CN114201964A - 舆情风险识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供一种舆情风险识别方法，可应用于人工智能和金融科技领域。该方法包括：利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、第一风险实体及第一风险实体的第一类别；在风险类别为有风险时，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，得到目标识别文本的第二风险实体及第二风险实体的第二类别；在第一风险实体包括多个的情况，调用实体消歧数据库，将多个第一风险实体进行实体消歧，得到目标识别文本的第三风险实体及第三风险实体的第三类别；将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标类别。本公开还提供一种装置、设备、介质和程序产品。

Description

舆情风险识别方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能领域和金融科技领域，具体地涉及一种舆情风险识别方法、装置、电子设备、存储介质和程序产品。

背景技术

从海量财经新闻文本中快速且准确地识别出涉及风险舆情的财经文本内容，并抽取出风险舆情对应的事件主体，对于一些金融机构风控部门、风险管理团队与其分支部门具有重要意义，可以协助工作人员更加有效地展开风险预知、风险等级评估、风险规避等工作。

目前对于风险舆情主体识别方法一般是先通过实体识别的方法识别出舆情风险实体，然后在通过采用分类方法识别出该实体所在文本对应的风险类别。但是这种方法容易累计误差，降低智能识别的准确率。

发明内容

鉴于上述问题，本公开提供了一种舆情风险识别方法、装置、设备、存储介质和程序产品。

根据本公开的第一个方面，提供了一种舆情风险识别方法，包括：利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别；在风险类别为有风险的情况下，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，以得到目标识别文本的第二风险实体及第二风险实体的第二类别；在第一风险实体包括多个的情况下，调用实体消歧数据库，将多个第一风险实体进行实体消歧，以得到目标识别文本的第三风险实体及第三风险实体的第三类别；将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

根据本公开的实施例，其中，利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别，包括：对目标识别文本进行预处理，得到针对目标识别文本的多个目标识别文本单元；将多个目标识别文本单元的目标识别文本单元数据进行特征提取，得到特征向量序列；对特征向量序列进行实体识别，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别。

根据本公开的实施例，其中，将多个目标识别文本单元的目标识别文本单元数据进行特征提取，得到特征向量序列，包括：对每个目标识别文本单元数据进行词法特征提取，得到词法特征向量序列；利用位置编码器，对每个目标识别文本单元数据进行位置特征提取，得到位置特征向量序列；根据词法特征向量序列和位置特征向量序列，得到特征向量序列。

根据本公开的实施例，其中，风险识别模型为基于JointBERT语言表示模型。

根据本公开的实施例，其中，在风险类别为有风险的情况下，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，以得到目标识别文本的第二风险实体及第二风险实体的第二类别，包括：响应于对目标识别文本的对应实体的匹配请求，调用实体词库，对目标识别文本的对应实体进行匹配，得到目标识别文本的对应实体；响应于对目标识别文本的风险关键词的匹配请求，调用风险关键词库，对目标识别文本的风险关键词进行风险关键词匹配，得到与风险关键词关联的风险事件类别；根据目标目标识别文本的对应实体和风险事件类别，得到目标识别文本的第二风险实体及第二风险实体的第二类别。

根据本公开的实施例，其中，在第一风险实体包括多个的情况下，调用实体消歧数据库，将多个第一风险实体进行实体消歧，以得到目标识别文本的第三风险实体及第三风险实体的第三类别，包括：在确定多个第一风险实体在目标识别文本中的同一位置的情况下，响应于对多个第一风险实体进行实体消歧的请求，调用实体消歧数据库；根据多个第一风险实体之间的数据特征结构，从实体消歧数据中提取与数据特征结构匹配的规则表达式；根据规则表达式，对多个第一风险实体进行实体消歧，得到目标识别文本的第三风险实体及第三风险实体的第三类别。

根据本公开的实施例，其中，将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别，包括：将第二风险实体及第二类别与第三风险实体及第三类别进行并集操作，以便对第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

本公开的第二方面提供了一种舆情风险识别装置，包括：识别模块，用于利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别；实体匹配模块，用于在风险类别为有风险的情况下，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，以得到目标识别文本的第二风险实体及第二风险实体的第二类别；实体消歧模块，用于在第一风险实体包括多个的情况下，调用实体消歧数据库，将多个第一风险实体进行实体消歧，得到目标识别文本的第三风险实体及第三风险实体的第三类别；实体融合模块，将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述舆情风险识别方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述舆情风险识别方法。

