BrainwavesMachineLearning:Brainwaves机器学习Hackathon 2019第一名解决方案的源代...

Brainwaves机器学习黑客马拉松2019 Brainwaves机器学习Hackathon 2019中第一名解决方案的源代码。 问题陈述 从ISDA法律文件中提取信息 包含40个子句和约200个字段的ISDA文档将使用机器学习技术为每个文档提取。 整个文档最多包含40个子句，最多包含250个字段，但是对于黑客马拉松，我们正在考虑8个子句，其中包含29个必填字段。 目的是使用机器学习提取这些子句。 方法 机器学习任务 任务：自动从ISDA文档中提取关键条款。 培训数据：从扫描的ISDA pdf文档的OCR获得的XML文档。 输入特征和输出字段：XML文本字符串，ISDA文档的29个子句。 动机：重视人员时间并自动执行子句提取过程。 项目示意图 以下是该架构的示意图： 探索性数据分析 每个子句可以分配一个或多个条目。 手动子句提取过程需要我们仔细研究文档，并且需要大量领域知识。