Browse Source

chore: remove annual report knowledge graph generation documentation

zhch158_admin 3 days ago
parent
commit
f5cee6a146
1 changed files with 0 additions and 149 deletions
  1. 0 149
      zhch/annual_report_kg_solution.md

+ 0 - 149
zhch/annual_report_kg_solution.md

@@ -1,149 +0,0 @@
-# 年报PDF知识图谱生成方案
-
-## 1. 系统架构
-
-```
-年报PDF → MinerU → 结构化数据 → 知识图谱
-```
-
-## 2. 处理步骤
-
-### 2.1. 数据提取阶段
-- 使用MinerU工具包处理PDF文件
-- 提取文本、表格、图像等内容
-- 生成结构化的JSON数据
-
-### 2.2. 知识抽取阶段
-- 从结构化数据中提取实体
-- 识别实体间的关系
-- 构建初步的知识图谱
-
-### 2.3. 知识融合阶段
-- 对实体进行聚类和消歧
-- 补充实体属性信息
-- 完善关系网络
-
-## 3. 实体类型定义
-
-### 3.1. 核心实体
-- **公司**: 年报主体公司
-- **章节**: 年报各部分内容
-- **财务指标**: 关键财务数据
-- **业务板块**: 公司主要业务领域
-- **管理层**: 公司高管人员
-- **时间节点**: 年度、季度等时间信息
-
-### 3.2. 辅助实体
-- **表格**: 财务数据表格
-- **图像**: 图表、照片等
-- **公式**: 数学公式和计算方法
-
-## 4. 关系类型定义
-
-### 4.1. 结构关系
-- HAS_SECTION: 公司包含章节
-- HAS_TABLE: 章节包含表格
-- HAS_IMAGE: 章节包含图像
-
-### 4.2. 业务关系
-- BELONGS_TO: 业务板块属于公司
-- REPORTS: 公司报告财务指标
-- MANAGES: 管理层管理公司
-
-## 5. 技术实现
-
-### 5.1. 数据处理流程
-```python
-# 伪代码
-def process_annual_report(pdf_path):
-    # 1. 使用MinerU处理PDF
-    structured_data = mineru.process(pdf_path)
-    
-    # 2. 提取实体和关系
-    entities, relations = extract_knowledge(structured_data)
-    
-    # 3. 构建知识图谱
-    knowledge_graph = build_kg(entities, relations)
-    
-    return knowledge_graph
-```
-
-### 5.2. 实体识别
-- 使用规则匹配识别财务指标
-- 使用命名实体识别识别公司名、人名等
-- 使用模板匹配识别时间信息
-
-### 5.3. 关系抽取
-- 基于位置关系抽取(如表格在某个章节中)
-- 基于语义关系抽取(如"营业收入"属于"财务数据")
-- 基于格式关系抽取(如粗体文字可能是标题)
-
-## 6. 输出格式
-
-### 6.1. 知识图谱JSON格式
-```json
-{
-  "entities": [
-    {
-      "id": "entity_1",
-      "type": "company",
-      "name": "中国黄金",
-      "properties": {
-        "stock_code": "600916",
-        "industry": "有色金属"
-      }
-    }
-  ],
-  "relations": [
-    {
-      "source": "entity_1",
-      "target": "entity_2",
-      "type": "reports",
-      "properties": {
-        "year": "2022",
-        "value": "1000000000"
-      }
-    }
-  ]
-}
-```
-
-### 6.2. 可视化格式
-- 支持Graphviz DOT格式
-- 支持GML格式
-- 支持CSV格式(节点和边分别存储)
-
-## 7. 性能优化
-
-### 7.1. 并行处理
-- 多进程处理不同页面
-- GPU加速模型推理
-
-### 7.2. 缓存机制
-- 缓存已处理的页面结果
-- 增量更新知识图谱
-
-## 8. 部署方案
-
-### 8.1. 本地部署
-- Docker容器化部署
-- 支持Mac、Linux、Windows系统
-
-### 8.2. 云部署
-- 支持阿里云、腾讯云等云平台
-- 支持Kubernetes集群部署
-
-## 9. 扩展功能
-
-### 9.1. 多语言支持
-- 支持中英文年报处理
-- 支持其他语言的适配
-
-### 9.2. 多格式输入
-- 支持PDF、Word、HTML等格式
-- 支持扫描版PDF的OCR处理
-
-### 9.3. 智能分析
-- 自动生成年报摘要
-- 财务数据趋势分析
-- 异常数据检测