基于预训练模型的金融事件分析及应用

作者介绍

马永亮 ，澜舟科技搜索与金融 NLP 技术负责人。2009年硕士毕业于哈尔滨工业大学，先后在阿里巴巴和微软工作，主要从事搜索引擎、问答、翻译、NLP 相关的技术和产品研发。2021年4月加入澜舟科技。

本文根据马永亮在「澜舟NLP分享会」上的演讲整理，文内介绍了金融事件分析相关技术背景以及澜舟目前的工作进展。全文约 3800 字，预计阅读时长 8 分钟。

目录

金融事件分析背景

金融事件体系

1. 事件图谱

2. 事件链

3. 事件问答

4. 事件分析框架

澜舟事件分析技术的最新进展

1. 事件检测

2. 事件抽取

总结

---

金融事件分析背景

在金融领域，事件是理解信息的有效载体，如何更好的理解和分析事件一直是金融领域研究的热点。预训练模型技术在翻译、搜索、生成等领域都体现了它强大的能力，应用在金融事件分析中也取得非常显著的进步。

图 1

金融事件分析的主要任务有三块：

• 第一块是非结构化数据智能解析。金融领域的信息多数以非结构化的数据形式存在，比如PDF。从非结构数据中解析出重要的、准确的、格式语义清楚的文本对后面的事件分析至关重要，它能有效减少噪音数据、脏数据对模型的干扰，提高结果的准确度。

• 第二块是事件语义理解。 这里主要涉及事件类型的检测、事件要素的抽取和事件之间的关系，在这些对事件的理解基础之上。

• 第三块就可以构建事件图谱并进行事件图谱的分析，包括事件链分析和事件预测。

为了完成这些任务，这里面涉及到的技术主要有两个：金融事件体系和金融事件图谱。

金融领域，有不同的主体，不同的主体也有不一样的场景，为了能最好的支持这些主体和场景，需要建立相应的事件体系，这里面既有领域知识的人工工作，也结合技术做无监督的归纳学习，从而能够提供场景化、完整性和可扩展的事件体系。金融事件图谱把事件分析技术集成在了一起，抽取事件和事件关系，学习事件的表示，然后结合图的信息进行预测。

有了这些技术和能力，我们对事件的分析，让我们能够回答诸如“这是一家什么公司的事？是一件什么事？人们对事情评价的情绪如何？为什么会发生？”等等。能够回答这些问题对金融领域的很多场景都是非常有价值的。

金融事件体系

图 2

图 2 是一个金融事件体系的例子。我们将金融事件分为两级：

第一级根据事件的主体分为5类，分别是企业、股票、行业和宏观、债券和基金。这些都是金融领域非常重要和常见的对象。

第二级将每种类型主体事件的再进行的细分，比如企业这个一级事件类型下面有股东减持事件。那么最后，一个二级事件类型将包含这个事件相关的主要元素。再拿股东减持为例，减持