從人工智能學(xué)科誕生之初起，自然語(yǔ)言處理(NLP)就是人工智能核心的研究問(wèn)題之一。NLP的重要性是毋庸置疑的，它能夠?qū)崿F(xiàn)以自然語(yǔ)言交流為特征的高級(jí)人機(jī)交互，使機(jī)器能“閱讀”所有以文字形式記錄的人類知識(shí)，并提供各種高層智能服務(wù)的基礎(chǔ)和關(guān)鍵技術(shù)。

目前在NLP領(lǐng)域最受矚目的要數(shù)谷歌的NLP模型BERT(Bidirectional Encoder Representa-tions from Transformers)，它在Trans-former的基礎(chǔ)上，借助海量跨領(lǐng)域語(yǔ)料和超高計(jì)算能力，通過(guò)多任務(wù)預(yù)訓(xùn)練，在十余種不同NLP任務(wù)達(dá)到了目前最高水平。

在金融領(lǐng)域，NLP技術(shù)的作用主要在于自動(dòng)從海量的宏觀、行業(yè)、微觀資訊中發(fā)現(xiàn)、分析并整合與各類決策(特別是投資決策)相關(guān)的信息，即首先通過(guò)信息檢索技術(shù)獲取相關(guān)文本，然后借語(yǔ)義分析技術(shù)從非結(jié)構(gòu)化文本中提取結(jié)構(gòu)化的信息，最后將這些信息加以提煉，并且使之關(guān)聯(lián)到未來(lái)可能的發(fā)展趨勢(shì)，從而為預(yù)測(cè)和決策提供有價(jià)值的及時(shí)信息。

NLP技術(shù)與機(jī)器學(xué)習(xí)技術(shù)的結(jié)合，也正在成為智能金融浪潮中的新熱點(diǎn)，已在多個(gè)場(chǎng)景得以成功應(yīng)用，包括：智能客服、智能投研、智能投顧、智能風(fēng)控、智能監(jiān)管、智能運(yùn)營(yíng)等。

這方面國(guó)外值得關(guān)注的應(yīng)用案例包括：華爾街的巨頭開始應(yīng)用自然語(yǔ)言處理和機(jī)器學(xué)習(xí)技術(shù)幫助客戶理財(cái)和制訂退休計(jì)劃(類似財(cái)務(wù)經(jīng)理角色);美國(guó)麻省理工學(xué)院融合機(jī)器學(xué)習(xí)等技術(shù)用于創(chuàng)建新的商業(yè)模式和重新定義金融服務(wù)，以提高投資的安全性;澳大利亞一家公司嘗試采用自然語(yǔ)言處理技術(shù)自動(dòng)監(jiān)測(cè)和規(guī)范公司的金融服務(wù)。

目前NLP技術(shù)雖然已經(jīng)在金融領(lǐng)域開展了一些嘗試和探索，但仍然處于起步和發(fā)展階段，存在一些有待解決的難點(diǎn)。

BERT能有效破解金融NLP難題嗎?

金融是專業(yè)性很高的領(lǐng)域，很多詞匯和表達(dá)在金融語(yǔ)境下有特殊含義，并且某些專業(yè)詞匯在其他文本中很難見得到。數(shù)據(jù)集的缺乏也是目前NLP在金融領(lǐng)域應(yīng)用所面臨的問(wèn)題之一，這也是金融領(lǐng)域高度的專業(yè)性所導(dǎo)致的。

另外，金融領(lǐng)域?qū)Πl(fā)生的事件有其獨(dú)特的理解，評(píng)價(jià)分析處理結(jié)果的方式也與其他領(lǐng)域有所不同。因而，金融領(lǐng)域的自然語(yǔ)言處理任務(wù)需要重新定義任務(wù)目標(biāo)和評(píng)價(jià)方法，傳統(tǒng)和成熟的NLP解決方案不一定僅通過(guò)簡(jiǎn)單訂制就可以滿足金融領(lǐng)域?qū)ξ谋拘畔⒎治龊吞幚淼男枨蟆?/p>

那么在眾多傳統(tǒng)NLP任務(wù)上取得了實(shí)質(zhì)性提升的BERT，能否助力破解金融NLP的難題呢?這是很多人都關(guān)心的問(wèn)題，不過(guò)從目前看來(lái)可能收效甚微。因?yàn)锽ERT的設(shè)計(jì)目的和關(guān)注點(diǎn)著眼于純自然語(yǔ)言表示模式本身，而任務(wù)本身與具體領(lǐng)域或者業(yè)務(wù)越密切，則其貢獻(xiàn)越小。

雖然仍然需要通過(guò)實(shí)驗(yàn)才能確切了解BERT和Transformer對(duì)金融領(lǐng)域特定任務(wù)的影響，但可以預(yù)見的是，由于推理能力缺乏、輸入長(zhǎng)度限制、可解釋性缺失等方面先天性的不足，其在市場(chǎng)消息面影響評(píng)估、事件因果關(guān)系發(fā)現(xiàn)、任務(wù)導(dǎo)向型上下文相關(guān)對(duì)話、文本摘要、智能推薦等方面影響比較有限。

