【摘要】：上市公司并購重組類公告信息的結(jié)構(gòu)化處理,可以為投融資決策、市場監(jiān)管、股市預(yù)測、企業(yè)畫像等領(lǐng)域提供有效的數(shù)據(jù)支撐,成為股市和證券市場應(yīng)用服務(wù)開發(fā)的重要一環(huán)。如何精準且高效地實現(xiàn)并購重組類公告信息的結(jié)構(gòu)化,成為當前金融和證券公司著重需要解決的問題之一。并購重組類公告是一種具有固定格式的自由長文本,針對公告特點,本文提出一種規(guī)則法和序列標注法相結(jié)合的的公告信息抽取方案。該方案主要包含兩部分,第一部分為“句子級”抽取,采用規(guī)則法,以“標題定位內(nèi)容”的方式將“篇章級”抽取縮小為“句子級”抽取。首先從公告文本中提取文本結(jié)構(gòu)樹,按照一定的格式存儲;然后設(shè)計一套規(guī)則標簽體系,用于約束規(guī)則模板的制定;最后編寫規(guī)則邏輯運算抽取引擎,通過解析規(guī)則模板,從公告文本中抽取出所需的句子集合。第二部分為“字段級”抽取,采用序列標注法,訓練基于雙向門控循環(huán)網(wǎng)絡(luò)和注意力機制的序列標注聯(lián)合模型從句子集合中抽取出字段信息。首先采用Glove詞向量工具將詞序列映射為低維實數(shù)向量;然后通過雙向門控循環(huán)網(wǎng)絡(luò)獲取文本的上下文語義信息;接著通過融合關(guān)聯(lián)實體矩陣的注意力層,得到實體的權(quán)重分布,從而有效學習全文“篇章級”信息和關(guān)聯(lián)實體對之間的語義信息;最后由條件隨機場層得到標簽序列的最優(yōu)解,通過標簽解析得到最終的字段信息。此次共抽取包含“交易標的”、“成交金額”等在內(nèi)的12個字段信息,實驗結(jié)果顯示:該方案的平均準確率為93.46%、平均召回率為91.52%、平均F1值為92.52%。證明該方案在并購重組類公告信息抽取任務(wù)中具有良好的可行性和實用性,同時也為自由長文本的信息抽取任務(wù)提供一種解決思路。本文在上述方案的基礎(chǔ)上,根據(jù)實際需求設(shè)計并實現(xiàn)了面向并購重組類公告的信息抽取系統(tǒng)。該系統(tǒng)主要包含數(shù)據(jù)抓取模塊、“句子級”抽取模塊、“字段級”抽取模塊、數(shù)據(jù)存儲模塊以及人工交互模塊,可以精準且高效的實現(xiàn)并購重組類公告信息的結(jié)構(gòu)化。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F832.51;TP391.1
【圖文】：

訊網(wǎng)”上抓取的《深圳市新綸科技股份有限公司發(fā)行股份及支付現(xiàn)金購買資產(chǎn)并募集配套資金暨關(guān)聯(lián)交易報告書》為例進行說明，該公告文本大小為14,226KB，共包含388頁，公告文本截圖如圖3.1所示，(a)為公告目錄截圖，(b)為公告正文截圖。

重慶郵電大學碩士學位論文表 3.2 “配套融資金額”字段規(guī)則模板（續(xù)）標簽 規(guī)則paragraph FALSE((1 and 2 and 3 and 4) and (6 and 7 and (not 8))) or ((13) and (6 and 7 and (not 8))) or ((1 and 2) and (6 and 8))) or (5 and (6 and 7 and (not 8)))結(jié)，發(fā)現(xiàn)“配套募集資金”字段在公告文本中表述方式通抽取的句子處于第二級標題下，例：一級標題“重大事方案概況”，如圖 3.3 所示。

