BERT辅助金融领域人物关系图谱构建

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BERT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BERT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。

关键词： 深度学习; 信息提取; 预训练语言模型; 人物关系图谱

信息化时代下,金融行业的各个公司、监管机构每天都会在互联网上发布大量的公告,将公告中的人员实体以及相关属性提取出来,发现人员之间的隐含关系,以结构化的形式描述金融行业中与人物相关的概念、实体及其关系,