CN113239188A - 一种一套金融交易对话信息分析技术方案 - Google Patents
一种一套金融交易对话信息分析技术方案 Download PDFInfo
- Publication number
- CN113239188A CN113239188A CN202110427364.8A CN202110427364A CN113239188A CN 113239188 A CN113239188 A CN 113239188A CN 202110427364 A CN202110427364 A CN 202110427364A CN 113239188 A CN113239188 A CN 113239188A
- Authority
- CN
- China
- Prior art keywords
- module
- classification
- classifier
- filtering
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 238000012795 verification Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
一种一套金融交易对话信息分析技术方案,它涉及信息分析技术领域。它由通用化配置模块、过滤模块、分类模块、解析模块、结构化模块、标准化模块、校验模块、数据模块组成,所述通用化配置模块连接过滤模块,所述通用化配置模块依据不同的业务需要,将基于文本、业务,自动配置数据处理并定义配置表,过滤模块连接分类模块。它通过单轮分类器配合上下文分类器,针对语境不明朗的情况,能够提升分类器的准确率,然后通过将“过滤、分类、解析、结构化、标准化和校验”的各个模块完整的融合为一套系统,具有一定的容错设计,能够保障在金融领域这种对准确率要求很高的行业使用,达到了商用的水平。
Description
技术领域
本发明涉及信息分析技术领域,具体涉及一种一套金融交易对话信息分析技术方案的改进。
背景技术
在金融业务,如债券、资金交易中,90%的时间都发生在交易前的聊天对话上。交易员需要将聊天的信息整理成表单形式(如Excel等)再到交易系统执行交易。将聊天数据整理成有效的结构化数据,需要考虑多个子任务,依据上下文语境的不同划分成不同的业务子类,包括闲聊、一级投标、二级资金、现券、同业存单等业务的分类;根据不同的子类对文本进行信息的结构化抽取,形成结构化的信息总结。同时金融行业,对数据的准确率要求很高,因此需要一套完备的系统。聊天对话场景中,包含不同的业务、不同的交易(如资金交易、现券交易、债券投资等等),同时掺杂着闲聊等信息。要实现自动将对话信息整理为标准的结构化信息,需要复杂精准的系统。
但是现有的技术,没有形成一套完备的解决方案体系,基于人工填充的方法,是一个费时费力的方式,且会造成大量事务性重复劳动;其次:基于规则引擎的方案,需要许多从业人员提供专家经验,转化成规则,虽然起初冷启动阶段会有比较快的见效,但是不能覆盖全面,多有遗漏。加入部分深度学习算法,仍不能有效保证性能;再次:线上业务复杂,规则不断增加之后也会发生冲突,顾此失彼的情况会愈发频繁;此外,工程开发成本和后期维护及运维的难度也很高。
发明内容
本发明的目的在于针对现有技术的缺陷和不足,提供一种一套金融交易对话信息分析技术方案,它通过单轮分类器配合上下文分类器,针对语境不明朗的情况,能够提升分类器的准确率,然后通过将“过滤、分类、解析、结构化、标准化和校验”的各个模块完整的融合为一套系统,具有一定的容错设计,能够保障在金融领域这种对准确率要求很高的行业使用,达到了商用的水平。
为实现上述目的,本发明采用以下技术方案是:它由通用化配置模块1、过滤模块2、分类模块3、解析模块4、结构化模块5、标准化模块6、校验模块7、数据模块8组成,所述通用化配置模块1连接过滤模块2,所述通用化配置模块1依据不同的业务需要,将基于文本、业务,自动配置数据处理并定义配置表,过滤模块2连接分类模块3,所述过滤模块2通过深度学习算法,对文本进行不同业务分类,采用字典和规则库,过滤部分闲聊信息,所述分类模块3用于实现对对话文本的业务分类,分类模块3连接解析模块4,所述解析模块4用于对不同的业务调用相应的解析算法提取核心要素,解析模块4连接结构化模块5,所述结构化模块5用于对解析的要素进行重新排列,形成表格形式数据,结构化模块5连接标准化模块6,所述标准化模块6用于将不同格式的数据,整理成统一的标准形式,标准化模块6连接校验模块7,所述校验模块7采用字典库加函数库的办法,校验解析的各要素是否正确,所述数据模块8分别连接通用化配置模块1、过滤模块2、分类模块3、校验模块7,所述过滤模块2包括了筛选模块21、剔除模块22,筛选模块21与剔除模块22电性连接,所述分类模块3包括了单轮分类器31、上下文分类器32,单论分类器31与上下文分类器32电性连接。
