In this paper we utilize a structured natural language processing implementation of the Financial Industry Business Ontology (FIBO) to extract financial information from the unstructured textual data of the social media platform Twitter regarding financial and budget information in the public sector, namely the two public-private agencies of the Port Authority of NY and NJ (PANYNJ), and the NY Metropolitan Transportation Agency (MTA). This research initiative uses the Design Science Research (DSR) perspective to develop an artifact to classify tweets as being either relevant to financial bonds or not. We apply a frame and slot approach from the artificial intelligence and natural language processing literature to operationalize this artifact. FIBO provides standards for defining the facts, terms, and relationships associated with financial concepts. We show that FIBO grammar can be used to mine semantic meaning from unstructured textual data and that it provides a nuanced representation of structured financial data. With this artifact, social media such as Twitter may be accessed for the knowledge that its text contains about financial concepts using the FIBO ontology. This process is anticipated to be of interest to bond issuers, regulators, analysts, investors, and academics. It may also be extended towards other financial domains such as securities, derivatives, commodities, and banking that relate to FIBO ontologies, as well as more generally to develop a structured knowledge representation of unstructured data through the application of an ontology.

在本文中，我们利用金融业业务本体（FIBO）的结构化自然语言处理实现，从社交媒体平台Twitter的非结构化文本数据中提取有关公共部门财务和预算信息的财务信息，即两个公共部门-纽约州和新泽西州港口管理局（PANYNJ）的私人机构，以及纽约大都会运输局（MTA）。该研究计划使用设计科学研究（DSR）视角来开发工件，以将推文分类为与金融债券相关或不相关。我们应用人工智能和自然语言处理文献中的框架和插槽方法来操作此工件。FIBO提供了定义事实，条款，以及与财务概念相关的关系。我们证明，FIBO语法可用于从非结构化文本数据中挖掘语义，并且它提供了结构化金融数据的细微差别。借助此工件，可以使用FIBO本体访问诸如Twitter之类的社交媒体，以了解其文本包含有关财务概念的知识。预计债券发行人，监管机构，分析师，投资者和学者将对这一过程感兴趣。它也可以扩展到与FIBO本体有关的其他金融领域，例如证券，衍生品，商品和银行业务，并且更一般地，通过应用本体来开发非结构化数据的结构化知识表示。我们证明，FIBO语法可用于从非结构化文本数据中挖掘语义，并且它提供了结构化金融数据的细微差别。借助此工件，可以使用FIBO本体访问诸如Twitter之类的社交媒体，以了解其文本包含有关财务概念的知识。预计债券发行人，监管机构，分析师，投资者和学者将对这一过程感兴趣。它也可以扩展到与FIBO本体有关的其他金融领域，例如证券，衍生品，商品和银行业务，并且更一般地，可以通过应用本体来开发非结构化数据的结构化知识表示。我们证明，FIBO语法可用于从非结构化文本数据中挖掘语义，并且它提供了结构化金融数据的细微差别。借助此工件，可以使用FIBO本体访问诸如Twitter之类的社交媒体，以了解其文本包含有关财务概念的知识。预计债券发行人，监管机构，分析师，投资者和学者将对这一过程感兴趣。它也可以扩展到与FIBO本体有关的其他金融领域，例如证券，衍生品，商品和银行业务，并且更一般地，可以通过应用本体来开发非结构化数据的结构化知识表示。可以使用FIBO本体访问诸如Twitter之类的社交媒体，以了解其文本包含有关财务概念的知识。预计债券发行人，监管机构，分析师，投资者和学者将对这一过程感兴趣。它也可以扩展到与FIBO本体有关的其他金融领域，例如证券，衍生品，商品和银行业务，并且更一般地，可以通过应用本体来开发非结构化数据的结构化知识表示。可以使用FIBO本体访问诸如Twitter之类的社交媒体，以了解其文本包含有关财务概念的知识。预计债券发行人，监管机构，分析师，投资者和学者将对这一过程感兴趣。它也可以扩展到与FIBO本体有关的其他金融领域，例如证券，衍生品，商品和银行业务，并且更一般地，可以通过应用本体来开发非结构化数据的结构化知识表示。