科研之友
微信
新浪微博
Facebook
分享链接
摘要
金融行业依靠数据驱动发展，金融数据具有海量、多结构多维度和高价值的特点。随着金融领域数据的不断增长，有效利用数据并使其价值变现成为推动行业持续发展的突破口。如何从数据中准确、及时地识别出实体是挖掘、利用数据的第一步，也是至关重要的一步。然而金融领域涉及的长实体多，实体的嵌套结构普遍存在，且金融领域同一实体的缩写和别称多，这些都会带来数据稀疏的问题。目前的命名实体识别（Named entity recognition,NER）研究多针对简单命名实体识别（Flat NER），忽略了文本中大量存在的嵌套实体。少量的嵌套命名实体识别（Nested Named entity recognition,Nested NER）研究也未针对性解决嵌套实体数据集中数据稀疏的问题。针对这些问题，本文提出了面向金融领域的嵌套命名实体识别系统，能对嵌套实体的分布式向量进行语义增强，充分学习到稀疏实体的语义信息，解决嵌套实体数据稀疏的问题，提高了嵌套命名实体识别的效果，并为用户提供了实体识别结果的可视化。系统在本文构建的金融数据集和《人民日报》数据集上的结果证明了其有效性和泛化性，目前已在国家重要金融部门得到示范应用，助力金融安全发展。
- 单位
