申请/专利权人：之江实验室

申请日：2022-06-23

公开（公告）日：2024-04-09

公开（公告）号：CN115048940B

主分类号：G06F40/30

分类号：G06F40/30;G06F40/58;G06F40/295;G06F40/242;G06Q40/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.09.30#实质审查的生效;2022.09.13#公开

摘要：本发明公开了一种基于实体词属性特征和回译的中文金融文本数据增强方法。该方法包括：首先对输入的金融文本进行文本预处理工作；紧接着，通过命名实体识别和词汇匹配的方法对金融文本中翻译难度较大的实体词使用指代字符进行实体词指代替换以生成金融文本的中间文本和指代字符‑实体映射关系字典；之后，使用回译的方法增强金融文本的中间文本，并使用指代字符‑实体映射关系字典还原文本中的指代字符，进而生成与原文本语义相似的新文本。此外，本方法在中文金融文本的数据增强任务中，首次关注并分析了实体词属性特征对文本数据增强结果的影响，并将不同种类的实体词属性特征分层次处理，提高了数据增强后得到文本的质量。

主权项：1.一种基于实体词属性特征和回译的中文金融文本数据增强方法，其特征在于，包括以下步骤：1将金融文本依次进行英文字母大小写统一、中英文标点符号统一、繁体中文转简体中文、删除乱码及无法打印字符的操作；2识别并抽取步骤1处理好的金融文本中的实体词，将抽取的实体词使用指代字符进行指代替换以生成金融文本的中间结果和指代字符和实体词之间的映射关系字典；其中实体词的属性特征包括：公司名实体词、金融名词实体词、货币描述实体词、人名实体词及时间实体词，公司名包含股票名、公司名全称、公司名简称、公司名别称以及公司曾用名；指代字符-实体词映射关系形式如下：：{c1：com1，c2：com2，c3：com3...}，{f1：fin1，f2：fin2，f3：fin3...}，{m1：mon1，m2：mon2，m3：mon3...}，{p1：per1，p2：per2，p3：per3...}，{t1：time1，t2：time2，t3：time3...}，其中，c代表公司名实体词、f代表金融名词实体词、m代表货币描述实体词、p代表人名实体词、t代表时间描述实体词；3使用通用的机器学习翻译算法将金融文本的中间结果翻译成其他语种的文本；然后，通过机器学习翻译算法将其他语种的文本结果再次翻译为中文文本，完成回译；4使用步骤2生成的映射关系字典复原步骤3回译后金融文本中的指代字符。

全文数据：

权利要求：

百度查询： 之江实验室 基于实体词属性特征和回译的中文金融文本数据增强方法

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