典型文献
BERT辅助金融领域人物关系图谱构建
文献摘要：
现有的人员简历信息抽取方法无法针对金融公告中非结构化人员简历进行人员属性以及事件的抽取,无法发现金融公告中跨文档的人员之间关系.针对以上问题,将非结构化的人员简历抽取成结构化的人员信息模板,提出一种金融领域人物关系图谱构建方法.通过对B E RT预训练语言模型进行训练,抽取出非结构化人员简历文本中的人员属性实体,利用训练好的B E RT预训练模型获取事件实例向量,对事件实例向量进行准确的分类,填充层次化的人员信息模板,准确地关联人员属性.进一步地,通过填充好的人员信息模板,提取人员关系,构建人物关系图谱.通过构建人工标注的数据集,进行实验验证.实验表明所提出的方法可以有效解决非结构化金融人员简历文本信息提取问题,有效地构建金融领域人物关系图谱.
文献关键词：
深度学习;信息提取;预训练语言模型;人物关系图谱
中图分类号：
作者姓名：
张纯鹏;辜希武;李瑞轩;李玉华;刘伟
作者机构：
华中科技大学 计算机科学与技术学院,武汉 430074
文献出处：
引用格式：
[1]张纯鹏;辜希武;李瑞轩;李玉华;刘伟-.BERT辅助金融领域人物关系图谱构建)[J].计算机科学与探索,2022(01):137-143
A类：
人物关系图谱,金融公告
B类：
BERT,金融领域,图谱构建,简历信息,信息抽取,非结构化,现金,中跨,文档,构建方法,预训练语言模型,练好,预训练模型,层次化,充好,决非,文本信息提取
AB值：
0.186085
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
