1. 课程导入

欢迎进入《金融命名实体识别NER实战》。在正式动手写模型之前，我们需要先建立一张清晰的“认知地图”：金融NER到底解决什么问题、它和通用NER有什么本质差异、这门课会带你走完哪些环节、最终会交付一个什么样的实战项目。本章不涉及复杂算法推导，而是帮你把后续29章的知识点挂到一条主线上，避免“学了很多模型，却不知道用在哪”的常见困境。

一、什么是金融NER：从“识别实体”到“理解金融语义”

命名实体识别（Named Entity Recognition，NER）是自然语言处理中的序列标注任务，目标是从非结构化文本中定位并分类具有特定意义的实体片段。通用NER通常关注人名（PER）、地名（LOC）、机构名（ORG）、时间（TIME）等粗粒度类别。而金融NER面向的是金融文本这一高度专业化、强监管、强时效的领域，实体体系更细、边界更模糊、歧义更严重。

例如同一段话：“宁德时代2023年三季度归母净利润同比增长10.5%，中证新能源指数当日上涨2.3%。”通用NER可能只识别出“宁德时代”为机构；而金融NER需要进一步区分：上市公司（宁德时代）、财务指标（归母净利润）、时间区间（2023年三季度）、数值与单位（10.5%）、指数（中证新能源指数）、涨跌幅（2.3%）。这些细粒度标签直接决定了下游任务能否做对。

金融NER的典型实体类别包括但不限于：

• 机构类：上市公司、券商、基金公司、银行、监管机构、交易所。
• 产品类：股票、债券、基金、期货、期权、理财产品、指数。
• 指标类：营收、净利润、ROE、不良率、CPI、GDP、社融。
• 数值类：金额、百分比、比率、评级、期限、价格。
• 时间类：报告期、交易日、公告日、到期日。
• 事件类：并购、增发、分红、违约、评级下调、问询函。

与通用NER相比，金融NER的难点集中在三点：嵌套与重叠（“中证新能源指数”内部含“新能源”）、领域歧义（“苹果”可能是水果也可能是公司）、边界模糊（“同比增长10.5%”中数值与单位是否合并为一个实体）。这些难点会在后续章节逐一拆解。

二、核心原理：NER本质是“给每个字打标签”

无论模型多复杂，NER的底层逻辑始终是序列标注。主流做法采用BIO或BIOES标注体系，把实体边界和类别编码到每个的标签上。以“宁德时代”为例：

B-COMPANY  I-COMPANY  I-COMPANY  I-COMPANY
宁         德         时         代

模型的任务就是学习从字符/词向量到标签序列的映射。传统方法依赖CRF与人工特征，深度学习时代则普遍采用BiLSTM-CRF、BERT-BiLSTM-CRF，以及近年的Span-based、指针网络和基于大模型微调/提示的方案。金融场景下，由于实体边界常与数字、单位、括号、百分号交织，标签体系设计往往比模型选型更关键。

三、方法流程：从原始文本到可用实体

一个完整的金融NER工程链路通常包含以下阶段，本课程会按此顺序展开：

1. 数据获取：公告、研报、新闻、财报、监管问询函等来源采集与清洗。
2. 标签体系设计：确定实体类别、边界规则、嵌套处理策略。
3. 标注与质检：制定标注规范，进行一致性校验（Kappa系数）。
4. 数据预处理：分句、分词、字符归一化、数字与单位处理。
5. 模型构建：基线模型、预训练模型微调、大模型方案对比。
6. 训练与调优：损失函数、学习率、类别不平衡、对抗训练。
7. 评估与错误分析：实体级F1、边界错误、类别混淆分析。
8. 部署与迭代：推理服务、批量抽取、持续回流标注。

下面这张图展示了金融NER从原始文本到结构化实体的核心数据流与关键判断点，帮助你建立整体工程视角：

四、实战项目概览：我们要交付什么

本课程围绕一个贯穿始终的实战项目展开：从中文金融公告与研报中抽取结构化金融实体。项目数据以真实风格的金融文本为主，覆盖上市公司、财务指标、数值、时间、事件等类别。最终交付物包括：

五、常见误区与复盘：新手最容易踩的四个坑

在正式进入技术细节前，先了解金融NER项目中最常见的误区，可以帮你少走弯路：

• 误区一：直接套用通用NER标签体系。通用NER的PER/LOC/ORG无法覆盖财务指标、数值、事件等金融核心实体，导致下游任务无法使用。
• 误区二：忽视标注规范，边标边改。标注过程中频繁修改边界规则，会导致前后标注不一致，模型学到矛盾信号，F1虚高但实际不可用。
• 误区三：只看级准确率。NER必须看实体级F1。一个实体只要边界错一个字，级准确率可能仍然很高，但实体完全错误。
• 误区四：过早追求大模型。在标签体系未稳定、数据质量未验证之前，直接上大模型微调，往往只是把错误放大，且成本高昂。

本章建立了金融NER的整体认知：它是什么、难在哪、工程链路如何、项目交付什么、常见坑有哪些。接下来，我们将从金融文本的语言特点与实体体系开始，逐步进入数据、标注、模型与部署的完整实战。