自然语言处理（NLP）越来越多地用于查看非结构化内容或发现市场趋势。如何将NLP应用于金融服务中，以应对投资决策和风险管理方面的挑战？
非结构化数据过多
解决信息难题是金融服务行业中一个常见的问题。
交易员和投资经理有许多资料可供梳理，例如研究报告，公司备案和季度收益电话的笔录。
这种非结构化内容的数量正以前所未有的速度加速增长，这使得分析非常耗时。
结果，非结构化的内容没有被用作洞察力的来源。它可能包含一些可以量化交易策略的提示，但是海量的数据使我们无法发现可能导致决策制定过程的细微差别。
自然语言处理（NLP） 提供了从未充分利用的内容中发现有意义的见解的机会。
NLP是人工智能的一个增长领域，部分原因是基础架构的快速增长，例如计算能力和数据处理能力。
此外，在算法方面还进行了许多重大改进，并且开放库的数量激增，例如Google在2018年发布的 BERT NLP [url=https://www.refinitiv.com/perspectives/ai-digitalization/next-level-nlp-and-potential-esg-controversies/]框架[/url]。
NLP在金融服务中的实际示例包括客户服务中语音助手和聊天机器人使用的语音识别和意图解析，以及公司文档和新闻提要的信息检索和情感分析。
公司收益电话
公司电话会议通常从公司介绍上一季度的业绩和下一个季度的前景开始，然后是问答环节，分析人员向公司提出直接和具体的问题。
“他们问问题的方式和方式，以及公司回答的方式和方式（包括语气），都可能反映出公司的股价。剖析语音语调，并将其转换为文本以量化诸如收入等不同关键主题的内容非常有用。”
支持合规流程
NLP也可以用于从非结构化文本中检索信息。这种方法称为命名实体识别（NER），用于检测和标记实体，即诸如人或公司之类的真实概念。
NLP还可以用于 支持银行的合规流程。标记非结构化数据有助于在数千个数字文档中进行搜索，从而使合规人员可以迅速确定是否已遵守法规。
NLP还可以用于在供应链关系之间创建显式链接。如果某些产品的需求在不久的将来可能会增加，那么从投资者的角度出发，确定关键的原材料供应商将非常有用。”
跟踪实体之间的关系
在投资领域中，应用标签以突出显示文本所涵盖的主要主题或 主题建模，在分析确定主要主题的收益电话或与以前类似的电话进行比较以识别趋势时非常有用。
NER提供附加的价值，因为它可用于链接实体和建立关系图。例如，一个实体建模系统可以在一系列非结构化文本中挑选出对特定主题的提及，并建立新的联系。
它可以帮助跟踪实体之间的关系，并有可能检测洗钱或欺诈行为。
情绪分析
NLP的另一个领域是情感分析，它可以从文本中充分提取主观含义，从而能够确定其态度或情感。它是查看特定公司的非结构化内容以查找不一致和异常情况的理想工具。
Refinitiv Labs目前正在 训练一种新模型 ，通过识别随着时间的推移而变化的潜在趋势，从而从数千份研究报告和公司笔录中识别出潜在的股票表现信号。