金融文本处理中，同一指标常因口径不同而不可比：归母净利润与净利润、单季与累计、调整前与调整后。实验室近期做了一组小规模实验：面向上市公司定期报告与卖方研报，搭建“表格结构识别—指标本体映射—口径标注”的三段式流程，先把数字抽出来，再判断它属于哪个口径、覆盖哪个报告期。
要点：
- 进展：在约300份年报与研报样本上，财务指标字段抽取准确率约92%；口径误判集中在“同比/环比”与“调整后”两类表述，引入口径规则库后误判下降约三成。
- 下一步：将口径判断由规则逐步过渡到模型，并接入公告事件时间轴，验证指标修正后的自动回溯更新能力。
现阶段结论是：金融场景的抽取难点不在数字识别，而在语义口径与时间归属。实验室后续将以可审计、可追溯为约束继续推进实验。
评论