文献类型：期刊文章

作　　者：李佳静[1,2] 董泽信[1] 李盛[1] 孟涛[2] 罗小清[3] 闫宏飞[4]

LI Jiajing;DONG Zexin;LI Sheng;MENG Tao;LUO Xiaoqing;YAN Hongfei(School of Mechanical Electrical and Information Engineering,China University of Mining and Technology(Beijing),Beijing 100083,China;Wangganzhicha Information Technology Incorporated,Nanjing 210001,China;School of Economics,Peking University,Beijing 100871,China;School of Computer Science,Peking University,Beijing 100871,China)

机构地区：[1]中国矿业大学(北京)机电与信息工程学院,北京100083 [2]南京网感至察信息科技有限公司,南京210001 [3]北京大学经济学院,北京100871 [4]北京大学计算机学院,北京100871

出　　处：《吉林大学学报(信息科学版)》

基　　金：北京大学“教学新思路2.0”重点基金项目(2023ZD03)。

年　　份：2025

卷　　号：43

期　　号：4

起止页码：736-746

语　　种：中文

收录情况：普通刊

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F 1值,优于基线模型,证明了该方法的有效性。

关 键 词：事件抽取 金融公告  事件论元分散  

分 类 号：TP391]