證監(jiān)會攜手庖丁科技 賦能資本市場前線監(jiān)管

近日，庖丁科技中標證券期貨業(yè)金融科技研究發(fā)展中心(深圳)(以下簡稱“深交所”)——“證券文本信息抽取技術(shù)研究”項目，以證券市場文本信息為對象，研究利用自然語言處理技術(shù)，從披露公告中抽取指定的文本信息，并且滿足具有一定技術(shù)性能指標要求的課題。

AIOi1i+iDvei1hOacrOW4guWcuuWJjee6v+ebkeeuoQ=="/>

資本市場上，信息披露作為法規(guī)，通常要求信息披露義務(wù)人“應(yīng)當真實、準確、完整、及時地披露信息”。我國上市公司信息披露的內(nèi)容大體可分為三類：證券發(fā)行文件、定期報告和臨時報告。

上市公司的公告信息披露必須在指定信息披露網(wǎng)站發(fā)布，主要為PDF格式。以深市上市公司為例，2016年全年共披露265985篇公告，2017年共披露291607篇，隨著上市公司數(shù)量日益增多，這一數(shù)字也會逐年增加，不但為深交所的合規(guī)檢查帶來壓力，也給投資者帶來極大的信息負載。如何將海量公告更有效、更高效地讓閱讀人“讀薄”?其中通過自然語言處理、深度學(xué)習(xí)等技術(shù)將公告信息結(jié)構(gòu)化提取成為關(guān)鍵所在。

庖丁科技透露，現(xiàn)正在持續(xù)而堅定地推進該項工作：首先通過卷積神經(jīng)網(wǎng)絡(luò)對公告中的段落表格等信息進行分割抽取。為了適應(yīng)樣本數(shù)量稀少的問題，他們還提出了一種輕量級的機器學(xué)習(xí)方法。該方法能夠高效地將不同類別公告的關(guān)鍵語句抽取出來，并使之具有在線學(xué)習(xí)的能力，抽取過程僅需公告制作業(yè)務(wù)專家對少量公告進行標注，即可達到可用效果。關(guān)鍵語句抽取后，再通過LSTM神經(jīng)網(wǎng)絡(luò)進行細粒度提取，從而將公告結(jié)構(gòu)化。目前，庖丁科技對并購重組公告的結(jié)構(gòu)化抽取的工作已取得較為理想的結(jié)果，提升了深交所監(jiān)管工作的效率。這項工作的探索不僅為擴展更多公告類型奠定基礎(chǔ)，也為其他類型文本處理帶來了寶貴經(jīng)驗。

“利用非結(jié)構(gòu)化信息抽取技術(shù)，我們能夠把隱藏在海量公開公告中企業(yè)與企業(yè)、企業(yè)與個人關(guān)系進行深度挖掘，并且透視、洞察企業(yè)的價值及風(fēng)險。作為國內(nèi)擁有世界領(lǐng)先的金融文本信息抽取技術(shù)、有能力利用深度學(xué)習(xí)和金融知識庫進行高精度的結(jié)構(gòu)化信息提取的先進團體。”庖丁科技表示，未來將繼續(xù)全力服務(wù)金融行業(yè)，助力金融機構(gòu)進一步提升服務(wù)實體經(jīng)濟的能力。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。