一、引言 在当今快速变化的证券市场中，信息的价值不言而喻。作为一名资深项目经理，我曾领导一个关键项目，旨在通过先进的信息抽取技术，从海量的文本数据中提取关键事件，如企业并购、新产品发布以及政策环境的变动。这些事件对于投资决策至关重要，因为它们直接影响市场动态和投资者的策略。我们的项目通过自然语言处理（NLP）和机器学习算法，能够自动识别和分类这些事件，为投资策略提供实时、准确的数据支持。这

项目地址：使用PaddleNLP UIE模型抽取PDF版上市公司公告 - 飞桨AI Studio星河社区 (baidu.com) 背景介绍 本项目将演示如何通过PDFPlumber库和PaddleNLP UIE模型，抽取公告中的相关信息。本次任务的PDF内容是破产清算的相关公告，目标是获取受理时间，受理法院，相关公司等内容，作为市场分析的关键数据。 公告示例 证券代码：000033

Prompt learning系列之信息抽取模型UIE：https://mp.weixin.qq.com/s/0lNUlUF_x95mED5B9iBpGg作者解读：https://www.bilibili.com/video/BV19g411Z7rZ/?spm_id_from=autoNextbilibili解读：https://www.bilibili.com/video/BV1LW4y1U7c

UIE核心思想 统一输入提示结果，统一输出解码结构，即统一了不同任务 参考文章 论文： https://arxiv.org/pdf/2203.12277.pdf DuUIE: PyTorch:https://github.com/universal-ie/UIE PaddlePaddle:https://github.com/PaddlePaddle/PaddleNLP/tree/de

数据准备 说明：UIE是基于Prompt的通用信息抽取框架，本文为个人学习UIE代码的笔记，学的过程中简单翻译了一下数据准备部分readme（顺序按实际处理过程有所调整），自己添加的说明都在引用格式里。 论文：Unified Structure Generation for Universal Information Extraction。 源代码：https://github.com/uni

技巧： 六月三十号补充，uie处理3000字的政策文件要占用12G左右的内存，uie处理一万字的文件时运行巅峰要占用28G左右内存，各位部署时，注意out of memory的错误，对应万字的超长文本目前只有加内存的解决方案。 六月二十七号补充，uie的schema定义时尽量一个schema的长度低于7个字，不然有很大概率，模型识别的效果很差，如图：“执行标准”有一个比较好的抽取效果，“文件执

文章目录 一、使用RocketQA搭建端到端的问答系统1.1 问答系统介绍1.2 RocketQA1.2.1 检索式QA VS预训练时代QA1.2.2 RocketQA简介 1.3 使用RocketQA搭建问答系统1.3.1 安装1.3.2 使用预置模型完成预测1.3.3 搭建问答系统1.3.3.1 使用Faiss搭建自己的问答系统1.3.3.2 使用Jina搭建自己的问答系统（更简单）1.