本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述舆情风险识别方法。

根据本公开的实施例，通过利用基于风险识别模型对目标识别文本的风险类别和实体类别同时进行识别，再结合实体匹配及实体消歧技术对上述识别结果进行实体融合分析，从而减小模型累积误差，提高识别效果，进一步有助于业务人员进行风险预知和风险规避。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的舆情风险识别方法和装置的应用场景图；

图2示意性示出了根据本公开实施例的舆情风险识别方法的流程图；

图3示意性示出了根据本公开实施例的利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、第一风险实体及第一风险实体的第一类别的方法流程图；

图4示意性示出了根据本公开实施例的将多个第一风险实体进行实体消歧的方法流程图；

图5示意性示出了根据本公开实施例的利用风险识别模型识别舆情风险的方法示意图；

图6示意性示出了根据本公开实施例的实体融合的方法示意图；

图7示意性示出了根据本公开实施例的舆情风险识别装置的结构框图；以及

图8示意性示出了根据本公开实施例的适于实现舆情风险方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本公开的技术方案中，对数据的获取、收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

本公开的实施例提供了一种舆情风险识别方法，包括：利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别；在风险类别为有风险的情况下，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，以得到目标识别文本的第二风险实体及第二风险实体的第二类别；在第一风险实体包括多个的情况下，调用实体消歧数据库，将多个第一风险实体进行实体消歧，以得到目标识别文本的第三风险实体及第三风险实体的第三类别；将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

图1示意性示出了根据本公开实施例的舆情风险识别方法和装置的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的舆情风险识别方法一般可以由服务器105执行。相应地，本公开实施例所提供的舆情风险识别装置一般可以设置于服务器105中。本公开实施例所提供的舆情风险识别方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的舆情风险识别装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图6对公开实施例的舆情风险识别方法进行详细描述。

图2示意性示出了根据本公开实施例的舆情风险识别方法的流程图。

如图2所示，该实施例的舆情风险识别方法包括操作S210～操作S240。

在操作S210，利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别。

根据本公开的实施例，风险识别模型是采用深度学习算法训练而成的识别文本模型，该模型可采用文本分类模型训练方法训练而成。通过风险识别模型对每个目标识别文本的风险类别进行预测，得到每个目标识别文本的分类，该分类可以为二分类，可以包括有风险类别或无风险类别；同时对每个目标识别文本中的实体进行实体识别，得到每个目标识别文本中的第一风险实体及第一风险实体的第一类别。

根据本公开的实施例，目标识别文本可以为文本语句，可以是中文形式的文本语句，可以由多个字组成；也可以是英文文本的文本语句，可以由多个单词组成。在此，对于目标识别文本的语言类型不作限定。

根据本公开的实施例，风险实体识别的目的在于识别目标识别文本中人名、地名、组织机构名、企业名等主体，例如，从目标识别文本中可以识别出企业名；风险实体的类别可以为可以根据目标识别文本中关键词识别得到风险实体的类别。

在操作S220，在风险类别为有风险的情况下，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，以得到目标识别文本的第二风险实体及第二风险实体的第二类别。

根据本公开的实施例，实体词库可以表征存储有企业名及其基本属性信息的数据库。实体词库中存储的企业名及其基本属性信息可以从互联网开源渠道和/或特定业务部分渠道获取上述企业名及其基本属性信息。例如，可以利用爬虫技术动态从互联网开源渠道获取。也可以通过金融领域的积累形成包含有企业名及其基本属性信息的实体词库。

根据本公开的实施例，风险关键词库可以存储有表征风险事件类别和对应关键字的数据库。例如，风险事件类别为资产异常，对应的关键字可以包括：亏损、亏本、清算等；违约失信事件对应关键词有违约、失信、逾期、拖欠等。

根据本公开的实施例，在确定目标识别文本为有风险的情况下，利用实体词库和风险关键词库从目标识别文本中匹配出对应的风险实体和风险实体的类别，得到目标识别文本的第二风险实体和第二风险实体的类别。

