基于本體的金融年報語義網(wǎng)自動構(gòu)建方法.pdf

1、持續(xù)走熱的通用搜索引擎帶來了海量信息檢索的極大便利，但對于具體某個領(lǐng)域而言，檢索能力尚不足以令人滿意。于是，各個領(lǐng)域的垂直搜索猶如百花齊放。具體到金融領(lǐng)域，投資用戶經(jīng)常需要閱讀繁雜的年報數(shù)據(jù)，而通用搜索引擎對此能幫上的忙極為有限。于是，基于金融年報本體庫的金融年報語義網(wǎng)信息檢索系統(tǒng)應(yīng)運而生，該系統(tǒng)能給予投資用戶精確的查詢結(jié)果，并能進行自動推理，向用戶推送可能需要的信息。而大規(guī)模金融年報語義網(wǎng)的自動構(gòu)建問題是該系統(tǒng)的最大瓶頸所在。

2、　　本文的主要研究目的就是將本體與信息抽取技術(shù)相結(jié)合，實現(xiàn)金融年報語義網(wǎng)的自動構(gòu)建。主要的研究內(nèi)容如下：
　　(1)對年報文本，通過最小標(biāo)注塊的切分、精確匹配及模糊匹配，并基于金融年報本體庫進行語義的自動標(biāo)注。
　　(2)對年報非標(biāo)記表格進行表格結(jié)構(gòu)識別，主要包括子表格切分、列分割和列跨度識別、行分段、展開方式識別和表格標(biāo)題定位這五個方面。后三個方面都使用了金融年報本體庫的信息。
　　(3)對經(jīng)過結(jié)構(gòu)識別的非標(biāo)記表格進

3、行規(guī)整化，得到具有清晰行列信息的標(biāo)準(zhǔn)表格，之后再基于本體進行表格的語義自動標(biāo)注。
　　(4)研究用于金融年報語義網(wǎng)自動構(gòu)建系統(tǒng)的準(zhǔn)確度評測方法，并評測了本體庫對系統(tǒng)的影響程度。
　　在表格結(jié)構(gòu)識別階段，子表格切分、列分割和行分段都有很高的準(zhǔn)確度。列跨度識別過于依賴文本排布，展開方式過于依賴本體，因此它們的準(zhǔn)確度稍差些，還需要進一步改進。由于本體庫的完善與否、表格結(jié)構(gòu)識別各階段的準(zhǔn)確度以及模糊匹配算法的選擇都會影響整個系統(tǒng)的性