KPI-BERT：一种面向财报的联合命名实体识别与关系抽取模型
计算与语言
2022-08-04 v1 人工智能
机器学习
摘要
我们提出 KPI-BERT，一个采用新颖的命名实体识别（NER）与关系抽取（RE）方法，从真实世界德文财报中抽取并关联公司关键绩效指标（KPI，如“营收”或“利息支出”）的系统。具体而言，我们引入一种端到端可训练的架构，其基于 Bidirectional Encoder Representations from Transformers (BERT)，将循环神经网络（RNN）与条件标签掩码相结合，在分类实体关系之前顺序标注实体。我们的模型还引入了可学习的基于 RNN 的池化机制，并通过显式过滤不可能的关系融入领域专家知识。我们在新的德文财报实用数据集上取得了显著更高的预测性能，优于包括基于跨度的先进实体标注方法在内的多个强基线。
引用
@article{arxiv.2208.02140,
title = {KPI-BERT: A Joint Named Entity Recognition and Relation Extraction Model for Financial Reports},
author = {Lars Hillebrand and Tobias Deußer and Tim Dilmaghani and Bernd Kliem and Rüdiger Loitz and Christian Bauckhage and Rafet Sifa},
journal= {arXiv preprint arXiv:2208.02140},
year = {2022}
}
备注
Accepted at ICPR 2022, 8 pages, 1 figure, 6 tables