基于Fin-BERT的中文金融领域事件抽取方法

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：李熠, 耿朝阳, 杨丹

单位：西安工业大学 计算机科学与工程学院，西安 710021

摘要：事件抽取旨在从海量的非结构化的事件相关文本中抽取出人类感兴趣的内容，目前现有的事件抽取方法大多数基于通用语料，很少考虑到领域内的先验知识，并且现有的方法大多数不能很好地处理同一文档包含多个事件的情况，面对存在较多负面样例的测试也表现不佳。针对上述问题提出了一种基于Fin-BERT（financial bidirectional encoder representation from Transformers）和PTPCG（pseudo-trigger-aware pruned complete graph）的模型Fin-PTPCG，该方法充分利用Fin-BERT预训练模型的表达能力，在编码阶段融入领域内的先验知识，并且在事件检测模块采用多个二元分类器叠加的方式，保证模型可以有效识别一篇文档内存在多事件的情况并筛除掉负面样例，抽取实体之后将实体连接成完全图并通过计算相似度矩阵进行剪枝，通过选择伪触发器解决无标注触发词的问题，最后接入事件分类器实现事件抽取。该方法在ChFinAnn和Duee-fin数据集上事件抽取任务的F1值相比于基线方法分别取得了0.7个百分点和3.7个百分点的提升。

关键词：事件抽取,事件检测,信息抽取,自然语言处理