金融領域異構信息的自動獲取方法.pdf

1、隨著信息技術的發(fā)展,在互聯(lián)網(wǎng)上進行金融行為的人越來越多。在金融領域,每時每刻都有大量的信息通過互聯(lián)網(wǎng)公布。由于網(wǎng)絡本身所具有的信息量龐大、信息來源不固定、文本化表述等特征,目前互聯(lián)網(wǎng)上的金融信息在發(fā)布時仍是以半結構化或非結構化的形式為主。相比結構化的數(shù)據(jù),這些異構信息雖然易于發(fā)布和收集,但噪聲度高、信息冗余量大、不便于閱讀和理解,所以有效的信息提取變得至關重要。
　　目前,金融領域主要采用人工錄入的方法添加最新的金融產(chǎn)品。因此本文

2、提出并設計了一種面向金融領域異構信息的自動化獲取方法,基于該方法的信息抽取系統(tǒng)首先能夠從多個信息源發(fā)現(xiàn)最新的金融產(chǎn)品電子文檔。隨后通過本文所設計的規(guī)則本體語義的標注方法對訓練語料進行標注,系統(tǒng)能夠在半監(jiān)督學習策略下生成抽取規(guī)則,進而使用這些規(guī)則在文本信息中提取用戶感興趣的數(shù)據(jù)。
　　本文主要研究內(nèi)容包括以下幾個方面:
　　(1)實現(xiàn)了異構信息獲取和預處理模塊:自動更新下載最新的金融數(shù)據(jù),然后將這些異構信息整合成純文本文檔。<

3、br>　　(2)設計了半監(jiān)督的規(guī)則學習算法:根據(jù)語料特征定義規(guī)則的形式;設計語料標注方法并對訓練樣本進行標注;應用啟發(fā)式學習策略在標注樣本上生成規(guī)則。
　　(3)基于規(guī)則的信息抽取模塊,使用學習到的規(guī)則進行信息提取;設計并實現(xiàn)了一套完整的應用系統(tǒng),實時發(fā)現(xiàn)互聯(lián)網(wǎng)上的金融信息并以結構化的形式呈現(xiàn)。
　　本文采用了2010年9月至2011年10月的企業(yè)債上市公告書作為實驗數(shù)據(jù),信息系統(tǒng)完成對這些數(shù)據(jù)的收集,通過人工標注訓練樣本,