在操作S230，在第一风险实体包括多个的情况下，调用实体消歧数据库，将多个第一风险实体进行实体消歧，以得到目标识别文本的第三风险实体及第三风险实体的第三类别。

根据本公开的实施例，实体消歧数据库存储有可以表征多个表意相同的实体之间的规则表达式。实体消歧的目的在于将表意相同的多个实体进行歧义消除。

根据本公开的实施例，利用风险识别模型对目标识别文本进行风险实体识别的过程中，针对目标识别文本中的同一实体位置可能会识别出多个第一风险实体。在确定识别出多个第一风险实体的情况下，调用实体消歧数据库，对多个第一风险实体进行实体消歧，得到目标识别文本的第三风险实体及第三风险实体的第三类别。

在操作S240，将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

根据本公开的实施例，实体融合的目的是将利用实体匹配得到的第二风险实体和利用实体消歧得到的第三风险实体以及将对应的第二类别和对应的第三类别进行组合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

根据本公开的实施例，通过利用基于风险识别模型对目标识别文本的风险类别和实体类别同时进行识别，再结合实体匹配及实体消歧技术对上述识别结果进行实体融合分析，从而减小模型累积误差，提高识别效果，进一步有助于业务人员进行风险预知和风险规避。

图3示意性示出了根据本公开实施例的利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、第一风险实体及第一风险实体的第一类别的方法流程图。

如图3所示，该方法可以包括操作S310～S330。

在操作S310，对目标识别文本进行预处理，得到针对目标识别文本的多个目标识别文本单元。

在操作S320，将多个目标识别文本单元的目标识别文本单元数据进行特征提取，得到特征向量序列。

在操作S330，对特征向量序列进行实体识别，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别。

根据本公开的实施例，对目标识别文本进行预处理可以包括：对获取的目标识别文本进行切分处理，将目标识别文本切分为多个目标识别文本单元。其中，目标识别文本单元为风险识别模型处理的最小单元。例如，对于中文形式的目标识别文本，目标识别文本单元可以为字；对于英文形式的目标识别文本，目标识别文本单元可以为单词。

根据本公开的实施例，将得到的多个目标识别文本单元进行特征提取可以包括：在特征提取过程中，风险识别模型可以对每个目标识别文本单元添加额外标记，例如，添加[CLS]表征分类标记，[SEP]表征短句标记，O表示不属于任何风险实体，B代表风险实体的初始位置，I表示风险实体的中间或者末尾位置等。再对每个目标识别单元进行特征提取，得到目标识别文本单元的特征向量序列。

根据本公开的实施例，对特征向量序列进行实体识别可以包括：基于风险识别模型的转换模型，对特征向量序列进行序列位置信息提取，根据提取结果对特征向量序列可以进行，例如，条件随机场分析，识别得到目标识别文本的风险类别，第一风险实体及第一风险实体的第一类别。

根据本公开的实施例，例如，以目标识别文本“A公司申请破产清算[CLS]”中文文本为例，将其得到目标识别文本单元分别为“A”“公”“司”“申”“请”“破”“产”“清”“算”“CLS”，对每个目标识别文本单元进行特征提取，得到特征向量序列，再对特征向量进行实体识别，得到实体识别结果，例如，例如，“A”作为A公司名首字位置，其标注类目为B-资产异常事件主体，“公”作为A公司名中间位置，其标注类目为I-资产异常事件主体，其中，“资产异常事件主体”表征为该风险实体对应的风险实体类别。这条目标识别文本的风险类别为“有风险”，“CLS”对应的标注类目为“risk_news”。

根据本公开的实施例，将多个目标识别文本单元的目标识别文本单元数据进行特征提取，得到特征向量序列，包括：对每个目标识别文本单元数据进行词法特征提取，得到词法特征向量序列；利用位置编码器，对每个目标识别文本单元数据进行位置特征提取，得到位置特征向量序列；根据词法特征向量序列和位置特征向量序列，得到特征向量序列。

根据本公开的实施例，词法特征向量序列可以表征每个目标识别文本单元对应的相应实体及实体类别；位置特征向量序列可以表征每个目标识别文本单元出现在目标识别文本中的相对或绝对位置。特征向量序列可以包含有该目标识别文本中的实体、实体类别信息以及实体在目标识别文本中出现的位置信息。

