基于多层卷积神经网络的金融事件联合抽取方法后印本

A Joint Extraction Method of Financial Events Based on Multi-Layer Convolutional Neural Networks

作者： 李旭晖 ^1,2 程威 ¹ 唐小雅 ³ 于滔 ¹ 陈壮 ³ 钱铁云 ³
作者单位：

1. 武汉大学信息管理学院武汉 430072

2. 武汉大学大数据研究院武汉 430072

3. 武汉大学计算机学院武汉 430072
提交时间：2023-04-01 16:03:00

摘要: [目的/意义] 为进一步提升金融领域事件抽取的效果，增强事件抽取两个子任务之间的关联性。[方法/过程] 在中文金融文本上进行事件抽取相关研究，提出一种融合预训练模型与多层卷积神经网络的金融事件联合抽取方法，首先通过预训练模型BERT捕捉句子序列的综合语义信息，然后接入本文设计的多层卷积架构MultiCNN，分层提取局部窗口和高维空间语义信息，同时实现事件识别和要素抽取这两个任务，再通过引入对比损失，进一步强化两个任务之间的关联。[结果/结论] 在中文金融事件数据集上F₁达到82.20%，比各个基准抽取模型均有一定提升。

中文事件抽取卷积神经网络预训练模型联合学习

分类： 图书馆学、情报学 >> 情报学
引用： ChinaXiv:202304.00395 (或此版本 ChinaXiv:202304.00395V1)
DOI:10.12074/202304.00395V1
CSTR:32003.36.ChinaXiv.202304.00395.V1
科创链TXID： 88b65ff9-f6f5-4777-8063-0b577b299119
推荐引用方式： 李旭晖,程威,唐小雅,于滔,陈壮,钱铁云.基于多层卷积神经网络的金融事件联合抽取方法.中国科学院科技论文预发布平台.[ChinaXiv:202304.00395V1] (点此复制)

版本历史

[V1]

2023-04-01 16:03:00

ChinaXiv:202304.00395V1

下载全文

1. 人工智能时代数智化律师事务所的构建逻辑与伦理边界	2026-09-30
2. 法律人工智能与律师职业的融合发展	2026-05-22
3. Exact Solutions of the Hubbard Model in 1D, 2D and 3D and Their Physical Properties	2026-04-17
4. 35周年专刊\|打造支撑中国科技期刊研究的学术期刊——写在《中国科技期刊研究》创刊35周年之际	2026-02-03
5. 传承与变革相结合，发展与创新相结合	2026-02-03
6. 科技期刊面向“十五五”的守正与创新	2025-07-20
7. 公共图书馆“十五五”创新发展的几个关键问题	2025-06-28
8. 律师视角下的律师制度改革	2025-06-05
9. 图书馆创新发展需要研究驱动	2025-04-24
10. 高水平科学家担任科技期刊编委的现状调研与分析	2025-01-02

1. 基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究	2023-07-26
2. 基于CNN-BiLSTM模型的在线医疗实体抽取研究	2023-07-26
3. 基于深度学习CNN模型的图像情感特征抽取研究	2023-07-26
4. 基于深度学习的MOOC论坛探索型对话识别方法研究	2023-07-26
5. 一种基于图卷积自编码模型的多维度学科知识网络融合方法	2023-04-01
6. 基于题录信息的领域学术文献细粒度分类方法研究	2023-04-01
7. 政策工具自动识别方法与实证研究	2023-04-01


公开评论匿名评论仅发给作者

基于多层卷积神经网络的金融事件联合抽取方法 后印本

版本历史

相关论文推荐 作者相关论文

基于多层卷积神经网络的金融事件联合抽取方法后印本