政策文件如何变成结构化数据
一、为什么政策需要结构化
当客户问"我能报什么"时，系统需要把企业画像与政策条件做匹配。这就要求政策不只是文本，而是一组可计算的条件。
二、核心字段设计
<pre><code class="language-json">{
"policy_name": "北京市专精特新中小企业奖励",
"level": "市级",
"industry": ["制造", "软件", "集成电路"],
"conditions": {
"revenue_min": 1000,
"rd_ratio_min": 0.03,
"patent_min": 1
},
"subsidy_text": "认定后一次性 10 万–50 万",
"deadline": "2026-12-31",
"materials": ["审计报告", "社保明细", "专利证书"],
"source_url": "https://...",
"updated_at": "2026-09-01"
}
</code></pre>
三、常见坑点
- 金额写成区间文本：必须拆成 min/max 数值，否则无法计算
- 截止时间缺失：过期政策不删，但要标失效，否则会推荐错
- 条件嵌套：有些条件是"且"关系，有些是"或"，抽取时要保留逻辑
- 附件被忽略：很多关键条件在附件表格里，正文没有