根据本公开的实施例，利用风险识别模型对目标识别文本同时进行风险实体和实体类别的识别，不需要先做实体识别，再做实体类别识别，使得模型累计误差减小，识别准确率提高。

根据本公开的实施例，风险识别模型为基于JointBERT语言表征模型。

根据本公开的实施例，JointBERT模型是一种用于训练语言表征模型，可以对输入的识别文本进行分字处理，以分字结果为单位进行处理，得到每个分字结果对应的特征提取结果。

根据本公开的实施例，风险识别模型为基于JointBERT语言表征模型可以采用如下方法训练而成：准备训练识别文本数据；将训练识别文本数据中的语句输入风险识别训练模型中，训练得到风险识别模型。

根据本公开的实施例，训练识别文本数据可以使用网络爬虫在金融领域新闻舆情风险数据来源中抓取尽可能多的金融新闻舆情，并将该金融舆情新闻以文本的形式存储。

根据本公开的实施例，金融领域新闻舆情风险数据来源可以包括各大门户网站的企业新闻和财经新闻版块以及与财经、企业等相关的各大中小型网站。

根据本公开的实施例，在风险类别为有风险的情况下，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，以得到目标识别文本的第二风险实体及第二风险实体的第二类别，包括：响应于对目标识别文本的对应实体的匹配请求，调用实体词库，对目标识别文本的对应实体进行匹配，得到目标识别文本的对应实体；响应于对目标识别文本的风险关键词的匹配请求，调用风险关键词库，对目标识别文本的风险关键词进行风险关键词匹配，得到与风险关键词关联的风险事件类别；根据目标目标识别文本的对应实体和风险事件类别，得到目标识别文本的第二风险实体及第二风险实体的第二类别。

根据本公开的实施例，在确定目标识别文本的风险类别为有风险的情况下，首先调用实体词库，将该目标识别文本与实体词库相关联，利用实体词库，将目标识别文本中实体与实体词库进行匹配。在确定实体词库中含有目标识别文本的对应实体的情况下，再调用风险关键词库，将目标识别文本中的关键词与风险关键词库中的关键词进行匹配，得到关键词对应的风险事件类别，将利用实体词库得到的对应实体和利用风险关键词库得到的关键词对应的风险事件类别进行组合，得到目标识别文本的第二风险实体及第二风险实体的第二类别。

根据本公开的实施例，以目标识别文本“A公司申请破产清算”为例，首先调用实体词库，在实体词库中匹配与目标识别文本的风险实体“A公司”对应的实体，在确定实体词库中含有目标识别文本的对应实体“A公司”的情况下，调用风险关键词库，将目标识别文本中“破产清算”作为关键词与风险关键词库中的关键词进行匹配，在风险关键词库中匹配出与“破产清算”语义相同或相近的关键词，该关键词对应的风险事件类别为“资产异常事件”，将风险实体“A公司”与风险事件类别“资产异常事件”组合，得到该目标识别文本的第二风险实体为“A公司”，第二风险实体的第二类别为“资产异常事件”。

根据本公开的实施例，以目标识别文本“A公司申请破产清算”为例，首先调用实体词库，在实体词库中匹配与目标识别文本的风险实体“A公司”对应的实体，在确定实体词库中未匹配出对应的实体，则不调用风险关键词库进行匹配。

图4示意性示出了根据本公开实施例的将多个第一风险实体进行实体消歧的方法流程图。

如图4所示，该方法可以包括操作S410～S430。

在操作S410，在确定多个第一风险实体在目标识别文本中的同一位置的情况下，响应于对多个第一风险实体进行实体消歧的请求，调用实体消歧数据库。

在操作S420，根据多个第一风险实体之间的数据特征结构，从实体消歧数据中提取与数据特征结构匹配的规则表达式。

在操作S430，根据规则表达式，对多个第一风险实体进行实体消歧，得到目标识别文本的第三风险实体及第三风险实体的第三类别。

根据本公开的实施例，利用风险识别模型对目标识别文本的第一风险实体进行识别的过程中，风险识别模型会在目标识别文本中的每个目标识别文本单元出现的同一位置可能会识别出多个第一风险实体。当确定多个第一风险实体在目标识别文本中的同一位置的情况下，调用实体消歧数据库，对多个第一风险实体进行实体消歧，消除歧义。

