金融領(lǐng)域術(shù)語識(shí)別的研究.pdf

1、術(shù)語識(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)語對(duì)金融領(lǐng)域的文本挖掘、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)模型的特征選擇過程繁瑣且多依賴于人工參與，后處理規(guī)則的制定多依賴于特定語料而不具有通用性。本文提出一種新的金融領(lǐng)域術(shù)語識(shí)別方法，該方法首先使用兩類機(jī)器學(xué)習(xí)模型初步識(shí)別金融術(shù)語。第一類是傳統(tǒng)的淺層機(jī)器學(xué)習(xí)模型—CRF模型，本文僅選擇了簡單基礎(chǔ)的特征。第二

2、類是代表性的神經(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)距離信息時(shí)出現(xiàn)的梯度彌散問題。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)誤類型的候選術(shù)語，從而對(duì)候

3、選術(shù)語的處理更有針對(duì)性；過濾候選術(shù)語時(shí)將詞轉(zhuǎn)換為蘊(yùn)含豐富語義信息的詞向量，通過計(jì)算語義相似度與傳統(tǒng)的互信息方法互為補(bǔ)充，可以過濾得到高質(zhì)量的金融領(lǐng)域術(shù)語。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)語結(jié)構(gòu)的完整性，可作為通用的過濾方法。在金融領(lǐng)域的語料上，CRF的識(shí)別結(jié)果經(jīng)過優(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)過優(yōu)化后F值可提升1.3%~1.5%左右。