Nlp 如何制作或获取财务文档语料库

我正在处理财务报告/文档的文档分类问题。有现成的语料库吗？我发现了几个用例，但它们都有自己的语料库。

你可以使用路透社21578语料库

---

这是测试分类的基本语料库。

您很可能需要创建自己的语料库。我有一个类似的任务，手动创建这样一个语料库太乏味了。因此，我创建了一个python模块，允许您根据自己对主题的特殊兴趣快速开发语料库

该模块允许您生成自己的语料库，并将文本和相关标签存储在sqlite或平面文件中

from news_corpus_builder import NewsCorpusGenerator

# Location to save generated corpus
corpus_dir = '/Users/skillachie/finance_corpus'

# Save results to sqlite or  files per article 
ex = NewsCorpusGenerator(corpus_dir,'sqlite')

# Retrieve 50 links related to the search term dogs and assign a category of   Pet to the retrieved links
links = ex.google_news_search('dogs','Pet',50)

# Generate and save corpus
ex.generate_corpus(links)

更多关于我的

金融语料库可供下载。语料库分为以下几类：

• 政策（许可证、监管、SEC、货币、美联储、货币、财政、imf）
• 国际金融（全球金融、国际货币基金组织、欧洲央行、希腊问题、人民币贬值）
• 经济（GDP、就业、失业、住房、经济）融资（ipo、股权）
• 房地产
• 合并与收购（合并、收购）
• 石油（石油、石油价格、天然气价格）
• 商品（商品、黄金、白银）
• 欺诈（内幕交易、庞氏骗局、金融欺诈）
• 诉讼（公司诉讼、公司结算）
• 盈利报告

---

没问题。你可能也对这个笔记本感兴趣