將“NLP”和“知識(shí)圖譜”看作金融科技領(lǐng)域的“雙子星”是十分可取的想法，這兩項(xiàng)關(guān)鍵技術(shù)在金融領(lǐng)域的應(yīng)用場(chǎng)景高度重合，兩者相互依托、互為補(bǔ)充。前者不斷豐富后者的內(nèi)容，后者則為前者提供背景知識(shí)的支持。

不過(guò)，在“NLP+知識(shí)圖譜”這兩個(gè)“雙子星”中，還應(yīng)加上“智能推理”一環(huán)，從而形成“語(yǔ)義理解+知識(shí)支撐+動(dòng)態(tài)推理”的“三駕馬車”。因?yàn)槿绻Ｐ腿狈ν评砟芰?，欠缺揭示分析結(jié)果深層原因的“可解釋性”，對(duì)于金融這種需要“刨根問(wèn)底”的領(lǐng)域容易引發(fā)“災(zāi)難后果”。

知識(shí)圖譜一般認(rèn)為僅存儲(chǔ)靜態(tài)的知識(shí)，靜態(tài)的知識(shí)需要與動(dòng)態(tài)的推理規(guī)則相結(jié)合才能推導(dǎo)并得出新的認(rèn)識(shí)和結(jié)論，發(fā)揮所構(gòu)建知識(shí)庫(kù)的最大效用。雖然目前已經(jīng)提出“事理圖譜”概念，其是否屬于動(dòng)態(tài)知識(shí)仍有待商榷。引入“智能推理”可以形成事實(shí)到結(jié)論之間的推理鏈條，從而能夠?qū)λ媒Y(jié)論進(jìn)行必要的解釋。

例如，引入類似“原材料供應(yīng)緊張 → 生產(chǎn)成本上升 → 凈利潤(rùn)下降 → 股價(jià)下跌”反映專業(yè)知識(shí)的規(guī)則與推理不僅可以引導(dǎo)模型學(xué)習(xí)的方向，縮小的搜索空間，還可以作為先驗(yàn)信息，進(jìn)行更為合理的貝葉斯統(tǒng)計(jì)推斷。

一般認(rèn)為，NLP主要有兩種研究思想和方法，第一種是理性主義方法，其主要思路是通過(guò)歸納語(yǔ)言學(xué)規(guī)則來(lái)分析和生成語(yǔ)言，優(yōu)點(diǎn)是語(yǔ)言表達(dá)結(jié)構(gòu)和組成成分可以借助規(guī)則直接清晰地表示出來(lái)，但規(guī)則過(guò)于“剛性”會(huì)導(dǎo)致無(wú)法處理例外情況、魯棒性差、規(guī)則獲取和更新代價(jià)高等問(wèn)題。

另一種研究方法是經(jīng)驗(yàn)主義方法，主要是采用機(jī)器學(xué)習(xí)(特別是統(tǒng)計(jì)學(xué)習(xí))從語(yǔ)料集中自動(dòng)或半自動(dòng)地獲取語(yǔ)言學(xué)統(tǒng)計(jì)知識(shí)來(lái)構(gòu)建模型，然后對(duì)新的文本進(jìn)行推斷。目前最熱門的深度學(xué)習(xí)也屬于經(jīng)驗(yàn)主義方法，近年來(lái)取得了快速進(jìn)展和廣泛應(yīng)用，在學(xué)術(shù)界和企業(yè)界備受矚目。

對(duì)于金融領(lǐng)域的NLP應(yīng)用來(lái)說(shuō)，經(jīng)驗(yàn)主義和理性主義這兩方面不應(yīng)是“離異”狀態(tài)，而應(yīng)該積極的“聯(lián)姻”，就如哲學(xué)家培根所主張的，既反對(duì)狹隘的理性主義，也反對(duì)純粹的經(jīng)驗(yàn)主義。具體說(shuō)來(lái)，以邏輯推理為代表的符號(hào)主義與神經(jīng)網(wǎng)絡(luò)為代表聯(lián)結(jié)主義的深度融合應(yīng)是未來(lái)最具發(fā)展?jié)摿Φ姆较蛑弧?/p>

目前NLP技術(shù)在自然語(yǔ)言的深度理解方面，仍然存在大量的探索空間，例如如何準(zhǔn)確處理篇章范圍內(nèi)的指代消歧;如何正確理解比擬、比喻和隱喻等。隨著金融NLP經(jīng)驗(yàn)主義與理性主義研究方法的融合提升，并且與知識(shí)圖譜、智能推理等進(jìn)一步結(jié)合，更多的難題將期望得到解決。