python-3.x - 使用 Python 在非结构化文档中提取特征的方向

项目背景：我对 NLP 很陌生，所以如果我的问题看起来非常复杂，请原谅我。我正在尝试从上市公司上市文件中提取一些特征，例如公司名称、一些货币价值和个人姓名，其中包含大量文本（300 多页）。

解析到程序中的文本如下所示：“在此议案中，A 公司控股（“公司”）由 B 公司有限公司赞助。公司董事长 John Doe 已批准此活动”

预期结果如下所示：公司：A 公司控股发起人：B 公司有限公司董事长：John Doe

由于所有文档都是 PDF 格式，我将它们解析为文本。使用我拥有的文档对 Spacy 执行了一些 NER，并且根据 NER 结果的外观，它已成功识别出我需要的所有实体。(IE 它认可 A 公司 Holdings、Company B Limited 和 John Doe)

我应该如何接近上述目标？我没有大量文件来训练模型（目前大约有 30 个 ish 文档），我们将非常感谢您提供有关如何解决问题的一般方向或模块示例。

谢谢大家！

标签： python-3.xnltkspacytext-extraction