融合段落和文档特征的金融公告事件抽取方法

李佳静; 董泽信; 李盛; 孟涛; 罗小清; 闫宏飞

doi:10.19292/j.cnki.jdxxp.2025.04.001

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (04) : 736 -746. DOI: 10.19292/j.cnki.jdxxp.2025.04.001

融合段落和文档特征的金融公告事件抽取方法

李佳静, 董泽信, 李盛, 孟涛, 罗小清, 闫宏飞

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对金融事件存在论元专业性强、分散度高等特点，传统事件抽取方法难以实现精准抽取问题，提出了一种融合段落局部和文档全局特征的事件抽取方法。该方法首先对金融公告文档分段后并行地对所有段落利用Fin-BERT（Financial Bidirectional Encoder Representation from Transformers）预训练模型、卷积神经网络和自注意力机制获取文档局部特征；然后利用Bi-LSTM（Bi-directional Long-Short Term Memory）对整篇文档的语义信息进行学习获取文档全局特征；最后将段落局部特征与文档全局特征融合，输出事件论元和事件类型。在金融公开数据集ChFinAnn上进行的实验结果表明，该方法获得了平均80.2%的F₁值，优于基线模型，证明了该方法的有效性。