HiFi-KPI：用于从财报中提取层次化KPI的数据集
计算与语言
2026-03-20 v3 人工智能
摘要
准确标记财报可为利益相关方带来显著的短期收益。机器可读的可扩展业务报告语言（iXBRL）被要求用于公共财务文件。然而，其复杂且细粒度的分类学限制了已标记关键绩效指标（KPI）在公司之间的跨迁移能力。为此，我们介绍了分层财务关键绩效指标（HiFi-KPI）数据集，这是一个包含165万段文本和19.8万个唯一的、层次化组织的标签并链接到iXBRL分类学的数据集。HiFi-KPI支持多种任务，我们评估了三种任务：KPI分类、KPI提取和结构化KPI提取。为快速评估，我们也发布了HiFi-KPI-Lite，一个手动精选的8000段子集。HiFi-KPI-Lite上的基线显示，基于编码的模型在分类任务中实现超过0.906的宏F1分数，而大型语言模型（LLM）在结构化提取中达到0.440的F1分数。最后，定性分析揭示，提取错误主要与日期有关。我们开源所有代码和数据，地址为https://github.com/aaunlp/HiFi-KPI。
引用
@article{arxiv.2502.15411,
title = {HiFi-KPI: A Dataset for Hierarchical KPI Extraction from Earnings Filings},
author = {Rasmus Aavang and Giovanni Rizzi and Rasmus Bøggild and Alexandre Iolov and Mike Zhang and Johannes Bjerva},
journal= {arXiv preprint arXiv:2502.15411},
year = {2026}
}