根据本公开的实施例，实体消歧数据库中存储的规则表达式体现将多个表意相同的多个实体进行歧义消除后成为一个实体的表达关系式。例如，“B”和“B公司”表示两个实体，对该数据特征结构的两个实体进行实体消歧的规则表达式可以为“B+B公司＝B公司”；“C公司”和“原C公司”表示两个实体，对该数据特征结构的两个实体进行实体消歧的规则表达式可以为“C公司+原C公司＝C公司”。需要说明的是，在实体消歧数据库中存储的规则表达式不限定与上述举例，风险实体也不限定于两个之间，两个以上的风险实体之间的实体消歧规则表达式也存储于实体消歧数据库中。

根据本公开的实施例，利用风险识别模型识别出目标识别文本，例如，“A公司申请破产清算”中同一位置的两个第一风险实体为“A公司”和“原A公司”，对应的第一风险第一类别为“资产异常事件”，根据该两个第一风险实体的数据特征结构，从实体消歧数据中提取与数据特征结构匹配的规则表达式，例如，“C公司+原C公司＝C公司”，则根据实体消歧数据中的该数据特征结构的规则表达式，对该两个第一风险实体进行实体消歧，得到第三风险实体为“A公司”及第三风险实体的第三类别“资产异常事件”。

根据本公开的实施例，将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别，包括：

将第二风险实体及第二类别与第三风险实体及第三类别进行并集操作，以便对第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

根据本公开的实施例，将通过实体匹配得到目标识别文本的第二风险实体及第二风险实体的第二类别，与通过实体消歧得到目标识别文本的第三风险实体及第三风险实体的第三类别分别作并集合并，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

根据本公开的实施例，例如，第二风险实体及第二风险实体的第二类别分别为“A公司-资产异常事件”、“E-违约失信事件”；第三风险实体及第三风险实体的第三类别为“A公司-资产异常事件”，将上述的第二风险实体及第二类别与第三风险实体及第三类别进行并集合并，实现实体融合，得到风险实体输出为“A公司-资产异常事件”、“E-违约失信事件”，以对利用风险识别模型识别得到的第一风险实体及第一风险实体的类别的识别结果进行补充确认，最终得到目标识别文本的目标风险实体及目标风险实体的目标类别为“A公司-资产异常事件”。

根据本公开的实施例，通过实体匹配及实体消歧的逻辑规则对利用风险识别模型对目标识别文本识别得到的第一风险实体及第一风险实体类别的识别结果实现实体融合分析，以作为识别结果的进一步补充，从而提高识别效果。

图5示意性示出了根据本公开实施例的利用风险识别模型识别舆情风险的方法示意图。

图6示意性示出了根据本公开实施例的实体融合的方法示意图。

如图5所示，将目标识别文本501输入风险识别模型502中进行目标识别文本的风险实体的识别，得出目标识别识别文本的风险类别503、目标识别文本的第一风险实体及第一风险实体的第一类别504。风险类别503为二分类，即，有风险事件和无风险事件。

如图6所示，在确定目标识别文本为有风险事件的情况下，将目标识别文本501与实体词库和风险关键词库601进行实体匹配，得出第二风险实体及第二风险实体的第二类别602；在第一风险实体504为多个的情况下，将多个第一风险实体及第一风险实体的第一类别504与实体消歧规则表达式603进行匹配，进行实体消歧，得到第三风险实体及第三风险实体的第三类别604，将第一风险实体及第二风险实体的第二类别602与第三风险实体及第三风险实体的第三类别604进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别605。

基于上述舆情风险识别方法，本公开还提供了一种舆情风险识别装置。以下将结合图7对该装置进行详细描述。

图7示意性示出了根据本公开实施例的舆情风险识别装置的结构框图。

如图7所示，该实施例的舆情风险识别装置700可以包括识别模块710、实体匹配模块720、实体消歧模块730和实体融合模块740。

识别模块710，用于利用风险识别模型处理目标识别文本，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别。在一实施例中，识别模块710可以用于执行前文描述的操作S210，在此不再赘述。

实体匹配模块720，用于在风险类别为有风险的情况下，调用实体词库和风险关键词库，对目标识别文本进行实体匹配，以得到目标识别文本的第二风险实体及第二风险实体的第二类别。在一实施例中，实体匹配模块720可以用于执行前文描述的操作S220，在此不再赘述。

实体消歧模块730，用于在第一风险实体包括多个的情况下，调用实体消歧数据库，将多个第一风险实体进行实体消歧，得到目标识别文本的第三风险实体及第三风险实体的第三类别。在一实施例中，实体消歧模块730可以用于执行前文描述的操作S230，在此不再赘述。

