任务详情
1.目前有大量的中文文章，需要从中提取出一些结构化信息。数据源：从公开网络抓取的国内政策文章，通常几百到几千字，可能内含doc或pdf附件。要提取的目标信息：城市，行业，标签（具体待定），政策开始/结束时间，申报条件（文字描述），优惠政策（文字描述）2.数据源可以参考这里：https://zcb-admin.xabsk.com里面的政策管理->事务中心目标结构参考这里：https://zhengce.qizhidao.com/project/332564278529753088.html?source=noSeo3.再补充一点信息3.1，目前基础数据量预估在600w左右，其中有效的估计只有不到5%，也就是只需要能给企业申报补助的政策，所以第一步是要洗数据3.2，关于政策的起止时间，结构化以后可能有几种，有明确的年月日、周期性，这个如果纯正则可能搞不定，还得通过语言理解提取的方式3.3，文中的补贴方式和申报条件，是从正文中摘录的一段话，但是需要对段落编号进行重新处理3.4这是一个有效数据的原文http://xakj.xa.gov.cn/zwgk/zcwj/bmwj/1318498398413369345.html处理后的结果是https://appweb.qizhidao.com/project/projectDetail?id=332564278529753088
