融合RACNN和BiLSTM的金融领域事件隐式因果关系抽取

金方焱; 王秀利

首页> 中文期刊> 《计算机科学》 >融合RACNN和BiLSTM的金融领域事件隐式因果关系抽取

融合RACNN和BiLSTM的金融领域事件隐式因果关系抽取

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

金融领域的文本信息量大、价值高,尤其是其中的隐式因果关系事件包含着巨大的潜在利用价值。对金融领域文本进行隐式因果关系分析,挖掘隐式因果关系事件中隐含的重要信息,了解金融领域事件更深层的演化逻辑,进而构建金融领域知识库,对金融风险控制、风险预警等具有重要意义。为了提高金融领域中隐式因果关系事件识别的准确度,从特征挖掘的角度入手,提出了一种基于自注意力机制的融合循环注意力卷积神经网络(Recurrent Attention Convolution Neural Network,RACNN)和双向长短时记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)的隐式因果关系抽取方法。该方法结合了基于迭代反馈机制能提取更重要文本局部特征的RACNN、能更好地提取文本全局特征的BiLSTM以及能更深入地挖掘融合特征语义信息的自注意力机制,在SemEval-2010 Task 8数据集和金融领域数据集上进行了实验,结果表明,评估指标F1值分别达到了72.98%和75.74%,均显著优于其他对比模型。

著录项

来源
《计算机科学》 |2022年第7期|179-186|共8页
作者
金方焱; 王秀利;
展开▼
作者单位

中央财经大学信息学院;

国家金融安全教育部工程研究中心;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
关键词
金融领域; 隐式因果关系抽取; 循环注意力卷积神经网络; 双向长短时记忆网络; 迭代反馈机制; 自注意力机制;

相似文献

中文文献
外文文献
专利

1. 基于事件动作方向的隐式因果关系抽取方法 [J] . 缪峰 ,王萍 ,李太勇 . 计算机科学 . 2022,第3期
2. 基于ALBERT+BiLSTM+CRF的事件抽取模型 [J] . 韩娜 ,张昊洋 . 黑龙江科技大学学报 . 2022,第3期
3. 基于BiLSTM-CRF的中文临床指南治疗事件抽取 [J] . 余辉 ,徐畅 ,刘雅茹 . 中华医学图书情报杂志 . 2020,第2期
4. 基于注意力机制BiLSTM的事件抽取方法 [J] . 盛煜堃 ,彭艳兵 . 电子设计工程 . 2020,第008期
5. 基于BiLSTM_Att的军事领域实体关系抽取研究 [J] . 朱珊珊1 ,唐慧丰2 . 智能计算机与应用 . 2019,第004期
6. 基于依存句法和短语结构句法结合的金融领域事件元素抽取 [C] . Meng Lei ,孟雷 ,Ding Xiao . 第十一届全国计算语言学学术会议 . 2011
7. 基于BiLSTM-CRF与分类分层标注的微博突发事件时空信息抽取方法 [A] . 胡烈云 . 2021

融合RACNN和BiLSTM的金融领域事件隐式因果关系抽取

摘要

著录项

相似文献

相关主题

期刊订阅