实体融合模块740，将第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。在一实施例中，实体融合模块740可以用于执行前文描述的操作S240，在此不再赘述。

根据本公开的实施例，通过利用基于风险识别模型对目标识别文本的风险类别和实体类别同时进行识别，再结合实体匹配及实体消歧技术对上述识别结果进行实体融合分析，从而减小模型累积误差，提高识别效果，进一步有助于业务人员进行风险预知和风险规避。

根据本公开的实施例，识别模块710可以包括：第一得到子模块、第一提取子模块、识别子模块。

第一得到子模块，用于对目标识别文本进行预处理，得到针对目标识别文本的多个目标识别文本单元。

第一提取子模块，用于将多个目标识别文本单元的目标识别文本单元数据进行特征提取，得到特征向量序列。

识别子模块，用于对特征向量序列进行实体识别，识别得到目标识别文本的风险类别、目标识别文本中的第一风险实体及第一风险实体的第一类别。

根据本公开的实施例，提取子模块可以包括：第一得到单元、第二得到单元、第三得到单元。

第一得到单元，用于对每个目标识别文本单元数据进行词法特征提取，得到词法特征向量序列。

第二得到单元，用于利用位置编码器，对每个目标识别文本单元数据进行位置特征提取，得到位置特征向量序列。

第三得到单元，用于根据词法特征向量序列和位置特征向量序列，得到特征向量序列。

根据本公开的实施例，风险识别模型为基于JointBERT语言表征模型。

根据本公开的实施例，实体匹配模块720可以包括：第一调用子模块、第二调用子模块、第二得到子模块。

第一调用子模块，用于响应于对目标识别文本的对应实体的匹配请求，调用实体词库，对目标识别文本的对应实体进行匹配，得到目标识别文本的对应实体。

第二调用子模块，用于响应于对目标识别文本的风险关键词的匹配请求，调用风险关键词库，对目标识别文本的风险关键词进行风险关键词匹配，得到与风险关键词关联的风险事件类别。

第二得到子模块，用于根据目标目标识别文本的对应实体和风险事件类别，得到目标识别文本的第二风险实体及第二风险实体的第二类别。

根据本公开的实施例，实体消歧模块730可以包括：第三调用子模块、第二提取子模块、第三得到子模块。

第三调用子模块，用于在确定多个第一风险实体在目标识别文本中的同一位置的情况下，响应于对多个第一风险实体进行实体消歧的请求，调用实体消歧数据库；

第二提取子模块，用于根据多个第一风险实体之间的数据特征结构，从实体消歧数据中提取与数据特征结构匹配的规则表达式；

第三得到子模块，用于根据规则表达式，对多个第一风险实体进行实体消歧，得到目标识别文本的第三风险实体及第三风险实体的第三类别。

根据本公开的实施例，实体融合模块740可以包括：并集子模块。

并集子模块，用于将第二风险实体及第二类别与第三风险实体及第三类别进行并集操作，以便对第二风险实体及第二类别与第三风险实体及第三类别进行实体融合，得到目标识别文本的目标风险实体及目标风险实体的目标类别。

根据本公开的实施例，识别模块710、实体匹配模块720、实体消歧模块730和实体融合模块740中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，识别模块710、实体匹配模块720、实体消歧模块730和实体融合模块740中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，识别模块710、实体匹配模块720、实体消歧模块730和实体融合模块740中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图8示意性示出了根据本公开实施例的适于实现舆情风险方法的电子设备的方框图。

如图8所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，程序也可以存储在除ROM802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备800还可以包括输入/输出(I/O)接口805，输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的舆情风险识别方法。

在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种舆情风险识别方法，包括：

利用风险识别模型处理目标识别文本，识别得到所述目标识别文本的风险类别、所述目标识别文本中的第一风险实体及所述第一风险实体的第一类别；

在所述风险类别为有风险的情况下，调用实体词库和风险关键词库，对所述目标识别文本进行实体匹配，以得到所述目标识别文本的第二风险实体及所述第二风险实体的第二类别；

在所述第一风险实体包括多个的情况下，调用实体消歧数据库，将多个所述第一风险实体进行实体消歧，以得到所述目标识别文本的第三风险实体及所述第三风险实体的第三类别；

将所述第二风险实体及所述第二类别与所述第三风险实体及所述第三类别进行实体融合，得到所述目标识别文本的目标风险实体及所述目标风险实体的目标类别。

2.根据权利要求1所述的方法，其中，利用风险识别模型处理目标识别文本，识别得到所述目标识别文本的风险类别、所述目标识别文本中的第一风险实体及所述第一风险实体的第一类别，包括：

