金融領(lǐng)域異構(gòu)信息的自動(dòng)獲取方法.pdf

1、隨著信息技術(shù)的發(fā)展,在互聯(lián)網(wǎng)上進(jìn)行金融行為的人越來(lái)越多。在金融領(lǐng)域,每時(shí)每刻都有大量的信息通過(guò)互聯(lián)網(wǎng)公布。由于網(wǎng)絡(luò)本身所具有的信息量龐大、信息來(lái)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(shí)仍是以半結(jié)構(gòu)化或非結(jié)構(gòu)化的形式為主。相比結(jié)構(gòu)化的數(shù)據(jù),這些異構(gòu)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(guān)重要。
　　目前,金融領(lǐng)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(shè)計(jì)了一種面向金融領(lǐng)域異構(gòu)信息的自動(dòng)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(gè)信息源發(fā)現(xiàn)最新的金融產(chǎn)品電子文檔。隨后通過(guò)本文所設(shè)計(jì)的規(guī)則本體語(yǔ)義的標(biāo)注方法對(duì)訓(xùn)練語(yǔ)料進(jìn)行標(biāo)注,系統(tǒng)能夠在半監(jiān)督學(xué)習(xí)策略下生成抽取規(guī)則,進(jìn)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?jī)?nèi)容包括以下幾個(gè)方面:
　　(1)實(shí)現(xiàn)了異構(gòu)信息獲取和預(yù)處理模塊:自動(dòng)更新下載最新的金融數(shù)據(jù),然后將這些異構(gòu)信息整合成純文本文檔。<

3、br>　　(2)設(shè)計(jì)了半監(jiān)督的規(guī)則學(xué)習(xí)算法:根據(jù)語(yǔ)料特征定義規(guī)則的形式;設(shè)計(jì)語(yǔ)料標(biāo)注方法并對(duì)訓(xùn)練樣本進(jìn)行標(biāo)注;應(yīng)用啟發(fā)式學(xué)習(xí)策略在標(biāo)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(xué)習(xí)到的規(guī)則進(jìn)行信息提取;設(shè)計(jì)并實(shí)現(xiàn)了一套完整的應(yīng)用系統(tǒng),實(shí)時(shí)發(fā)現(xiàn)互聯(lián)網(wǎng)上的金融信息并以結(jié)構(gòu)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(shí)驗(yàn)數(shù)據(jù),信息系統(tǒng)完成對(duì)這些數(shù)據(jù)的收集,通過(guò)人工標(biāo)注訓(xùn)練樣本,