中文文本中企业并购信息的自动抽取.pptxVIP

中文文本中企业并购信息的自动抽取北师大中文信息处理研究所 韩伟峰（）提纲本文研究意义及任务语料库的建设企业并购典型表达模式分析知识库的建设本文研究的难点一 本文的研究意义及任务1.1 本文研究意义信息抽取是自然语言处理的一个重要应用领域。本文中所指的“并购”包括：收购、兼并和合并。中文文本企业并购信息自动抽取的研究是信息抽取在经济和金融领域的探索实践和应用，具有重要的研究意义。1.2 本文研究的任务本文的研究目标是在研究分析大量相关语料基础上，人工加机器总结股权收购事件在句子或句群中的表述模式，并且基于HNC理论进行语义分析，建立实现抽取的模式知识库。 在模式的获取和表示方法上，我们侧重于语义知识的利用，借鉴HNC理论的概念和句类思想，并通过对语言形式和内容的细致考察来定义抽取模式。 1.2 本文研究的任务抽取的信息拟包括：并购类型、主动方、被动方、并购金额、并购结果、并购性质等等。抽取的信息也会因为并购类型不同增加 比如：合并——合并后的新企业名称 收购——收购内容（股权、资产） 兼并——产权转移二 语料库的建设 2.1 语料库的收集整理语料的选取与抽取任务结合 这里选择报道企业并购事件的新闻语料，排除一些评论性和分析性的语料。充分利用语料研究企业并购信息表达 语料中总结提取出规则使用的模式是很重要的一步。2.2 语料的收集与标注语料的收集整理是本文研究很重要