【相似文獻】

相關(guān)期刊論文 前10條

1 郭喜躍;何婷婷;;信息抽取研究綜述[J];計算機科學;2015年02期

2 許細清;林世平;;Web文檔評價對象抽取研究[J];計算機工程;2011年06期

3 還書國;邱海霞;;WEB信息抽取的研究[J];消費導(dǎo)刊;2008年12期

4 鄧尚民;孫玉偉;;信息抽取系統(tǒng)的研究現(xiàn)狀[J];現(xiàn)代圖書情報技術(shù);2006年03期

5 鄧擘;鄭彥寧;傅繼彬;;漢語實體關(guān)系模式的自動獲取研究[J];計算機科學;2010年02期

6 鄧擘;鄭彥寧;;使用種子抽取實體關(guān)系模式[J];計算機與數(shù)字工程;2009年09期

7 陳俊彬;;Web信息抽取策略及其實現(xiàn)方法研究[J];科技情報開發(fā)與經(jīng)濟;2008年23期

8 陳靜;朱巧明;貢正仙;;基于Ontology的信息抽取研究綜述[J];計算機技術(shù)與發(fā)展;2007年10期

9 陳玉華;林來賓;;信息抽取在自然語言查詢接口中的應(yīng)用與研究[J];計算機與數(shù)字工程;2008年04期

10 劉靜;;標準內(nèi)容抽取方法研究[J];無線互聯(lián)科技;2014年08期

相關(guān)會議論文 前10條

1 王磊;;基于OpenIE技術(shù)的人工智能信息抽取方法淺析[A];荊楚學術(shù)2017年第7期（總第十五期）[C];2017年

2 王磊;;基于OpenIE技術(shù)的人工智能信息抽取方法淺析[A];荊楚學術(shù)2017年第8-9期[C];2017年

3 董俊林;聶偉;楊君英;張春爐;;命名實體識別與提取分析[A];邏輯學及其應(yīng)用研究——第四屆全國邏輯系統(tǒng)、智能科學與信息科學學術(shù)會議論文集[C];2008年

4 楊志豪;趙哲煥;李彥鵬;胡運翠;謝冬;林鴻飛;;生物醫(yī)學文獻蛋白質(zhì)關(guān)系抽取——從實體識別到網(wǎng)絡(luò)構(gòu)建[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

5 李丹;羅智勇;;基于序列模式挖掘的人物關(guān)系識別[A];中國計算機語言學研究前沿進展（2007-2009）[C];2009年

6 吳平博;陳群秀;馬亮;;基于時空分析的線索性事件的抽取與集成系統(tǒng)研究[A];全國第八屆計算語言學聯(lián)合學術(shù)會議（JSCL-2005）論文集[C];2005年

7 張霄軍;;Web漢英平行新聞?wù)Z料獲取的困難及對策[A];第十屆全國少數(shù)民族語言文字信息處理學術(shù)研討會論文集[C];2005年

8 喬春庚;肖詩斌;孫麗華;施水才;;規(guī)則與統(tǒng)計相結(jié)合的案件名稱識別[A];第三屆學生計算語言學研討會論文集[C];2006年

9 呂國英;馮艷;李茹;;基于中文框架語義的信息抽取研究[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

10 李昕;朱永盛 ;武港山;;論壇消息語義結(jié)構(gòu)的提取與分析[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2004年

相關(guān)博士學位論文 前10條

1 費玉蓮;面向電子商務(wù)的談判支持系統(tǒng)研究[D];浙江工商大學;2011年

2 穆一夫;基于認知的非結(jié)構(gòu)化信息抽取關(guān)鍵技術(shù)與算法研究[D];中國礦業(yè)大學（北京）;2013年

3 胡德鵬;基于農(nóng)業(yè)本體問句分析的問答系統(tǒng)研究與架構(gòu)設(shè)計[D];中國農(nóng)業(yè)科學院;2013年

4 李歡;問答系統(tǒng)中的文本信息抽取研究與應(yīng)用[D];中國科學技術(shù)大學;2009年

5 郭勇;基于語義的網(wǎng)絡(luò)知識獲取相關(guān)技術(shù)研究[D];國防科學技術(shù)大學;2007年

6 劉娜;文本自動摘要和信息抽取方法及其應(yīng)用研究[D];大連海事大學;2012年

7 王朝霞;專利知識獲取及其支持概念創(chuàng)新設(shè)計的方法研究[D];浙江大學;2009年

8 錢偉中;基于判別式模型的蛋白質(zhì)互作用文本挖掘技術(shù)研究[D];電子科技大學;2011年

9 吳承榮;骨干通道上的網(wǎng)絡(luò)論壇通信信息監(jiān)測和分析的關(guān)鍵技術(shù)研究[D];復(fù)旦大學;2011年

10 郭眈;中文互聯(lián)網(wǎng)視頻搜索引擎系統(tǒng)策略研究[D];北京交通大學;2012年

相關(guān)碩士學位論文 前10條

1 李勝;并購重組類公告的信息抽取系統(tǒng)研究與實現(xiàn)[D];重慶郵電大學;2019年

2 李慧;基于用戶評論信息的商品推薦技術(shù)[D];揚州大學;2007年

3 安源源;基于本體的生物農(nóng)藥信息抽取系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學;2014年

4 陳靜;基于本體的信息抽取研究[D];蘇州大學;2007年

5 陳思佳;實體關(guān)系抽取技術(shù)研究[D];北京郵電大學;2014年

6 哈寅晨;領(lǐng)域本體的實例及其關(guān)系的自動獲取[D];北京工業(yè)大學;2014年

7 吉偉鋒;基于汽車行業(yè)的Web信息抽取研究[D];遼寧工程技術(shù)大學;2007年

8 馬藝璇;數(shù)字化航行通告關(guān)聯(lián)規(guī)則挖掘及分類模型研究[D];天津大學;2014年

9 劉方馳;基于文本的實體—關(guān)系抽取技術(shù)研究[D];國防科學技術(shù)大學;2013年

10 郭凱;企業(yè)關(guān)系挖掘技術(shù)研究[D];哈爾濱工業(yè)大學;2010年

本文編號：2740584