面向金融文本的實體關(guān)系抽取方法

摘要： 針對金融文本語義特征難以準確提取的問題，提出一種面向金融文本的實體關(guān)系抽取方法。使用預(yù)訓(xùn)練模型FinBERT對輸入金融文本進行字、詞粒度特征提?。辉诰幋a層引入時序格子網(wǎng)絡(luò)將詞粒度特征動態(tài)融合到字粒度特征中；采用字級別注意力機制合并所有字粒度特征，獲取更準確的句子表示，進行關(guān)系分類。實驗結(jié)果表明，該方法在金融文本數(shù)據(jù)集上F₁值達到91.8%,較目前主流方法效果更好。