从文本中提取人物、事物、概念等知识三元组，帮助构建和整合结构…

# 券商研报知识图谱构建方案

一、明确三元组 Schema（先定义实体与关系类型）

实体类型：

• 公司（车企、电池厂、零部件商、材料商、芯片商）
• 技术路线（如磷酸铁锂、三元锂、钠离子、固态电池、800V平台、CTP/CTC、换电）
• 产品（车型、电池型号、电芯产品）
• 供应链环节（上游材料/中游制造/下游整车）

关系类型（谓词）：

• （公司，生产，产品）
• （公司，采用/布局，技术路线）
• （公司，供应，公司）——供应链上下游
• （公司，参股/合资，公司）
• （技术路线，依赖于/替代，技术路线）
• （公司，竞争关系，公司）

二、信息抽取流程

1. 预处理：将30份PDF转文本，按研报拆分、去页眉页脚噪音

2. 规则+模型混合抽取：

• 公司名/产品名：用NER模型（或正则+词典，行业词典可自建）识别
• 供应链关系：重点解析“供应商”“客户”“配套”“供货”“参股”“定点”等触发词所在句子
• 技术路线：识别“搭载”“采用”“研发”“布局”等动词与技术名词的搭配

3. 消歧：区分集团与子公司（如“宁德时代”vs“时代上汽”），统一公司简称（建立别名映射表）

4. 去重与冲突处理：不同研报结论矛盾时，保留出处标注，标记为“待核实”

三、质量保障

• 每条三元组附带溯源字段：来源研报文件名、页码/章节、发布日期、券商名
• 置信度分级：研报正文明确表述>分析师推测>引用媒体信息
• 人工抽检10%-20%的三元组，重点核对供应链关系（易混淆“意向合作”与“已定点”）

四、存储与可视化

• 存储：轻量级用NetworkX（Python）+CSV；正式落地推荐Neo4j或NebulaGraph，属性图模型
• 可视化分析：Neo4j Browser或Gephi查看供应链网络、识别核心节点（如某电池厂的一度供应商数量）
• 典型查询示例：查找“某车型—整车厂—电池供应商—正极材料商”的完整链条

五、输出物清单

1. triples.csv（头实体、关系、尾实体、来源、置信度、日期）

2. 实体别名表

3. 图谱数据库导入脚本

4. 可视化截图/交互界面

如需，我可以先给你一套可运行的抽取代码框架和实体词典模板。