金融领域中基于最小领域专业知识的角色相关性预测
计算与语言
2017-04-20 v1
摘要
词嵌入近年来在多种文本挖掘应用中取得了巨大进展。在本文中，我们探索了一种基于词嵌入的架构，用于在自然语言句子上下文中预测两个金融实体之间角色的相关性。在本扩展摘要中，我们提出了一种池化方法，该方法使用句子集合通过 skip-gram word2vec 架构训练词嵌入。我们利用词嵌入获得上下文向量，并根据手动标注为其分配一个或多个标签。我们使用标注的上下文向量训练机器学习分类器，并使用训练好的分类器在测试数据上预测上下文角色相关性。我们的方法作为该任务的良好最小专业知识基线，因为它简单直观，使用开源模块，需要很少的特征工程工作，并且在各种角色上表现良好。
引用
@article{arxiv.1704.05571,
title = {Predicting Role Relevance with Minimal Domain Expertise in a Financial Domain},
author = {Mayank Kejriwal},
journal= {arXiv preprint arXiv:1704.05571},
year = {2017}
}
备注
DSMM 2017 workshop at ACM SIGMOD conference