通过财务报告的混合摘要增强商业分析

财务报告和收益通讯包含大量结构化和半结构化信息，使得详细的人工分析效率低下。收益电话会议提供了关于公司业绩、前景和战略重点的宝贵证据。对冗长的电话会议记录进行人工分析需要大量努力，并且容易受到解释偏差和无意错误的影响。在这项工作中，我们提出了一个混合摘要框架，该框架结合了抽取式和生成式技术，从 ECTSum 数据集中生成简洁且事实可靠的、路透社风格的摘要。所提出的两阶段流程首先应用 LexRank 算法识别关键句子，随后使用为资源受限环境设计的 BART 和 PEGASUS 的微调变体对这些句子进行摘要。同时，我们微调了一个 Longformer Encoder-Decoder (LED) 模型，以直接捕获金融文档中的长程上下文依赖关系。模型性能使用标准自动评估指标进行评估，包括 ROUGE、METEOR、MoverScore 和 BERTScore，以及领域特定的变体，如 SciBERTScore 和 FinBERTScore。为了评估事实准确性，我们进一步采用了基于源精确率和 F1-目标的实体级度量。结果突显了方法之间的互补权衡：长上下文模型取得了最强的整体性能，而混合框架在计算约束下取得了具有竞争力的结果，并改善了事实一致性。这些发现支持开发实用的摘要系统，以高效地将冗长的金融文本提炼为可用的商业洞察。