基于異構信息的債券知識服務的研究與實現(xiàn).pdf

1、隨著金融行業(yè)的迅猛發(fā)展，金融產(chǎn)品的網(wǎng)絡知識服務平臺越來越得到眾多投資者的認可。以債券為例，網(wǎng)絡中大量債券異構信息的存在，為構建自動化的債券知識服務平臺提供了一定的數(shù)據(jù)來源。因此，本課題將研究金融產(chǎn)品異構信息的獲取方法，以及對這些異構信息進行加工、處理，進一步完成信息的分類融合，并將最終整合的信息應用于債券知識服務平臺當中。
　　本課題研究的主要內容有以下幾個方面：
　　債券產(chǎn)品異構信息的獲取方法：包括債券結構化數(shù)據(jù)和非結構化

2、網(wǎng)頁數(shù)據(jù)的獲取、預處理；債券數(shù)據(jù)的來源包括固定金融網(wǎng)站和搜索引擎兩部分，在搜索引擎部分本文提出了基于搜索引擎的特定領域檢索結果評估模型RDMDRR，進一步提高了債券公告信息獲取的準確性和全面性。
　　債券產(chǎn)品異構信息的抽?。菏紫仁褂肳HISK算法構建債券特征的本體規(guī)則庫，然后利用本體規(guī)則自適應的方法對構建的規(guī)則進行剪枝操作，得到完善的本體規(guī)則庫，并將其運用到債券實體信息的抽取中，為構建債券的知識服務提供數(shù)據(jù)來源。
　　債券信

3、息的分類及融合：針對債券的不同類別，分別采用了規(guī)則和機器學習的方法對債券進行分類。基于類別不均衡分布的特點，本文提出了一種新的特征權重方法，對原來的TFIDF進行了改進，并將其運用到不均衡分類當中，提高了少數(shù)類的識別率，準確的對債券信息進行歸類整理，然后將其與其它債券信息進行融合，形成較完整的債券知識庫。
　　異構信息經(jīng)過上述三個環(huán)節(jié)的處理、加工與融合，得到完整的債券知識，并將其整合到債券知識服務平臺中。實驗表明，構建的知識服務平