新闻中的银行困境：通过深度学习描述事件
计算与语言
2018-02-01 v2 人工智能
信息检索
神经与进化计算
计算金融
摘要
尽管许多模型旨在检测金融系统中重大事件的发生，但提供关于事态发展的定性细节的任务通常并未同等自动化。我们提出了一种深度学习方法，用于检测文本中的相关讨论并提取事件的自然语言描述。该模型仅由一小组事件信息（包含实体名称和日期）监督，并通过在大量文本数据上无监督学习语义向量表示来增强。我们展示了对基于新闻（6.6M articles）的金融风险研究的应用，特别是银行困境和政府干预（243个事件），其中指数可在实体层面指示与银行压力相关报道的水平，或在国家或欧洲层面聚合，同时辅以解释。因此，我们例证了文本作为及时、广泛可用且具描述性的数据，如何能够作为金融与系统性风险分析的实用补充信息源。
引用
@article{arxiv.1603.05670,
title = {Bank distress in the news: Describing events through deep learning},
author = {Samuel Rönnqvist and Peter Sarlin},
journal= {arXiv preprint arXiv:1603.05670},
year = {2018}
}
备注
Forthcoming in Neurocomputing. arXiv admin note: substantial text overlap with arXiv:1507.07870 [in version 1]