随着金融信息化的高速发展,如何从形式各样的金融文本中快速、准确地筛选出有价值的信息并按照企业的需求将信息进行结构化存储,日益显示出重要性。半结构化金融合同是一种常见的金融数据文本,它虽用特定的文本结构书写但具有篇幅长和信息冗余的特点。本文分析了这种合同的结构和数据特征,采用先对合同文本进行分类、后对核心信息进行抽取的思路进行研究。首先,设计了核心信息抽取算法。1)进行了数据预处理,创建了针对金融专业领域的自定义词典。该词典对分词库进行了优化并训练了适应于金融领域问题和数据规则的词向量和关键词词典,实现了对金融数据更好的过滤和约束;2)对合同文本的前置信息运用TextCNN模型进行分类,通过不同的卷积核提取关键信息。与传统的文本分类方法相比,TextCNN模型可以更好地捕捉局部相关性,达到了更良好的文本分类效果。3)根据金融合同文本的行文结构特征、文本内容之间的关联性、数据的强规则性等特征,采用基于规则的信息抽取方式进行简单信息的抽取,结合基于HMM模型对复杂项信息进行抽取。相较于传统的信息抽取方式,该方案在信息抽取的过程中能够充分考虑上下文内容以及文本结构等因素的影响,从而提高抽取任务的准确率。其次,基于上述算法,使用Java编程语言、结合SSM框架实现了一套金融借贷合同的核心信息抽取系统。该系统具有简洁的界面,用户可在系统中进行半结构化金融合同的核心信息抽取和结构化管理,并按照需求格式将数据导出。最后,对系统的文本分类、信息抽取等功能和性能进行了测试,从精度和召回率的统计结果来看,已达到了设计目标。