陈剑南,杜军平,薛 哲,寇菲菲
北京邮电大学 智能通信软件与多媒体北京市重点实验室,计算机学院,北京 100876
随着经济生活的不断发展,金融事件数据开始大量累积,金融事件时刻影响着人们的生活与发展。如何从这些海量的金融事件数据中找到蕴含的潜在规律,并对金融事件大数据信息进行科学分析是一个重要的问题。金融事件大数据的精准画像是解决该问题的有效手段。金融领域交叉现象突出,金融领域与计算机领域的交叉,使得可以利用大数据处理的技术来解决金融领域所出现的大数据难题。随着知识图谱技术的兴起,大数据画像技术有了较大发展。利用知识图谱的技术可以对大数据信息进行数据挖掘,同时利用知识图谱技术构建金融事件的精准画像,从而将金融事件文本数据转换为图结构数据,这样可以通过精准画像来从海量金融数据中获取重要的信息,掌握金融事件的发展规律,为之后处理金融相关的业务提供重要的信息支持。作为知识图谱构建的关键技术,实体的关系提取一直是自然语言处理中的重点。在金融事件大数据中,存在着实体关系种类复杂繁多、中文金融事件大数据特征松散等问题。针对以上问题,本文进行了深入的研究与实验。
基于中文金融事件大数据的特点以及知识图谱构建中的关键技术,本文提出基于多重注意力的金融事件大数据实体关系抽取算法(financial event big data entity relationship extraction algorithm based on multiple attention mechanism,REMA)来进行金融事件大数据实体关系的抽取,并利用所提取的实体关系属性来构建金融事件大数据的知识图谱,从而完成金融事件大数据的精准画像。……