随着国家经济活力的进一步增强,上市公司总数不断增多,金融公告数据分析的难度进一步加大。为了更快速、准确地为风投公司、资金托管机构提供分析数据,金融公告分类与抽取平台使用了大数据加自然语言处理技术,使得每天全国上万家上市公司的公告都能即时得到分析处理。为了提高公告的分类以及抽取准确性,系统中使用二级改进文本抽取方法,先分类出含有属性值的文本行或段(潜在标签),再进行属性值抽取,大大提高了数据平台的核心竞争力。本文首先阐述了项目背景、相关产品的国内外现状以及关键技术与理论,对整个系统进行了功能性和非功能性需求分析。根据需求分析进行了系统的整体架构设计、划分各个模块的主要功能点与数据库设计,然后着重对系统进行了详细设计与实现。笔者完整参与了整个研发过程,独自完成了公告分类模块、公告标注模块、公告属性值抽取模块的主要开发工作,并参与了朴素贝叶斯、潜在标签分类、NER命名实体识别算法的调研与实现工作。在基本需求完成的基础上,笔者针对不同的分词方法、文本分类模型进行了大量的对比实验,开发了分词、数据预处理、调参模块对模型进行了性能优化;并通过语法规则、正则表达式、NER命名实体识别相组合的实验方法提高了系统的文本抽取准确率;对公告的标注与评估等功能进行了可视化处理,提升了系统中模型训练数据的数量和质量;加入了角色和权限模块,实现了对用户的统一管理;入库系统各个模块日志信息,实现了对模型各项指标的统一监控。最后对整个系统进行了功能测试、压力测试等,保证了系统稳定正常运行。目前该系统已经上线运作,针对重要公告类别的抽取准确率和召回率均能达到80%以上,每天对大量的金融公告进行智能结构化处理,抽取出关键信息入库,覆盖全维度的金融市场相关信息。用户可通过该系统使用金融信息查询、债券违约预警、信贷风险监控等功能,为个人和投资机构提供了重要参考。