申请/专利权人：浙江工业大学

申请日：2023-05-10

公开（公告）日：2023-11-07

公开（公告）号：CN117009849A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/25;G06F40/289;G06F40/126;G06Q40/00;G06N3/04;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.24#实质审查的生效;2023.11.07#公开

摘要：本发明公开了一种针对金融文本所含敏感属性的识别方法，首先使用词汇增强构建输入序列，为每个序列节点构建平面对等体结构，依据平面对等体结构中的头部及尾部信息，建模出两个节点元素之间的相对位置关系；然后对所有节点元素进行词编码，融合相对位置关系，获得输入序列的嵌入向量表示；将嵌入向量输入到上下文编码器中，获得具有上下文关系的语义向量表示；将语义向量输入到计算两个概率分布之间距离的度量函数中，优化上下文编码器的语义向量表示功能，从而更加准确地识别出金融文本所含的敏感属性；最终通过标签预测识别出金融敏感属性的位置及类型；本发明提高金融敏感属性识别的准确率。

主权项：1.一种针对金融文本所含敏感属性的识别方法，其特征在于，包括如下步骤：1组成输入序列：将输入的原始文本转换为字符级别的表示，其中每个字符看作一个节点，使用分词器对原始文本进行切分，依次匹配金融敏感属性词典中的实体名称，若存在将其作为额外节点引入，与原始文本一同组成输入序列S；2构建平面对等体结构：将输入序列S中的每个字符或潜在敏感属性看作一个节点，为每个节点构建一个平面对等体结构，平面对等体结构分别包含一个元素、一个头部和一个尾部；3建模位置关系：根据每个节点的平面对等体结构，计算出任意两个元素之间的四种相对距离，进而建模出两个元素可能存在的包含、相交、相离三种相对位置关系；4嵌入编码：使用词嵌入技术对输入序列S中的每个元素进行词编码，融合相对位置关系，输出序列S的词嵌入向量wS；5语义嵌入编码：将输出的词嵌入向量，输入到基于自注意力机制的上下文编码器中，捕捉输入序列中的上下文关系，生成具有语义信息的语义向量es；6优化编码器：引入计算两个概率分布之间距离的度量函数，作为部分损失计算语义向量分布与其理想状态分布之间的距离，通过调整其相关系数添加到总损失中，多次调参反向传播，获得最佳相关系数α，达到优化上下文编码器的语义向量表示的目标；7标签预测：将语义向量输入至标签预测器中，为每个标签预测概率，输出概率值最大的标签为预测结果。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种针对金融文本所含敏感属性的识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD