VIP16
本课程属于：017-KYC、CDD与名单筛查 智能金融与金融工程 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

负面媒体Adverse Media NLP筛查实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=负面媒体筛查的定义 · 业务价值 · 合规背景与整体学习路线图
课程导入目标=负面媒体筛…
02
基础概念
目标=Adverse Media · KYC · AML
基础概念Adverse
03
数据来源
目标=新闻 · 司法文书 · 监管公告
数据来源目标=新闻
04
NLP 基础
目标=分词 · 命名实体识别 · 词性标注
NLP目标=分词
05
文本预处理
目标=清洗 · 去重 · 编码统一
文本预处理目标=清洗
06
关键词与规则方法
目标=黑名单词库 · 正则表达式 · 布尔检索与规则引擎的构建与局限
关键词规则方法
07
命名实体识别实战
目标=人名 · 机构名 · 地名
命名实体识别实战目标=人名
08
实体链接与消歧
目标=将文本实体链接到知识库 · 处理同名同姓与跨语言实体对齐
实体链接消歧
09
文本分类入门
目标=基于传统机器学习的有害内容二分…
文本分类入门目标=基于传统机…
10
深度学习文本分类
目标=CNN · RNN · BERT 等模型在负面媒体分类中的应…
深度学习文本分类CNN
11
关系抽取
目标=识别实体之间的负面关系 · 如欺诈 · 贿赂
关系抽取目标=识别实体之…
12
事件抽取
目标=从新闻中抽取负面事件类型 · 时间 · 地点
事件抽取目标=从新闻
13
情感分析与立场检测
目标=判断文本对目标实体的负面 · 中性或正面倾向
情感分析立场检测
14
语义相似度与聚类
目标=发现相似负面报道 · 事件聚合与主题发现
语义相似度聚类
15
大语言模型应用
目标=提示工程 · 少样本学习 · 微调与 RAG 在筛查中的实践
大语言模型应用目标=提示工程
16
多语言与跨语言筛查
目标=低资源语言处理 · 翻译增强与跨语言实体匹配
多语言跨语言筛查
17
评估指标
目标=准确率 · 召回率 · F1
评估指标目标=准确率
18
数据标注与质量
目标=标注规范 · 标注一致性 · 主动学习与人工复核流程
数据标注质量
19
系统架构设计
目标=从数据采集 · NLP 处理 · 风险评分到告警输出的端到端架构
系统架构设计目标=从数据采集
20
风险评分与优先级
目标=构建可解释的风险分数 · 阈值设定与案件优先级排序
风险评分优先级
21
案例实战一
目标=个人客户负面媒体筛查全流程与结…
案例实战一目标=个人客户负…
22
案例实战二
目标=企业客户受益所有人负面媒体筛查…
案例实战二目标=企业客户受…
23
案例实战三
目标=多语言新闻中的制裁与腐败案件筛…
案例实战三目标=多语言新闻
24
案例实战四
目标=社交媒体与暗网数据的负面信息挖…
案例实战四目标=社交媒体
25
常见问题与陷阱
目标=误报 · 漏报 · 数据偏差
常见问题陷阱
26
合规与伦理
目标=数据隐私 · GDPR · 算法公平性
合规伦理
27
模型监控与迭代
目标=持续学习 · 反馈闭环 · 性能监控与版本管理
模型监控迭代
28
工具与平台
目标=开源 NLP 库 · 商业筛查系统 · 云服务与自建方案选型
工具平台
29
综合项目
目标=设计并实现一个端到端的负面媒体…
综合项目目标=设计并实现…
30
课程总结与提升
目标=知识体系回顾 · 最佳实践 · 职业发展与进阶学习资源
课程总结提升