1. 课程导入
在金融信息处理领域，每天产生的公告、研报、新闻、监管文件与社交媒体文本数量极其庞大。人工阅读并整理“谁与谁发生了什么关系、发生了什么事件、事件涉及哪些主体与金额”几乎不可能规模化完成。本课程要解决的核心问题，就是让机器从非结构化金融文本中自动识别实体、关系与事件，并进一步构建可计算、可查询、可推理的事件三元组。本章作为导入，先建立全局认知：学什么、为什么学、怎么学、学完能做什么。
一、学习目标：从“看懂文本”到“产出结构化知识”
本课程不是单纯讲理论，而是围绕可落地的工程能力展开。完成学习后，你应当能够独立完成以下任务：
- 目标1：理解金融领域的关系抽取任务边界。能区分实体识别、关系分类、事件抽取与三元组构建之间的层次关系，明确各自输入输出。
- 目标2：掌握事件三元组的表示方法。能够把“公司A收购公司B 60%股权，交易金额12亿元”这类句子，规范化为可存储、可检索的结构化形式。
- 目标3：搭建基础抽取流程。能够使用规则、词典、预训练模型或大模型提示工程中的至少一种方法，完成从原始文本到候选三元组的转换。
- 目标4：具备评估与复盘能力。能够计算准确率、召回率、F1，并定位漏抽、错抽、关系方向错误等常见问题。
- 目标5：形成金融知识图谱意识。理解三元组如何进入图数据库、如何支撑风控、投研、合规与舆情监控等下游应用。
一句话概括学习目标：把金融文本中的“主体—关系—客体”和“事件—参与角色—时间—金额”变成机器可计算的结构化事实。
二、核心概念：实体、关系、事件与三元组
金融关系抽取与事件三元组构建涉及四个基础概念，它们层层递进，构成课程的知识骨架。
| 概念 | 定义 | 金融示例 | 输出形式 |
|---|---|---|---|
| 实体 | 文本中具有特定意义的对象，如公司、人物、机构、产品、金额、日期 | “宁德时代”“曾毓群”“深交所”“2024年3月” | 实体提及 + 类型标签 |
| 关系 | 两个实体之间存在的语义联系 | “宁德时代”与“曾毓群”之间存在“高管任职”关系 | 关系三元组（头实体，关系，尾实体） |
| 事件 | 在特定时间、地点发生的、涉及多个参与者的动作或状态变化 | “某公司发布2024年第一季度财报，净利润同比增长20%” | 事件类型 + 论元角色 |
| 事件三元组 | 将事件核心要素压缩为“主体—事件谓词—客体/数值”的结构化表达 | （某公司，净利润同比增长，20%） | 可存储、可查询的三元组 |
需要特别注意的是，关系抽取通常处理静态或半静态的关联，如“持股”“任职”“供应商”；而事件抽取更强调动态发生，如“并购”“违约”“分红”“高管变动”。事件三元组可以看作关系三元组在时间维度和事件语义上的扩展。
三、整体框架：从原始文本到知识三元组
本课程的整体技术框架可以概括为“五层流水线”。理解这条流水线，有助于你在后续章节中定位每个模块的位置与作用。
这条流水线中，第2层与第3层是关系抽取的主战场，第4层是事件抽取的核心，第5层则决定抽取结果能否真正被下游系统消费。后续章节将逐层展开，并在每一层配套可运行的代码与评估方法。
四、实战价值：三元组如何驱动金融业务
学习本课程的价值，最终体现在业务场景中。以下四类场景最能体现事件三元组的直接作用：
- 投研知识库构建。将海量研报与公告中的“公司—产品—产能—客户”关系自动抽取，形成可检索的产业链图谱，研究员无需逐篇阅读即可定位关键事实。
- 风险传导分析。当某公司发生“债务违约”事件时，系统可沿“担保”“持股”“供应链”关系快速定位受影响主体，辅助风控决策。
- 合规与监管科技。自动识别“关联交易”“内幕信息”“高管变动”等事件三元组，提升信息披露审查效率。
- 舆情监控与预警。从新闻与社交媒体中实时抽取“负面事件—主体—时间”，构建预警信号。
学习建议：每学完一个抽取模块，都尝试用同一段金融文本做端到端验证。例如选取一份上市公司公告，先标实体，再标关系，最后构建事件三元组。这样能快速发现“实体边界错误导致关系方向错误”这类连锁问题。
五、常见误区与复盘要点
初学者在金融关系抽取与事件三元组构建中，最容易陷入以下误区：
- 误区1：把关系抽取等同于事件抽取。关系通常是静态关联，事件强调动态发生。混为一谈会导致 schema 设计混乱。
- 误区2：忽视实体边界与类型。“中国银行”与“中国银行保险监督管理委员会”若未正确区分，关系方向会完全错误。
- 误区3：只追求模型复杂度，忽视数据规范。金融文本中大量缩写、别名、历史名称，若不建立实体对齐表，再强的模型也会输出矛盾三元组。
- 误区4：不做评估就上线。没有准确率、召回率与错误分析，无法判断系统是否可用。
- 误区5：忽略时间维度。“持股比例”会随时间变化，三元组若不携带时间戳，知识会迅速过期。
复盘提醒：金融领域对事实准确性要求极高。一个错误的三元组可能导致错误的投资判断或合规结论。因此，本课程始终强调“可追溯、可验证、可评估”，而不是单纯追求抽取数量。
六、本章小结与学习准备
本章建立了课程的整体认知：学习目标是产出结构化金融知识；核心概念是实体、关系、事件与三元组；整体框架是五层流水线；实战价值体现在投研、风控、合规与舆情四大场景。接下来，你需要准备以下环境与心态：
# 建议环境准备清单
Python 3.10+
PyTorch 或 Transformers 库
中文预训练模型（如 BERT-base-chinese）
图数据库（Neo4j 或 NebulaGraph，可选）
标注工具（Label Studio 或 doccano）
评估脚本与金融领域词典