在金融行业,如何准确、实时地获得客户对金融产品的购买意向,在很大程度上影响金融交易的达成率。在这种状态下,从形态各异、种类繁多的交易信息中高效、准确地获取有价值的信息是目前很有研究价值的一个课题。现在不少金融机构都是通过人工处理的方法或者结合单一规则从交易信息中获取有用的信息,这样效率与准确不高,工作量与人工成本也都比较高。因此,需要寻求一种方法去处理这种问题。本文利用规则与统计模型相结合的信息抽取技术,从企业庞大的数据群中快速的获取有价值的信息,更好的为用户服务。本文的目的是从金融交易QQ群中客户的聊天记录中抽取金融交易买卖信息,采用基于规则和基于统计的信息抽取技术对金融交易信息进行抽取,研究工作是在某金融科技公司的实际业务上实施的。本文详细描述了这个交易信息抽取系统的设计与实现方式。本文的主要工作主要包括聊天记录分类器、交易记录分类器、交易类别分类器等三个分类器的实现以及规整型与非规整型聊天记录处理模块的设计。一、分类器的实现。聊天记录分类器,根据规则过滤非交易信息聊天记录;交易记录分类器,根据聊天记录特征判断聊天记录是否规整;交易类型分类器,根据不同的金融类型对应不同的属性列表,不同的属性对应的属性值有各自的特征来识别金融交易类型。二、规整型聊天记录处理模块的实现。采用规则处理,通过设计交易类型分类器与属性识别相结合的办法,实现基于规则的信息抽取。三、非规整型聊天记录处理模块的实现。这部分为两块,首先训练标注模型,然后利用训练好的标注模型对聊天记录进行交易信息实体标注。采用了ICTCLAS分词工具、标注实体（属性）值、特征选择和条件随机场进行序列标注,实现基于统计模型的信息抽取,最终通过标注模型提取出属性以及属性值列表。通过一段时间的实践,基于规则以及统计模型的信息抽取系统实现了从QQ聊天记录中分类、提取金融信息,准确率达到80%以上,企业的人力资源成本和时间成本也有所减少。