- 核心关注： 抓取知网（CNKI）近五年的文献。
- 方法： 用 CiteSpace 生成关键词共现图、突现词图表。
- 任务： 梳理 NLP 技术在金融领域从“统计模型”到“生成式AI”的演进脉络。
- 核心关注： 对比国内外关于农业大数据、农业政策的 NLP 挖掘现状。
- 方法： CiteSpace 可视化分析。
- 任务： 找出国内在农业金融标准化方面的研究空白。
- 核心关注： 对大量非结构化文本（如央行报告、研报）进行“无监督”聚类。
- 方法： 使用 Orange 的 Text Mining 插件（无需编程）或 Python。
- 任务： 自动识别出不同年份金融政策的核心关注点（如从“去杠杆”到“数字经济”）。
- 核心关注： 挖掘用户最想要什么。
- 方法： Orange 进行情感分析 + 手工或模型结合 Kano 模型（基本型、期望型、魅力型需求）。
- 任务： 针对某金融APP的用户评论，识别出哪些功能是“刚需”，哪些是“鸡肋”。
- 核心关注： 如何从文本中精准抠出“金融指标”、“机构名”、“特定农产品”。
- 方法： 调研 BERT-BiLSTM-CRF 等主流算法流程，或利用 Python (HanLP/LTP)。
- 任务： 设计一个能识别复杂金融术语的 NLP 预处理系统。
- 核心关注： 实体与实体之间的“关系”。
- 方法： 逻辑设计（如从财报提取“母子公司”关系），使用 Neo4j 或简单的三元组表示。
- 任务： 设计一套从非结构化公告中提取“产业链上下游关系”的技术方案。
Sponsor
About
35/F,Tencent Building,Kejizhongyi Avenue,Nanshan District,Shenzhen
