金融領域術語識別的研究.pdf

1、術語識別是信息處理領域的基礎研究任務之一，快速識別金融領域術語對金融領域的文本挖掘、信息抽取、輿情分析等任務有很高的應用價值。
　　目前術語識別任務多采用機器學習方法，而現有機器學習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域術語識別方法，該方法首先使用兩類機器學習模型初步識別金融術語。第一類是傳統(tǒng)的淺層機器學習模型—CRF模型，本文僅選擇了簡單基礎的特征。第二

2、類是代表性的神經網絡模型—LSTM模型，該模型避免了傳統(tǒng)循環(huán)神經網絡在學習遠距離信息時出現的梯度彌散問題。同時，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，在相同的參數條件下，改進的GRU模型F值可達88.13%，比基本的GRU模型結果高出0.68%。
　　其次，本文使用基于信息熵的術語可信度模型優(yōu)化上述識別結果，該模型利用基于邊緣概率的信息熵公式，篩選出屬于特定錯誤類型的候選術語，從而對候

3、選術語的處理更有針對性；過濾候選術語時將詞轉換為蘊含豐富語義信息的詞向量，通過計算語義相似度與傳統(tǒng)的互信息方法互為補充，可以過濾得到高質量的金融領域術語。實驗證明，該優(yōu)化方法不但有利于提高召回率，還能夠提高術語結構的完整性，可作為通用的過濾方法。在金融領域的語料上，CRF的識別結果經過優(yōu)化后準確率、召回率和F值分別為：95.30%、91.58%、93.40%；神經網絡模型的識別結果經過優(yōu)化后F值可提升1.3%~1.5%左右。