金融領(lǐng)域術(shù)語(yǔ)識(shí)別的研究

1、碩士學(xué)位論文金融領(lǐng)域術(shù)語(yǔ)識(shí)別的研究金融領(lǐng)域術(shù)語(yǔ)識(shí)別的研究ResearchonTerminologyRecognitioninFinancialDomain作者姓名：梁晨學(xué)科、專(zhuān)業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)學(xué)號(hào)：21409165指導(dǎo)教師：黃德根完成日期：2017年4月30日大連理工大學(xué)DalianUniversityofTechnology萬(wàn)方數(shù)據(jù)大連理工大學(xué)碩士學(xué)位論文I摘要術(shù)語(yǔ)識(shí)別是信息處理領(lǐng)域的基礎(chǔ)研究任務(wù)之一，快速識(shí)別金融領(lǐng)域術(shù)語(yǔ)對(duì)金融領(lǐng)域

2、的文本挖掘、信息抽取、輿情分析等任務(wù)有很高的應(yīng)用價(jià)值。目前術(shù)語(yǔ)識(shí)別任務(wù)多采用機(jī)器學(xué)習(xí)方法，而現(xiàn)有機(jī)器學(xué)習(xí)模型的特征選擇過(guò)程繁瑣且多依賴(lài)于人工參與，后處理規(guī)則的制定多依賴(lài)于特定語(yǔ)料而不具有通用性。本文提出一種新的金融領(lǐng)域術(shù)語(yǔ)識(shí)別方法，該方法首先使用兩類(lèi)機(jī)器學(xué)習(xí)模型初步識(shí)別金融術(shù)語(yǔ)。第一類(lèi)是傳統(tǒng)的淺層機(jī)器學(xué)習(xí)模型—CRF模型，本文僅選擇了簡(jiǎn)單基礎(chǔ)的特征。第二類(lèi)是代表性的神經(jīng)網(wǎng)絡(luò)模型—LSTM模型，該模型避免了傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)遠(yuǎn)距離信息

3、時(shí)出現(xiàn)的梯度彌散問(wèn)題。同時(shí)，本文也嘗試了LSTM模型的典型變體—GRU模型，并把其記憶單元拆分為左右新記憶單元，在相同的參數(shù)條件下，改進(jìn)的GRU模型F值可達(dá)88.13%，比基本的GRU模型結(jié)果高出0.68%。其次，本文使用基于信息熵的術(shù)語(yǔ)可信度模型優(yōu)化上述識(shí)別結(jié)果，該模型利用基于邊緣概率的信息熵公式，篩選出屬于特定錯(cuò)誤類(lèi)型的候選術(shù)語(yǔ)，從而對(duì)候選術(shù)語(yǔ)的處理更有針對(duì)性；過(guò)濾候選術(shù)語(yǔ)時(shí)將詞轉(zhuǎn)換為蘊(yùn)含豐富語(yǔ)義信息的詞向量，通過(guò)計(jì)算語(yǔ)義相似度與傳

4、統(tǒng)的互信息方法互為補(bǔ)充，可以過(guò)濾得到高質(zhì)量的金融領(lǐng)域術(shù)語(yǔ)。實(shí)驗(yàn)證明，該優(yōu)化方法不但有利于提高召回率，還能夠提高術(shù)語(yǔ)結(jié)構(gòu)的完整性，可作為通用的過(guò)濾方法。在金融領(lǐng)域的語(yǔ)料上，CRF的識(shí)別結(jié)果經(jīng)過(guò)優(yōu)化后準(zhǔn)確率、召回率和F值分別為：95.30%、91.58%、93.40%；神經(jīng)網(wǎng)絡(luò)模型的識(shí)別結(jié)果經(jīng)過(guò)優(yōu)化后F值可提升1.3%~1.5%左右。綜上，本文分別用CRF模型和神經(jīng)網(wǎng)絡(luò)模型兩種方法實(shí)現(xiàn)了金融領(lǐng)域術(shù)語(yǔ)的識(shí)別。這兩種方法均屬于有監(jiān)督學(xué)習(xí)，神經(jīng)網(wǎng)