2. 金融文本特点

在通用领域，命名实体识别通常围绕人名、地名、机构名展开，边界相对清晰。但金融文本是一个高度专业化、强格式约束、又夹杂自然语言表达的混合语料场。同一篇文本中，可能同时出现法律条款式的严谨表述、分析师的主观判断、新闻记者的叙事节奏，以及财报表格中的结构化数字。理解这些文本的语言风格、术语密度与实体嵌套规律，是设计金融 NER 标注体系与模型方案的前置条件。

一、四类金融文本的语言风格差异

金融公告、研报、新闻、财报虽然都属于金融语域，但它们的写作目的不同，导致句法结构、实体分布和歧义来源差异显著。公告追求法律效力，句式长、限定多；研报追求观点输出，实体与评级、目标价高度绑定；新闻追求可读性，实体常以简称、代称出现；财报追求数据准确，实体多隐藏在表格与附注中。

从工程角度看，这四类文本不应共用一套完全相同的标注规范。公告中的“本公司”需要回指到具体上市主体，研报中的“公司”往往指前文提到的标的，新闻中的“该行”可能指银行也可能指分行。若标注规范不区分文本类型，模型会把指代消解与实体识别混为一谈，导致边界和类型双重错误。

二、术语密度：金融 NER 的第一道门槛

金融文本的术语密度远高于通用新闻。以一段典型的研报摘要为例，短短两句话中可能密集出现“归母净利润”“扣非ROE”“市盈率TTM”“一致预期”“上调评级”等专业表达。这些术语本身不一定是实体，但它们决定了实体的上下文分布。例如，“归母净利润”后面紧跟的数值通常属于财务指标实体，而“上调评级”后面紧跟的“买入”“增持”属于评级实体。

因此，在标注体系设计时，建议把“术语词典”与“实体类型”分开管理。术语词典用于特征增强和规则召回，实体类型用于最终输出。二者混用会让标注员把术语本身标成实体，造成类型体系膨胀。

三、实体嵌套：金融文本最典型的复杂现象

实体嵌套是指一个实体内部包含另一个实体，或两个实体在字符区间上存在包含关系。金融文本中嵌套现象极为普遍，原因在于金融主体本身具有层级结构：集团包含子公司，子公司包含分支机构，产品包含标的资产，指数包含成分股。

例如：“中国平安旗下平安银行发布2024年第一季度报告”。这里“中国平安”是机构实体，“平安银行”也是机构实体，二者在语义上是母子关系，但在字符区间上并不重叠。真正典型的嵌套是：“沪深300指数中贵州茅台权重上调”。其中“沪深300指数”是指数实体，“贵州茅台”是成分股实体，二者是整体与部分的关系，标注时若采用扁平体系，容易把“沪深300指数中贵州茅台”误标为一个长实体。

嵌套现象对标注体系提出两个选择：一是采用扁平标注，只标最外层或最内层实体；二是采用层级标注，允许实体重叠。金融场景通常建议采用层级标注，因为集团与子公司、指数与成分股、事件与参与方都是业务上必须保留的信息。若强行扁平化，下游应用在做股权穿透或事件抽取时会丢失关键层级。

四、案例复盘：一段公告中的实体与误区

以下面这段公告文本为例：

证券代码：601318  证券简称：中国平安
公告编号：临2024-015
中国平安保险（集团）股份有限公司关于控股子公司平安银行
2024年第一季度报告披露的提示性公告
本公司董事会及全体董事保证本公告内容不存在任何虚假记载。

这段文本中至少包含以下实体与嵌套关系：

• 证券代码实体：601318
• 证券简称实体：中国平安
• 公司全称实体：中国平安保险（集团）股份有限公司
• 子公司实体：平安银行
• 时间实体：2024年第一季度
• 公告编号实体：临2024-015

正确的做法是：先按实体类型分层标注，再单独维护同指链。机构全称与简称、代码与简称之间应建立别名关系，而不是在实体识别阶段强行合并。这样既能保证 NER 输出的边界清晰，又能为后续的实体链接和事件抽取保留完整信息。