所述分类模块3采用的是基于深度神经网络训练的文本分类器。将不同业务总结出关键词典,经过向量化后,潜入到分类器中,通过加重这些关键词的权重,进行最终的分类,提高了不同业务分类的准确率。
所述上下文分类器32采用自研的深度学习算法模型。上下文分类器32主要功能是“段落切割+意图分类”,通过算法将句子向量化后,判断当前句子和最近的哪几个句子是有关联的。
所述解析模块4采用AlBert+CRF的算法模型。能够快速的对不同业务进行要素的识别提取。
所述标准化模块6采用规则库的形式。通过“债券名、时间、标位、标量、期限、价格”等等各种要素,构建一套标准化函数库,实现各种要素的标准化。
本发明的工作原理:通过通用化配置模块1用户在聊天框中录入文本信息之后,会触发发送指令,将文本信息以及聊天状态信息发送到对话分析系统的服务模块,其中聊天状态信息包括发送方、接收方、会话id、发送时间等信息;同时,服务模块也会从缓存或者数据库中的配置表中读取当前生效的配置,以便后续依据此配置信息,对聊天文本进行解析处理从配置表里提取当前场景生效的配置,根据配置依次进行如下操作:
A.将文本通过过滤模块,将每部分都会根据配置信息调取相应的过滤规则,在通过了所有筛选规则之后,若不符合任意一条剔除规则,那么该信息将会被判定为无价值信息,不需要继续流通到后续的分类、NER解析模块等,直接输出判定结果;反之,则继续流通到分类器模块;
B.通过分类模块3根据不同业务总结出关键词典,经过向量化后,潜入到分类器中,通过加重这些关键词的权重,进行最终的分类,提高了不同业务分类的准确率,分类结束后,便将文本信息流入到分析模块4;
C.通过分析模块4将将文本信息流入到该分类对应的NER实体解析器,并将从文本中抽取出业务所需的实体短语及其类别标签;
D.通过结构化模块5将整体结果进行结构化转换,通过训练神经网络模型,判断各要素的关系,最后整理成标准的表格形式。
E.通过标准化模块6采用规则库的形式。针对“债券名、时间、标位、标量、期限、价格”等等各种要素,构建一套标准化函数库,实现各种要素的标准化。如时间“今天”标准化为“2020-02-10”,如标量“2e”标准化为“20000万”,形成统一的,可机器识别的数据形式。
F.通过校验模块7基于专家经验,构建了一套字典库,采用字典库加函数库的办法,校验解析的数据。对各类金融要素构建了一套验证规则,如“债券代码,必须是六位数的纯数字”,“投标的标位是在某个区间内的数字”等想要的字典库和规则库,通过校验后,对每类数据都会返回“info、warning、error”三类不同的提示信息,告诉用户数据正常、警告(可能有错)和错误。
采用上述技术方案后,本发明有益效果为:1.针对语境不明朗的情况,单轮分类器无法进行识别的问题,本系统结合上文文本,可以提升分类器的准确率,在金融对话领域达到98%以上的召回率和95%以上的解析识别率;2.整个系统模块分工解耦明确,配合配置信息,大大增加了线上切换以及子模块优化、新增功能等的可操性和便利性;3.通过将“过滤、分类、解析、结构化、标准化和校验”的各个模块完整的融合为一套系统,具有一定的容错设计,能够保障在金融领域这种对准确率要求很高的行业使用,达到了商用的水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的结构示意图。
图2是本发明中过滤模块2的结构示意图。
图3是本发明中分类模块3的结构示意图。
附图标记说明:通用化配置模块1、过滤模块2、筛选模块21、剔除模块22、分类模块3、单轮分类器31、上下文分类器32、解析模块4、结构化模块5、标准化模块6、校验模块7、数据模块8。
具体实施方式
参看图1-图3所示,本具体实施方式采用的技术方案是:它由通用化配置模块1、过滤模块2、分类模块3、解析模块4、结构化模块5、标准化模块6、校验模块7、数据模块8组成,所述通用化配置模块1连接过滤模块2,所述通用化配置模块1依据不同的业务需要,将基于文本、业务,自动配置数据处理并定义配置表,过滤模块2连接分类模块3,所述过滤模块2通过深度学习算法,对文本进行不同业务分类,采用字典和规则库,过滤部分闲聊信息,所述分类模块3用于实现对对话文本的业务分类,分类模块3连接解析模块4,所述解析模块4用于对不同的业务调用相应的解析算法提取核心要素,解析模块4连接结构化模块5,所述结构化模块5用于对解析的要素进行重新排列,形成表格形式数据,结构化模块5连接标准化模块6,所述标准化模块6用于将不同格式的数据,整理成统一的标准形式,标准化模块6连接校验模块7,所述校验模块7采用字典库加函数库的办法,校验解析的各要素是否正确,所述数据模块8分别连接通用化配置模块1、过滤模块2、分类模块3、校验模块7,所述过滤模块2包括了筛选模块21、剔除模块22,筛选模块21与剔除模块22电性连接,所述分类模块3包括了单轮分类器31、上下文分类器32,单论分类器31与上下文分类器32电性连接。
