基于知识图谱的金融问答系统的研究与实现.pdf

摘要

随着人均GDP越来越高，大量的人投身于金融市场，但快速精确的获取所需信息

却是一个难题。因为对传统搜索引擎而言，用户输入问题后，通过浅层语义匹配，返

回的各种网页，不仅不能明白提问者的真正想法，还需要用户自己花费时间提炼答案。

而问答系统在用户提问后，会定位用户的真实想法，返回直观精炼的答案，从而提高

用户体验感。本文将金融信息与自然语言处理技术结合，设计了一种基于知识图谱的

金融问答算法，并完成了一个基于知识图谱的金融问答系统，主要开展的工作如下：

（1）采用自底向上的方式构建金融知识图谱。首先要获取数据，通过接口调用和

设计爬虫程序获得数据，并将数据进行清洗。之后依照一些规则对得到的数据进行实

体，属性和关系的提取，转化为三元组。最后通过neo4j图数据库将获得的三元组信息

进行存储，实现可视化查询。

（2）基于知识图谱的金融问答算法设计。算法的核心是将用户所提问题中的关键

字链接到知识图谱中，返回直观简洁的答案。这一过程主要包括三个任务，金融问句

的实体识别、分类和答案查询。使用BiLSTM-CRF命名实体识别模型识别问句的实体

和属性，用朴素贝叶斯分类器进行问句分类后得到一个查询模板，实体属性与查询模

板结合构成Cypher查询语句，然后在构建的知识图谱中进行查询，返回答案。同时设

置了命名实体识别实验和问题分类实验，在构建的数据集上，BiLSTM-CRF取得了0.9

的F1值，朴素贝叶斯分类器取得了0.95的F1值。

（3）金融问答系统搭建。使用Flask框架搭建基于Web端的金融问答系统，整个

系统分为三个模块，数据模块、问答模块、前端展示模块。

综上所述，本文成功搭建了基于知识图谱的金融问答系统，并对系统的功能和性

能进行了测试，问答的准确率为82.5%，测试结果表明本文所设计的金融问答系统可以

帮助用户快速获取金融产品的相关信息。

关键词：问答系统；知识图谱；命名实体识别；朴素贝叶斯分类器

I

ABSTRACT

WiththeincreasingpercapitaGDP,alargenumberofpeopleareinvolvedinthe

financialmarket,butgetingtheneededinformationfastandaccuratelyisadifficultthing.

Becausefortraditionalsearchengines,aftertheuserentersaquestion,throughshallow

semanticmatching,thevariouswebpagesreturnednotonlycannotunderstandtheuser'strue

intention,butalsorequirestheusertospendtimerefiningtheanswer.Aftertheuserasksa

question,thequestionansweringsystemwilllocatetheuser'srealthoughtsandreturn

intuitiveandrefinedanswers,therebyimprovingtheuserexperience.Thispapercombines

financialinformationwithnaturallanguageprocessingtechnology,designsafinancial

questionansweringalgorithmbasedonknowledgegraph,andcompletesafinancialquestion

answeringsystembasedonknowledgegraph.The