[发明专利]一种金融信用风险事件抽取方法、可读存储介质及设备

说明书

本发明公开了一种金融信用风险事件抽取方法、可读存储介质及设备，包括：获取新闻标题，对新闻标题进行正则表达式匹配，得到正文；对新闻标题和正文进行二次校验，确定事件类别以及新闻文本；将事件类别和新闻文本输入到抽取模型，得到相应事件类别的失信主体；抽取模型利用损失函数loss_1预测事件要素文本的上下文位置，利用损失函数loss_2预测事件要素文本结构信息，事件要素文本为根据事件类别在新闻文本中抽取的信息。优点：构造两种不同类型任务的损失函数，loss_1代表预测事件要素文本的起始位置，loss_2代表预测事件要素文本结构信息，两者结合，根本上提升模型整体准确率。

技术领域

本发明涉及一种金融信用风险事件抽取方法、可读存储介质及设备，属于金融风险管理舆情分析技术领域。

背景技术

现在主流的事件抽取方法主要有基于规则模板的方法和基于机器学习的方法：

(1)基于规则模板的方法：

首先定义事件并生成事件抽取模板，首先定义好事件的模板或者关键词，然后对原始新闻舆情进行句法，词法分析，并与模板和事件关键词进行相似度计算和匹配，进行事件抽取。

(2)基于机器学习的方法：

作为一种有监督多元分类任务，事件抽取方法包括2个步骤:特征选择和分类模型。然后又分为句子级的事件抽取方法和篇章级的事件抽取方法。总地来说，句子级的事件抽取方法只使用句子内部获取的特征。而篇章级的事件抽取方法则包含了跨句、跨文档抽取的特征信息。一般情况下，句子级特征是所有事件抽取方法通用的特征，而篇章级特征则属于面向实际任务挖掘的特效特征。

现有技术存在的问题：

(1)通过人工编辑或者学习得到的模板对文本中的实体关系进行抽取和判别，受限于模板的质量和覆盖度，可扩展性不强。

(2)机器机器学习的事件抽取方法虽然比模板抽取更加精细，但是存在不具有通用性的缺点，而且检测识别模型的框架单一，不能满足一些个性化场景。

(3)对不良信用事件的识别和主体抽取，不同于其他舆情分析和结构化抽取任务，具有高度的定制化和个性化，现有抽取算法技术不能满足信息的定点捕获。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种金融信用风险事件抽取方法、可读存储介质及设备。

为解决上述技术问题，本发明提供一种金融信用风险事件抽取方法，包括：

获取新闻标题，对新闻标题进行正则表达式匹配，得到正文；

对新闻标题和正文进行二次校验，确定事件类别以及新闻文本；

将事件类别和新闻文本输入到抽取模型，得到相应事件类别的失信主体；所述抽取模型利用两种不同类型任务的损失函数loss_1和损失函数loss_2对事件类别、新闻标题和正文进行处理，其中，损失函数loss_1用于预测事件要素文本的上下文位置，损失函数loss_2用于预测事件要素文本结构信息，所述事件要素文本为根据事件类别在新闻文本中抽取的信息。

进一步的，所述将事件类别、新闻标题和正文输入到抽取模型，得到相应事件类别的失信主体的处理过程包括：

通过事件类别确定事件类别的token语句和context语句，经过bert或albert模型对金融事件进行标签，得到金融事件标签event_label和利用bert或albert模型中的注意力机制对context语句进行处理得到语句信息表征，根据语句信息表征分别提取事件类别的语义表征E＝[E₁,E₂,...E_n]和整个语句的语义表征C＝[T₁,T₂,...T_m]；