塊、概念、市場(chǎng)等維度的標(biāo)簽通常很難用常規(guī)實(shí)體識(shí)別或分類的方法獲得，故需要對(duì)現(xiàn)有技術(shù)做進(jìn)一步改進(jìn)。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)中的缺點(diǎn)，提供了一種基于關(guān)鍵詞語(yǔ)義的金融標(biāo)簽提取方法及系統(tǒng)。

為了解決上述技術(shù)問題，本發(fā)明通過下述技術(shù)方案得以解決：

一種基于關(guān)鍵詞語(yǔ)義的金融標(biāo)簽提取方法，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(duì)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(duì)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。

作為一種可實(shí)施方式，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(yǔ)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(duì)初始語(yǔ)義關(guān)聯(lián)模型進(jìn)行增量訓(xùn)練，獲得語(yǔ)義關(guān)聯(lián)模型和詞向量表。

作為一種可實(shí)施方式：

采集金融輿情文本樣本，基于預(yù)設(shè)的分詞表對(duì)所述金融輿情文本樣本進(jìn)行分詞，獲得金融語(yǔ)料，對(duì)所述金融語(yǔ)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(duì)初始語(yǔ)義關(guān)聯(lián)模型進(jìn)行增量訓(xùn)練，獲得語(yǔ)義關(guān)聯(lián)模型和詞向量表，將所述語(yǔ)義關(guān)聯(lián)模型作為下次進(jìn)行增量訓(xùn)練的初始語(yǔ)義關(guān)聯(lián)模型。

作為一種可實(shí)施方式：

采集非金融輿情文本樣本，基于預(yù)設(shè)的分詞表對(duì)所述非金融輿情文本樣本進(jìn)行分詞，獲得基礎(chǔ)語(yǔ)料，對(duì)所述基礎(chǔ)語(yǔ)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(duì)詞向量模型進(jìn)行訓(xùn)練，獲得初始語(yǔ)義關(guān)聯(lián)模型。

作為一種可實(shí)施方式，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。

作為一種可實(shí)施方式，所述詞向量模型為FastText模型、word2vec模型或Glove模型。

作為一種可實(shí)施方式，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：