对所述目标识别文本进行预处理，得到针对所述目标识别文本的多个目标识别文本单元；

将多个所述目标识别文本单元的目标识别文本单元数据进行特征提取，得到特征向量序列；

对所述特征向量序列进行实体识别，识别得到所述目标识别文本的风险类别、所述目标识别文本中的第一风险实体及所述第一风险实体的第一类别。

3.根据权利要求2所述的方法，其中，所述将多个所述目标识别文本单元的目标识别文本单元数据进行特征提取，得到特征向量序列，包括：

对每个所述目标识别文本单元数据进行词法特征提取，得到词法特征向量序列；

利用位置编码器，对每个所述目标识别文本单元数据进行位置特征提取，得到位置特征向量序列；

根据所述词法特征向量序列和所述位置特征向量序列，得到特征向量序列。

4.根据权利要求1所述的方法，其中，所述风险识别模型为基于JointBERT语言表征模型。

5.根据权利要求1所述的方法，其中，所述在所述风险类别为有风险的情况下，调用实体词库和风险关键词库，对所述目标识别文本进行实体匹配，以得到所述目标识别文本的第二风险实体及所述第二风险实体的第二类别，包括：

响应于对所述目标识别文本的对应实体的匹配请求，调用所述实体词库，对所述目标识别文本的对应实体进行匹配，得到所述目标识别文本的对应实体；

响应于对所述目标识别文本的风险关键词的匹配请求，调用所述风险关键词库，对所述目标识别文本的风险关键词进行风险关键词匹配，得到与风险关键词关联的风险事件类别；

根据所述目标目标识别文本的对应实体和所述风险事件类别，得到所述目标识别文本的第二风险实体及所述第二风险实体的第二类别。

6.根据权利要求1所述的方法，其中，所述在所述第一风险实体包括多个的情况下，调用实体消歧数据库，将多个所述第一风险实体进行实体消歧，以得到所述目标识别文本的第三风险实体及所述第三风险实体的第三类别，包括：

在确定多个所述第一风险实体在所述目标识别文本中的同一位置的情况下，响应于对多个所述第一风险实体进行实体消歧的请求，调用所述实体消歧数据库；

根据多个所述第一风险实体之间的数据特征结构，从所述实体消歧数据中提取与所述数据特征结构匹配的规则表达式；

根据所述规则表达式，对多个所述第一风险实体进行实体消歧，得到所述目标识别文本的第三风险实体及所述第三风险实体的第三类别。

7.根据权利要求1所述的方法，其中，所述将所述第二风险实体及所述第二类别与所述第三风险实体及所述第三类别进行实体融合，得到所述目标识别文本的目标风险实体及目标风险实体的目标类别，包括：

将所述第二风险实体及所述第二类别与所述第三风险实体及所述第三类别进行并集操作，以便对所述所述第二风险实体及所述第二类别与所述第三风险实体及所述第三类别进行实体融合，得到所述目标识别文本的目标风险实体及目标风险实体的目标类别。

8.一种舆情风险识别装置，包括：

识别模块，用于利用风险识别模型处理目标识别文本，识别得到所述目标识别文本的风险类别、所述目标识别文本中的第一风险实体及所述第一风险实体的第一类别；

实体匹配模块，用于在所述风险类别为有风险的情况下，调用实体词库和风险关键词库，对所述目标识别文本进行实体匹配，以得到所述目标识别文本的第二风险实体及所述第二风险实体的第二类别；

实体消歧模块，用于在所述第一风险实体包括多个的情况下，调用实体消歧数据库，将多个所述第一风险实体进行实体消歧，得到所述目标识别文本的第三风险实体及所述第三风险实体的第三类别；

实体融合模块，将所述第二风险实体及所述第二类别与所述第三风险实体及所述第三类别进行实体融合，得到所述目标识别文本的目标风险实体及目标风险实体的目标类别。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的方法。

11.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～7中任一项所述的方法。

Images