摘要
【目的】研究中文文本中关系自动抽取的方法。【方法】以224家农业上市公司2015年–2017年的678份年报为数据来源,采用基于双重注意力机制的门控循环单元算法,进行中文文本关系自动抽取研究。【结果】最终模型在农业金融文本数据集上的平均准确率达78%,相较循环神经网络算法,该算法平均准确率提高约12%。【局限】仅针对224家农业上市公司的数据进行研究,研究涉农企业对象有待进一步拓展。【结论】该模型能够在农业金融相关文本的关系抽取上取得较好效果。
[Objective] This paper proposes a new method to extract relations from Chinese texts automatically.[Methods] We retrieved annual reports of 224 listed agricultural companies from 2015 to 2017. Then we adopted the Gated Recurrent Unit algorithm based on double attention mechanism to extract the needed data.[Results] The average accuracy of our model on the agricultural financial dataset reached 78%. Compared with the Recurrent Neural Network algorithm, the average accuracy of the new model increased by about 12%.[Limitations] We only studied data from 224 companies, which needs to be expanded.[Conclusions] The proposed model can effectively extract relationship from agricultural financial texts.
作者
吴粤敏
丁港归
胡滨
Wu Yuemin;Ding Ganggui;Hu Bin(College of Information Science and Technology,Nanjing Agricultural University,Nanjing 210095,China)
出处
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2019年第5期86-92,共7页
Data Analysis and Knowledge Discovery
基金
江苏省大学生创新训练计划项目“农业企业投资领域知识可视化应用研究”(项目编号:201810307075X)
南京农业大学中央高校基本科研业务费项目“大数据环境下面向农业知识库构建的信息自动抽取技术研究”(项目编号:SK2016016)的研究成果之一
关键词
注意力机制
关系抽取
农业金融
Attention Mechanism
Relationship Extraction
Agricultural Finance