基于本體的金融年報(bào)語(yǔ)義網(wǎng)自動(dòng)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(duì)于具體某個(gè)領(lǐng)域而言，檢索能力尚不足以令人滿意。于是，各個(gè)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(bào)數(shù)據(jù)，而通用搜索引擎對(duì)此能幫上的忙極為有限。于是，基于金融年報(bào)本體庫(kù)的金融年報(bào)語(yǔ)義網(wǎng)信息檢索系統(tǒng)應(yīng)運(yùn)而生，該系統(tǒng)能給予投資用戶精確的查詢結(jié)果，并能進(jìn)行自動(dòng)推理，向用戶推送可能需要的信息。而大規(guī)模金融年報(bào)語(yǔ)義網(wǎng)的自動(dòng)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(shí)現(xiàn)金融年報(bào)語(yǔ)義網(wǎng)的自動(dòng)構(gòu)建。主要的研究?jī)?nèi)容如下：
　　(1)對(duì)年報(bào)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(bào)本體庫(kù)進(jìn)行語(yǔ)義的自動(dòng)標(biāo)注。
　　(2)對(duì)年報(bào)非標(biāo)記表格進(jìn)行表格結(jié)構(gòu)識(shí)別，主要包括子表格切分、列分割和列跨度識(shí)別、行分段、展開方式識(shí)別和表格標(biāo)題定位這五個(gè)方面。后三個(gè)方面都使用了金融年報(bào)本體庫(kù)的信息。
　　(3)對(duì)經(jīng)過結(jié)構(gòu)識(shí)別的非標(biāo)記表格進(jìn)

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(jìn)行表格的語(yǔ)義自動(dòng)標(biāo)注。
　　(4)研究用于金融年報(bào)語(yǔ)義網(wǎng)自動(dòng)構(gòu)建系統(tǒng)的準(zhǔn)確度評(píng)測(cè)方法，并評(píng)測(cè)了本體庫(kù)對(duì)系統(tǒng)的影響程度。
　　在表格結(jié)構(gòu)識(shí)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(shí)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(jìn)一步改進(jìn)。由于本體庫(kù)的完善與否、表格結(jié)構(gòu)識(shí)別各階段的準(zhǔn)確度以及模糊匹配算法的選擇都會(huì)影響整個(gè)系統(tǒng)的性