[发明专利]金融主体的识别方法、电子装置和存储介质

说明书

本申请涉及一种金融主体的识别方法、电子装置和存储介质，其中，该金融主体的识别方法包括：将待分析的金融文档输入两个以上各不相同的第一主体识别模型，得到第一预测结果集合，第一预测结果集合由与各第一主体识别模型对应的各第一预测结果组成，各第一预测结果包含由对应的第一主体识别模型预测得到的若干金融主体，根据各金融主体在第一预测结果集合中出现的次数，确定金融主体是否作为识别结果输出，通过本申请，解决了容易误判金融欺诈信息的主体的问题，实现了更加准确地识别金融欺诈信息的主体。

技术领域

本申请涉及自然语言处理领域，特别是涉及金融主体的识别方法、电子装置和存储介质。

背景技术

随着互联网的飞速进步和全球金融的高速发展，以互联网为代表的各类金融业已融入到经济社会发展的各个领域，金融信息呈现爆炸式增长。P2P网络借贷平台，小额贷款公司，股权投资机构等各类金融业态不断涌现，其融资规模、交易规模不断扩大，涉及的交易主体也越来越复杂，通过互联网手段实施经济犯罪煽动性更强、波及面更广、危害更大。

金融监管相比传统行业监管面临更多的困难，如何从海量的金融信息中识别出金融欺诈信息的主体，目前还没有提出有效的解决方案。现有技术中存在基于深度学习进行命名实体识别，但是这种方法会有产生主体误判的风险，如果直接采用去识别金融欺诈信息的主体，显然无法准确地识别金融欺诈信息的主体。

发明内容

在本实施例中提供了一种金融主体的识别方法、电子装置和存储介质，以解决相关技术中金融欺诈信息的主体无法识别的问题。

第一个方面，在本实施例中提供了一种金融主体的识别方法，所述方法包括：

获取待分析的金融文档；

将所述待分析的金融文档输入到两个以上各不相同的第一主体识别模型，得到第一预测结果集合，所述第一预测结果集合由与各所述第一主体识别模型对应的各第一预测结果组成，各所述第一预测结果包含由对应的第一主体识别模型预测得到的若干金融主体；

根据各所述金融主体在所述第一预测结果集合中出现的次数，确定所述金融主体是否作为识别结果输出。

在其中的一些实施例中，所述方法还包括：

获取待训练的金融文档，根据所述待训练的金融文档，得到第一字符序列和第二字符序列；

将所述第一字符序列分为训练集和验证集，根据所述训练集和所述第二字符序列，对两个以上各不相同的第二主体识别模型进行一轮以上的训练，得到第三主体识别模型集合，所述第三主体识别模型集合由与各所述第二主体识别模型对应的多个第三主体识别模型组成，其中，所述第二主体识别模型每进行一轮训练得到一个第三主体识别模型；

使用所述验证集对各所述第三主体识别模型进行验证，得到各所述第三主体识别模型的召回率和第二预测结果集合，所述第二预测结果集合由与各所述第三主体识别模型对应的各第二预测结果组成，各所述第二预测结果包含由对应的第三主体识别模型预测得到的若干金融主体，将所述第三主体识别模型集合中符合召回率要求的第三主体识别模型确定为第四主体识别模型，其中，与所述第四主体识别模型对应的各第二预测结果组成第三预测结果集合；

根据各所述金融主体在所述第三预测结果集合中出现的次数，确定所述金融主体是否作为预测结果输出；

计算所述预测结果与验证集中标定的金融欺诈信息主体的匹配度，将计算得到的所述匹配度满足要求的所述第四主体识别模型确定为第一主体识别模型。

在其中的一些实施例中，所述第二主体识别模型通过以下至少之一构建：

BERT-BLSTM-CRF模型和BERT-IDCNN-CRF模型。

在其中的一些实施例中，获取待训练的金融文档，根据所述待训练的金融文档，得到第一字符序列和第二字符序列，具体包括：