所述分类模块3采用的是基于深度神经网络训练的文本分类器。将不同业务总结出关键词典,经过向量化后,潜入到分类器中,通过加重这些关键词的权重,进行最终的分类,提高了不同业务分类的准确率。
所述上下文分类器32采用自研的深度学习算法模型。上下文分类器32主要功能是“段落切割+意图分类”,通过算法将句子向量化后,判断当前句子和最近的哪几个句子是有关联的。
所述解析模块4采用AlBert+CRF的算法模型。能够快速的对不同业务进行要素的识别提取。
所述标准化模块6采用规则库的形式。通过“债券名、时间、标位、标量、期限、价格”等等各种要素,构建一套标准化函数库,实现各种要素的标准化。
本发明的工作原理:通过通用化配置模块1用户在聊天框中录入文本信息之后,会触发发送指令,将文本信息以及聊天状态信息发送到对话分析系统的服务模块,其中聊天状态信息包括发送方、接收方、会话id、发送时间等信息;同时,服务模块也会从缓存或者数据库中的配置表中读取当前生效的配置,以便后续依据此配置信息,对聊天文本进行解析处理从配置表里提取当前场景生效的配置,根据配置依次进行如下操作:
A.将文本通过过滤模块,将每部分都会根据配置信息调取相应的过滤规则,在通过了所有筛选规则之后,若不符合任意一条剔除规则,那么该信息将会被判定为无价值信息,不需要继续流通到后续的分类、NER解析模块等,直接输出判定结果;反之,则继续流通到分类器模块;
B.通过分类模块3根据不同业务总结出关键词典,经过向量化后,潜入到分类器中,通过加重这些关键词的权重,进行最终的分类,提高了不同业务分类的准确率,分类结束后,便将文本信息流入到分析模块4;
C.通过分析模块4将将文本信息流入到该分类对应的NER实体解析器,并将从文本中抽取出业务所需的实体短语及其类别标签;
D.通过结构化模块5将整体结果进行结构化转换,通过训练神经网络模型,判断各要素的关系,最后整理成标准的表格形式。
E.通过标准化模块6采用规则库的形式。针对“债券名、时间、标位、标量、期限、价格”等等各种要素,构建一套标准化函数库,实现各种要素的标准化。如时间“今天”标准化为“2020-02-10”,如标量“2e”标准化为“20000万”,形成统一的,可机器识别的数据形式。
F.通过校验模块7基于专家经验,构建了一套字典库,采用字典库加函数库的办法,校验解析的数据。对各类金融要素构建了一套验证规则,如“债券代码,必须是六位数的纯数字”,“投标的标位是在某个区间内的数字”等想要的字典库和规则库,通过校验后,对每类数据都会返回“info、warning、error”三类不同的提示信息,告诉用户数据正常、警告(可能有错)和错误。
采用上述技术方案后,本发明有益效果为:1.针对语境不明朗的情况,单轮分类器无法进行识别的问题,本系统结合上文文本,可以提升分类器的准确率,在金融对话领域达到98%以上的召回率和95%以上的解析识别率;2.整个系统模块分工解耦明确,配合配置信息,大大增加了线上切换以及子模块优化、新增功能等的可操性和便利性;3.通过将“过滤、分类、解析、结构化、标准化和校验”的各个模块完整的融合为一套系统,具有一定的容错设计,能够保障在金融领域这种对准确率要求很高的行业使用,达到了商用的水平。
以上所述,仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种一套金融交易对话信息分析技术方案,其特征在于:它由通用化配置模块(1)、过滤模块(2)、分类模块(3)、解析模块(4)、结构化模块(5)、标准化模块(6)、校验模块(7)、数据模块(8)组成,所述通用化配置模块(1)连接过滤模块(2),所述通用化配置模块(1)依据不同的业务需要,将基于文本、业务,自动配置数据处理并定义配置表,过滤模块(2)连接分类模块(3),所述过滤模块(2)通过深度学习算法,对文本进行不同业务分类,采用字典和规则库,过滤部分闲聊信息,所述分类模块(3)用于实现对对话文本的业务分类,分类模块(3)连接解析模块(4),所述解析模块(4)用于对不同的业务调用相应的解析算法提取核心要素,解析模块(4)连接结构化模块(5),所述结构化模块(5)用于对解析的要素进行重新排列,形成表格形式数据,结构化模块(5)连接标准化模块(6),所述标准化模块(6)用于将不同格式的数据,整理成统一的标准形式,标准化模块(6)连接校验模块(7),所述校验模块(7)采用字典库加函数库的办法,校验解析的各要素是否正确,所述数据模块(8)分别连接通用化配置模块(1)、过滤模块(2)、分类模块(3)、校验模块(7),所述过滤模块(2)包括了筛选模块(21)、剔除模块(22),筛选模块(21)与剔除模块(22)电性连接,所述分类模块(3)包括了单轮分类器(31)、上下文分类器(32),单论分类器(31)与上下文分类器(32)电性连接。
2.根据权利要求1所述一种一套金融交易对话信息分析技术方案,其特征在于:分类模块(3)采用的是基于深度神经网络训练的文本分类器。
