发帖
雷达卡
我们可以通过东方财富、万得等获取全市场每一位基金经理的简历，然后通过模型抽取每一份简历中的关键要素。
例如有如下一段基金经理的简介：上海东方证券资产管理有限公司执行董事、公募权益投资部投资经理，北京大学经济学博士，证券从业12年，曾任东方证券研究所宏观策略高级研究员，东方证券资产管理业务总部首席策略师、上海东方证券资产管理有限公司研究部宏观策略研究员、私募权益投资部投资主办人、公募集合权益投资部投资经理。2021年1月起担任东方红多元策略混合型证券投资基金基金经理。
我们希望提取出该段文字中的关键信息，返回如下结果：
1、公司：上海东方证券资产管理有限公司，东方证券
2、部门：公募权益投资部、研究所、私募权益投资部
3、职位：执行董事、投资经理、研究员
4、院校：北京大学
5、专业：经济学
6、学历：博士
将全市场基金经理的信息抽取并汇总，得到基金经理毕业院校、专业、供职公司、部门的汇总统计结果。
二、运行环境和计算框架
飞浆paddle中的通用信息提取（UIE）模块、doccano文本标注工具、CUDA+cuDNN计算框架
限于篇幅字数限制，详细实现步骤请关注本人公众号
三、分析步骤
1、对doccano标注的数据集进行序列化处理
python doccano.py --doccano_file ./data/doccano_ext.jsonl --task_type ext --save_dir ./data --splits 0.8 0.2 0
注：doccano_ext.jsonl 由doccano的Sequence Labeling任务实现
2、对模型进行单卡微调
python finetune.py --train_path ./data/train.txt --dev_path ./data/dev.txt --save_dir ./checkpoint --learning_rate 1e-5 --batch_size 16 --max_seq_len 64 --num_epochs 30 --model uie-base --seed 1000 --logging_steps 10 --valid_steps 100 --device gpu
注：需要使用gpu进行调优，调优后的最佳模型存放在checkpoint目录中，可供后续调用
3、在验证集上验证模型性能
schema python evaluate.py --model_path ./checkpoint/model_best --test_path ./data/dev.txt --debug
三、分析结果1、基金经理毕业院校TOP50
2、基金经理学历统计
3、基金经理所学专业TOP50及各专业大类占比
- 专业统计
- 专业大类统计
其中专业大类按照我国13个学科门类分类（哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学、艺术学）。可以看出基金经理们大多数都是经济、管理类专业出身，也有部分是理工类专业出身。
4、基金经理供职公司、部门、职位统计
在此需要说明，基金公司供职公司、部门、职位既包括现任单位，也包括曾经供职过的单位
- 基金经理供职单位（含曾经供职单位）统计
- 基金经理供职过部门（含曾经供职部门）
- 基金经理从事职位（含曾经从事的工作）
京公网安备 11010802022788号
