aifinlab 时间线抽取 Skill
数据来源
本 Skill 支持多种文档数据输入格式，核心数据来源包括：
1. 文档类型
- 案件文档：法律案件文档、诉讼文档、仲裁文档
- 项目文档：项目计划、项目报告、项目总结
- 事件文档：事件报告、事故报告、新闻报告
- 历史文档：历史记录、档案文档、日志文档
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：网页内容
- 数据库文本字段：从数据库直接读取的文本内容
3. 时间信息类型
- 明确日期：具体日期、时间点
- 相对时间：相对时间表达、时间段
- 时间序列：连续的时间事件序列
- 时间关系：事件之间的时间关系
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：需要包含完整的时间相关信息
说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的文档数据。建议文档包含完整的时间信息，以便进行准确的时间线抽取。
功能
本 Skill 提供全面的时间线抽取能力，涵盖多种抽取功能：
1. 时间实体识别
- 日期识别：识别文档中的日期和时间
- 时间表达式识别：识别时间表达式和相对时间
- 时间段识别：识别时间段和持续时间
- 时间频率识别：识别时间频率和周期
2. 事件识别
- 事件提取：提取文档中的事件描述
- 事件类型识别：识别事件的类型和类别
- 事件描述提取：提取事件的详细描述
- 事件关键词提取：提取事件的关键词
3. 时间线构建
- 时间点排序：按时间顺序排序事件
- 时间线生成：生成完整的时间线
- 时间线可视化：生成时间线的可视化表示
- 时间线分段：按时间段分段时间线
4. 时间关系分析
- 因果关系识别：识别事件之间的因果关系
- 时间顺序关系：识别事件的时间顺序关系
- 时间间隔分析：分析事件之间的时间间隔
- 时间模式识别：识别时间模式和规律
5. 实体关联
- 事件实体关联：关联事件和相关实体
- 时间实体关联：关联时间和相关实体
- 关系网络构建：构建事件关系网络
- 实体时间线：生成实体的时间线
6. 高级处理功能
- 时间线合并：合并多个文档的时间线
- 时间线对比：对比不同时间线
- 时间线摘要：生成时间线摘要
- 时间线查询：支持时间线查询和检索
使用示例
输出示例
{
"source_info": {
"document_id": "DOC001",
"document_type": "legal_case",
"source_file": "case_document.pdf"
},
"timeline": {
"events": [
{
"event_id": "EVT001",
"event_type": "case_filing",
"event_description": "案件立案",
"timestamp": "2024-01-15",
"time_expression": "2024年1月15日",
"confidence": 0.95,
"entities": [
{"type": "person", "name": "张三"},
{"type": "organization", "name": "法院A"}
],
"location": "法院A"
},
{
"event_id": "EVT002",
"event_type": "hearing",
"event_description": "开庭审理",
"timestamp": "2024-03-20",
"time_expression": "2024年3月20日",
"confidence": 0.92,
"entities": [
{"type": "person", "name": "李四"},
{"type": "organization", "name": "法院A"}
],
"location": "法院A"
},
{
"event_id": "EVT003",
"event_type": "judgment",
"event_description": "判决结果",
"timestamp": "2024-05-10",
"time_expression": "2024年5月10日",
"confidence": 0.98,
"entities": [
{"type": "organization", "name": "法院A"}
],
"location": "法院A"
}
],
"time_span": {
"start": "2024-01-15",
"end": "2024-05-10",
"duration_days": 116
}
},
"time_relations": [
{
"source_event": "EVT001",
"target_event": "EVT002",
"relation_type": "before",
"time_interval": 65
},
{
"source_event": "EVT002",
"target_event": "EVT003",
"relation_type": "before",
"time_interval": 51
}
],
"statistics": {
"total_events": 3,
"event_types": ["case_filing", "hearing", "judgment"],
"time_span_days": 116
}
}
注意事项与限制
1. 数据质量要求
- 文档需要包含时间相关信息
- 时间表达需要清晰明确
- 事件描述需要完整
2. 时间识别准确性
- 标准日期格式识别准确率较高
- 相对时间表达可能影响识别
- 模糊时间表达可能无法准确识别
3. 事件抽取准确性
- 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
4. 时间关系分析
- 明确的时间关系识别准确率较高
- 复杂时间关系可能需要人工分析
- 时间因果关系需要上下文支持
5. 使用限制
- 本 Skill 不包含时间线编辑功能
- 抽取结果需要人工复核
- 复杂时间线可能需要人工构建
参考资料
- 见 references/ 目录中的相关文档，包括：
- 时间线抽取方法手册
- 时间实体识别算法说明
- 事件抽取指南
- 性能优化指南