3.根据权利要求1所述一种一套金融交易对话信息分析技术方案,其特征在于:上下文分类器(32)采用自研的深度学习算法模型。
4.根据权利要求1所述一种一套金融交易对话信息分析技术方案,其特征在于:解析模块(4)采用AlBert+CRF的算法模型。
5.根据权利要求1所述一种一套金融交易对话信息分析技术方案,其特征在于:标准化模块(6)采用规则库的形式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110427364.8A CN113239188A (zh) | 2021-04-21 | 2021-04-21 | 一种一套金融交易对话信息分析技术方案 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110427364.8A CN113239188A (zh) | 2021-04-21 | 2021-04-21 | 一种一套金融交易对话信息分析技术方案 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113239188A true CN113239188A (zh) | 2021-08-10 |
Family
ID=77128593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110427364.8A Pending CN113239188A (zh) | 2021-04-21 | 2021-04-21 | 一种一套金融交易对话信息分析技术方案 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239188A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870031A (zh) * | 2021-10-19 | 2021-12-31 | 北京快确信息科技有限公司 | 一种同业存单的展示方法、装置、电子设备及存储介质 |
CN116976313A (zh) * | 2023-09-18 | 2023-10-31 | 中信证券股份有限公司 | 场外交易指令文本的解析方法、装置和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150178371A1 (en) * | 2013-12-23 | 2015-06-25 | 24/7 Customer, Inc. | Systems and methods for facilitating dialogue mining |
CN107220892A (zh) * | 2017-05-27 | 2017-09-29 | 国家计算机网络与信息安全管理中心 | 一种应用于海量p2p网贷金融数据智能预处理工具及方法 |
CN108829667A (zh) * | 2018-05-28 | 2018-11-16 | 南京柯基数据科技有限公司 | 一种基于记忆网络的多轮对话下的意图识别方法 |
CN111324602A (zh) * | 2020-02-21 | 2020-06-23 | 上海软中信息技术有限公司 | 一种实现面向金融大数据分析可视化方法 |
WO2020139865A1 (en) * | 2018-12-24 | 2020-07-02 | Conversica, Inc. | Systems and methods for improved automated conversations |
CN111897963A (zh) * | 2020-08-06 | 2020-11-06 | 沈鑫 | 一种基于文本信息和机器学习的商品分类方法 |
CN112002411A (zh) * | 2020-08-20 | 2020-11-27 | 杭州电子科技大学 | 一种基于电子病历的心脑血管病知识图谱问答方法 |
-
2021
- 2021-04-21 CN CN202110427364.8A patent/CN113239188A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150178371A1 (en) * | 2013-12-23 | 2015-06-25 | 24/7 Customer, Inc. | Systems and methods for facilitating dialogue mining |
CN107220892A (zh) * | 2017-05-27 | 2017-09-29 | 国家计算机网络与信息安全管理中心 | 一种应用于海量p2p网贷金融数据智能预处理工具及方法 |
