aifinlab/metric-field-extraction

指标字段抽取 Skill

数据来源

本 Skill 支持多种报表数据输入格式，核心数据来源包括：

1. 报表类型

• 业务报表：业务数据报表、运营报表
• 财务报表：财务报表、管理报表
• 统计报表：统计数据报表、分析报表
• 自定义报表：用户自定义格式报表

2. 文档格式

• PDF格式：PDF格式的报表
• Word格式：Word格式的报表
• Excel格式：Excel格式的报表
• HTML格式：网页格式的报表

3. 数据格式要求

• 文件路径：本地文件路径或网络文件URL
• 文件编码：UTF-8、GBK、GB2312等
• 文件权限：需要读取权限

4. 指标类型

• 数值指标：金额、数量、比例等数值指标
• 文本指标：状态、描述等文本指标
• 时间指标：日期、时间等时间指标
• 分类指标：类别、类型等分类指标

说明：本 Skill 不包含数据采集功能，需要用户提供报表文件。建议报表格式规范，以便进行准确的指标抽取。

---

功能

本 Skill 提供全面的指标字段抽取能力，涵盖多种抽取功能：

1. 指标识别

• 指标名称识别：识别报表中的指标名称
• 指标类型识别：识别指标的类型和类别
• 指标位置定位：定位指标在报表中的位置
• 指标关联识别：识别指标之间的关联关系

2. 指标值抽取

• 数值抽取：抽取指标的数值
• 文本抽取：抽取指标的文本值
• 时间抽取：抽取指标的时间值
• 单位识别：识别指标的单位

3. 指标标准化

• 指标名称标准化：标准化指标名称
• 指标格式标准化：标准化指标格式
• 指标单位标准化：标准化指标单位
• 指标值标准化：标准化指标值

4. 指标验证

• 指标完整性验证：验证指标的完整性
• 指标准确性验证：验证指标的准确性
• 指标一致性验证：验证指标的一致性
• 指标关联性验证：验证指标之间的关联性

5. 指标分类

• 指标分类：对指标进行分类
• 指标标签：为指标添加标签
• 指标层级：建立指标的层级关系
• 指标分组：对指标进行分组

6. 高级处理功能

• 指标映射：映射不同报表格式的指标
• 指标补全：补全缺失的指标
• 指标计算：计算衍生指标
• 指标报告：生成指标抽取报告

---

使用示例

输出示例

{
  "source_info": {
    "document_id": "DOC001",
    "document_type": "business_report",
    "report_period": "2024-Q1",
    "source_file": "business_report.pdf"
  },
  "metrics": [
    {
      "metric_id": "MET001",
      "metric_name": "营业收入",
      "standard_name": "revenue",
      "metric_type": "amount",
      "value": 1000000000,
      "unit": "CNY",
      "period": "2024-Q1",
      "confidence": 0.98,
      "position": {
        "page": 3,
        "row": 5,
        "column": 2
      },
      "category": "financial",
      "tags": ["收入", "财务"],
      "related_metrics": ["MET002", "MET003"]
    },
    {
      "metric_id": "MET002",
      "metric_name": "同比增长率",
      "standard_name": "yoy_growth_rate",
      "metric_type": "percentage",
      "value": 15.5,
      "unit": "%",
      "period": "2024-Q1",
      "confidence": 0.95,
      "position": {
        "page": 3,
        "row": 5,
        "column": 3
      },
      "category": "growth",
      "tags": ["增长率", "同比"],
      "related_metrics": ["MET001"]
    }
  ],
  "statistics": {
    "total_metrics": 50,
    "extracted_metrics": 48,
    "missing_metrics": 2,
    "average_confidence": 0.96
  }
}

---

注意事项与限制

1. 报表格式要求

• 标准格式报表抽取准确率较高
• 非标准格式可能影响抽取
• 扫描版报表需要OCR支持

2. 指标识别准确性

• 标准指标名称识别准确率较高
• 非标准指标名称可能需要映射
• 复杂指标可能需要人工处理

3. 数值提取准确性

• 清晰标注的数值提取准确率较高
• 需要估算的数值可能不够准确
• 单位转换需要正确处理

4. 指标完整性

• 标准报表指标完整性较好
• 非标准报表可能缺失指标
• 指标补全可能需要人工处理

5. 使用限制

• 本 Skill 不包含报表编辑功能
• 抽取结果需要人工复核
• 复杂报表可能需要人工处理

---

参考资料

• 见 references/ 目录中的相关文档，包括：
  • 指标字段抽取方法手册
  • 指标标准体系
  • 指标映射规则指南
  • 性能优化指南