SMP 2023 ChatGLM 金融大模型挑战赛 60 分 Baseline 思路

队伍: 小打小闹

数据提取整体过程

PDF 表格识别结果对比

自研PDF表格识别逻辑

主要步骤:

1. 定位表格区域
2. 识别单元格
3. 跨页表格合并

识别单元格并生成表格算法伪代码

基于有限状态机的数据提取

资产负债表示意图 (三大表之一) 数据入库

主要内容:

• 公司基本信息
• 资产负债表
• 现金流量表
• 利润表
• 公司员工信息

公司全称与简称及代码对照

信息从表格转为文本描述

公司员工信息

文本描述示例: 安靠智电

安靠智电（股票代码：300617）在2019年共有642名职工，其中74人是研发人员，研发人员占比11.53%。该公司有10名硕士学历以上学历的员工，但没有博士学历的员工。

整体推理流程

⚠️ 不要相信大模型的数学能力

改进前

改进后

直接帮他算好。

安记食品2019年营业利润为49072627.15元, 2019年营业收入为421296738.60元。根据公式:

[ \text{营业利润率} = \frac{\text{营业利润}}{\text{营业收入}} \times 100 ]

得出结果安记食品2019年营业利润率为11.65%。

⚠️ 不要相信大模型的推理能力

建议 剔除冗余信息，否则可能无法得到正确答案。

"""