CN108829667A (zh) * | 2018-05-28 | 2018-11-16 | 南京柯基数据科技有限公司 | 一种基于记忆网络的多轮对话下的意图识别方法 |
WO2020139865A1 (en) * | 2018-12-24 | 2020-07-02 | Conversica, Inc. | Systems and methods for improved automated conversations |
CN111324602A (zh) * | 2020-02-21 | 2020-06-23 | 上海软中信息技术有限公司 | 一种实现面向金融大数据分析可视化方法 |
CN111897963A (zh) * | 2020-08-06 | 2020-11-06 | 沈鑫 | 一种基于文本信息和机器学习的商品分类方法 |
CN112002411A (zh) * | 2020-08-20 | 2020-11-27 | 杭州电子科技大学 | 一种基于电子病历的心脑血管病知识图谱问答方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870031A (zh) * | 2021-10-19 | 2021-12-31 | 北京快确信息科技有限公司 | 一种同业存单的展示方法、装置、电子设备及存储介质 |
CN116976313A (zh) * | 2023-09-18 | 2023-10-31 | 中信证券股份有限公司 | 场外交易指令文本的解析方法、装置和计算机可读介质 |
CN116976313B (zh) * | 2023-09-18 | 2024-01-02 | 中信证券股份有限公司 | 场外交易指令文本的解析方法、装置和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Incorporating textual and management factors into financial distress prediction: A comparative study of machine learning methods | |
CN110197672B (zh) | 一种语音通话质量检测方法、服务器、存储介质 | |
CN108885623B (zh) | 基于知识图谱的语意分析系统及方法 | |
US20180349776A1 (en) | Data reconciliation | |
CN106504079A (zh) | 一种综合式财务管理方法及其管理平台 | |
CN113239188A (zh) | 一种一套金融交易对话信息分析技术方案 | |
CN111813406B (zh) | 一种动态的事件驱动模型 | |
CN110750978A (zh) | 情感倾向分析方法、装置、电子设备及存储介质 | |
CN113076410A (zh) | 异常信息处理方法、装置、设备及存储介质 | |
Hillebrand et al. | Towards automating numerical consistency checks in financial reports | |
CN113569048A (zh) | 一种基于企业经营范围自动划分所属行业的方法及系统 | |
CN113378024A (zh) | 一种基于深度学习面向公检法领域的相关事件识别方法 | |
CN109918639B (zh) | 一种基于深度学习技术和规则库的银行授信文本解析方法 | |
CN116151840B (zh) | 一种基于大数据的用户服务数据智能管理系统及方法 | |
CN112907371A (zh) | 一种风控模型的训练方法 | |
CN116303710A (zh) | 交易请求报文的格式检测方法、装置、设备和介质 | |
CN113971389A (zh) | 一种对现券交易文本进行处理的系统 | |
CN112133308B (zh) | 一种用于语音识别文本多标签分类的方法和装置 | |
CN110807096A (zh) | 一种小样本集上的信息对匹配方法及系统 | |
CN114036953A (zh) | 一种基于先验知识的金融领域实体及意图识别方法 | |
CN112907254A (zh) | 欺诈交易识别、模型训练方法、装置、设备及存储介质 | |
CN112883183A (zh) | 构建多分类模型的方法、智能客服方法和相关装置及系统 | |
CN111625455A (zh) | 一种程序测试方法、装置、设备和介质 | |
CN113362151B (zh) | 金融业务的数据处理方法、装置、电子设备及存储介质 | |
CN115906844B (zh) | 一种基于规则模板的信息抽取方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |