aifinlab 事件抽取 Skill
数据来源
本 Skill 支持多种金融文本数据输入格式，核心数据来源包括：
1. 金融文档类型
- 公告文档：上市公司公告、重大事项公告
- 新闻文档：财经新闻、行业新闻、公司新闻
- 报告文档：研究报告、分析报告、风险报告
- 监管文档：监管公告、处罚决定、问询函
2. 文本数据格式
- 纯文本格式：.txt 文件，UTF-8编码
- 结构化文档：PDF、Word、Excel文档（需预处理为文本）
- HTML网页：财经网站页面内容
- 数据库文本字段：从数据库直接读取的文本内容
3. 事件类型
- 风险事件：违约事件、担保代偿、资产查封
- 市场事件：股价异常波动、停复牌、退市风险
- 监管事件：行政处罚、监管措施、问询函
- 公司事件：并购重组、股权变更、重大投资
4. 数据格式要求
- 文件路径：本地文件路径或网络文件URL
- 文件编码：UTF-8、GBK、GB2312等
- 数据完整性：需要包含完整的事件相关信息
说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的文本数据。建议文档包含完整的事件描述，以便进行准确的事件抽取。
功能
本 Skill 提供全面的事件抽取能力，涵盖多种抽取功能：
1. 事件类型识别
- 风险事件识别：识别各类风险事件
- 市场事件识别：识别市场相关事件
- 监管事件识别：识别监管相关事件
- 公司事件识别：识别公司经营事件
2. 事件要素抽取
- 事件主体：抽取事件涉及的主体
- 事件时间：抽取事件发生的时间
- 事件地点：抽取事件发生的地点
- 事件描述：抽取事件的详细描述
3. 事件属性抽取
- 事件类型：识别事件的类型和类别
- 事件严重程度：评估事件的严重程度
- 事件影响范围：评估事件的影响范围
- 事件状态：识别事件的状态和进展
4. 事件关系抽取
- 事件关联：识别相关事件之间的关联
- 事件序列：识别事件的时间序列关系
- 事件因果：识别事件之间的因果关系
- 事件影响：识别事件的影响和后果
5. 实体关联
- 事件实体关联：关联事件和相关实体
- 实体事件关联：关联实体和相关事件
- 关系网络构建：构建事件关系网络
- 实体事件时间线：生成实体的事件时间线
6. 高级处理功能
- 事件去重：识别和合并相似事件
- 事件分类：对事件进行分类和标签化
- 事件摘要：生成事件摘要
- 事件预警：基于事件进行风险预警
使用示例
输出示例
{
"source_info": {
"document_id": "DOC001",
"document_type": "announcement",
"source_file": "announcement.pdf",
"publish_date": "2024-03-15"
},
"events": [
{
"event_id": "EVT001",
"event_type": "risk_event",
"event_subtype": "default",
"event_description": "公司发生债务违约事件",
"timestamp": "2024-03-10",
"time_expression": "2024年3月10日",
"confidence": 0.95,
"severity": "high",
"entities": [
{"type": "company", "name": "示例公司", "role": "subject"},
{"type": "amount", "value": 50000000, "currency": "CNY"}
],
"location": null,
"status": "ongoing",
"impact": {
"scope": "company",
"description": "可能影响公司信用评级和融资能力"
}
},
{
"event_id": "EVT002",
"event_type": "regulatory_event",
"event_subtype": "penalty",
"event_description": "收到监管部门的行政处罚",
"timestamp": "2024-03-12",
"time_expression": "2024年3月12日",
"confidence": 0.92,
"severity": "medium",
"entities": [
{"type": "company", "name": "示例公司", "role": "subject"},
{"type": "organization", "name": "证监会", "role": "regulator"}
],
"location": null,
"status": "completed",
"impact": {
"scope": "company",
"description": "可能影响公司声誉和合规评级"
}
}
],
"event_relations": [
{
"source_event": "EVT001",
"target_event": "EVT002",
"relation_type": "related",
"description": "债务违约可能导致监管关注"
}
],
"statistics": {
"total_events": 2,
"event_types": ["risk_event", "regulatory_event"],
"high_severity_count": 1,
"medium_severity_count": 1
}
}
注意事项与限制
1. 数据质量要求
- 文档需要包含事件相关信息
- 事件描述需要清晰明确
- 时间信息需要准确
2. 事件识别准确性
- 明确描述的事件识别准确率较高
- 隐含事件可能需要上下文分析
- 复杂事件可能需要人工分析
3. 事件类型分类
- 标准事件类型识别准确率较高
- 非标准事件可能需要人工分类
- 事件类型边界可能模糊
4. 事件关系分析
- 明确的关系识别准确率较高
- 复杂关系可能需要人工分析
- 因果关系需要上下文支持
5. 使用限制
- 本 Skill 不包含事件分析功能
- 抽取结果需要人工复核
- 复杂事件可能需要人工分析
参考资料
- 见 references/ 目录中的相关文档，包括：
- 事件抽取方法手册
- 事件类型分类体系
- 事件关系分析指南
- 性能优化指南