[发明专利]一种面向金融领域的中文命名实体识别方法及系统

说明书

本发明提供一种面向金融领域的中文命名实体识别方法及系统，通过将待识别数据处理为单字符和/或多字符，并将所述单字符和/或所述多字符分别转化为词向量；根据FLAT(F l at‑Latt ice Transformer)编码模型，对所述单字符和/或多字符的位置信息进行相对位置编码得到四个位置编码方阵，其中，所述位置信息为每一个单字符和/或多字符都构建两个位置列表，分别为Head和Tai l，Head为每个字符或词汇的开始位置，Tai l为每个字符或词汇的结束位置；将所述词向量和所述位置编码方阵输入Transformer模型得到实体的标签；将所述实体的标签输入判别模型得到实体类型的技术方案，提高了判断实体类型准确性，提升了识别效率。

技术领域

本发明涉及中文命名实体识别技术，尤其涉及一种面向金融领域的中文命名实体识别方法及系统。

背景技术

在实际投资过程中，上市公司披露的各类公告能及时为投资者和专业机构研究员提供最新最全的投研参考讯息，因此获取和分析公告包含的重要信息是他们每日的必要功课；但随着金融科技的发展和全球资本市场的不断扩大，在金融领域，每一天都有大量的公告产生，而与之形成强烈对比的是有限的人力以及人脑所能处理信息的极限能力；仅依靠传统的人工方式已经无法满足投研分析、风险控制、金融监管、事件关联和融资融券等需求；因此如何对文本中感兴趣的实体进行准确的识别和分类非常重要。

传统中文NER模型，会将字符级序列数据作为模型的输入，进行命名实体识别。

然而，传统中文NER模型忽略了词级序列数据所包含的重要信息，同时，传统中文NER模型需要对识别出的实体分配类别标签，但是当类别数较多时，标签词表规模很大，会进行数量巨多的分类任务，效率低下。

发明内容

本发明实施例提供一种面向金融领域的中文命名实体识别方法及系统，可以准确识别中文命名实体的类型。

本发明实施例的第一方面，提供一种面向金融领域的中文命名实体识别方法，包括：

将待识别数据处理为单字符和/或多字符，并将所述单字符和/或所述多字符分别转化为词向量；

根据FLAT(Flat-Lattice Transformer)模型，对所述单字符和/或多字符的位置信息进行相对位置编码得到四个位置编码方阵，其中，所述位置信息为每一个单字符和/或多字符都构建两个位置列表，分别为Head和Tail，Head为每个字符或词汇的开始位置，Tail为每个字符或词汇的结束位置；

将所述词向量和所述位置编码方阵输入Transformer模型得到实体的标签；

将所述实体的标签输入判别模型得到实体类型，其中，所述实体类型为待识别数据中具有共同要素的实体的集合。

可选地，在第一方面的一种可能实现方式中，所述将所述单字符和/或所述多字符分别转化为词向量，包括：

对单字符采用BERT模型转化为词向量；

对多字符采用Embedding模型转化为词向量；

其中，所述BERT模型和所述Embedding模型组成特征表示层。

可选地，在第一方面的一种可能实现方式中，所述对所述单字符和/或多字符的位置信息进行相对位置编码得到四个位置编码方阵，包括：根据距离公式对Head和Tail进行处理，得到四个位置编码方阵HH[i，j]，HT[i，j]，TH[i，j]，TT[i，j]：

HH[i，j]＝Head[i]-Head[j]

HT[i，j]＝Head[i]-Tail[j]

TH[i，j]＝Tail[i]-Head[j]

TT[i，j]＝Tail[i]-Tail[j]