基于Bi-LSTM与双路CNN的金融领域文本因果关系识别

摘要：

[目的]提出一种结合Bi-LSTM与双路CNN的网络模型BTCNN(Bi-LSTM and Two-way CNN),用于解决金融领域因果关系识别过程中特征信息缺失的问题,从而提高因果关系识别的准确率.[方法]利用Bi-LSTM将金融文本生成文本特征矩阵,使用卷积核不同的双路CNN对文本特征矩阵中的因果特征进一步提取,对采用两种不同池化方式(最大池化和平均池化)得到的特征向量进行拼接,最终将拼接后的特征向量输入全连接层进行输出.[结果]BTCNN模型准确率达到82.3％,相较于其他消融实验准确率至少提升3个百分点.[局限]未针对金融领域设置特定的功能模块.[结论]实验结果表明BTCNN模型提高了因果关系识别的准确率.

关键词：金融文本、因果识别、双向长短期记忆网络、双路CNN

所属期刊栏目：6

分类号：TP393;G250(计算技术、计算机技术)

资助基金：国家自然科学基金;安徽省属高校协同创新项目;安徽省重点研发计划国际科技合作专项项目

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：118-127