上市公司并购重组类公告信息的结构化处理,可以为投融资决策、市场监管、股市预测、企业画像等领域提供有效的数据支撑,成为股市和证券市场应用服务开发的重要一环。如何精准且高效地实现并购重组类公告信息的结构化,成为当前金融和证券公司着重需要解决的问题之一。并购重组类公告是一种具有固定格式的自由长文本,针对公告特点,本文提出一种规则法和序列标注法相结合的的公告信息抽取方案。该方案主要包含两部分,第一部分为“句子级”抽取,采用规则法,以“标题定位内容”的方式将“篇章级”抽取缩小为“句子级”抽取。首先从公告文本中提取文本结构树,按照一定的格式存储;然后设计一套规则标签体系,用于约束规则模板的制定;最后编写规则逻辑运算抽取引擎,通过解析规则模板,从公告文本中抽取出所需的句子集合。第二部分为“字段级”抽取,采用序列标注法,训练基于双向门控循环网络和注意力机制的序列标注联合模型从句子集合中抽取出字段信息。首先采用Glove词向量工具将词序列映射为低维实数向量;然后通过双向门控循环网络获取文本的上下文语义信息;接着通过融合关联实体矩阵的注意力层,得到实体的权重分布,从而有效学习全文“篇章级”信息和关联实体对之间的语义信息;最后由条件随机场层得到标签序列的最优解,通过标签解析得到最终的字段信息。此次共抽取包含“交易标的”、“成交金额”等在内的12个字段信息,实验结果显示:该方案的平均准确率为93.46%、平均召回率为91.52%、平均F1值为92.52%。证明该方案在并购重组类公告信息抽取任务中具有良好的可行性和实用性,同时也为自由长文本的信息抽取任务提供一种解决思路。本文在上述方案的基础上,根据实际需求设计并实现了面向并购重组类公告的信息抽取系统。该系统主要包含数据抓取模块、“句子级”抽取模块、“字段级”抽取模块、数据存储模块以及人工交互模块,可以精准且高效的实现并购重组类公告信息的结构化。