timeline-extraction

name	timeline-extraction
description	用于案件/项目时间线的时间线抽取原子 skill，适用于通用行业信息抽取场景。

时间线抽取 Skill

数据来源

本 Skill 支持多种文档数据输入格式，核心数据来源包括：

1. 文档类型

• 案件文档：法律案件文档、诉讼文档、仲裁文档
• 项目文档：项目计划、项目报告、项目总结
• 事件文档：事件报告、事故报告、新闻报告
• 历史文档：历史记录、档案文档、日志文档

2. 文本数据格式

• 纯文本格式：.txt 文件，UTF-8编码
• 结构化文档：PDF、Word、Excel文档（需预处理为文本）
• HTML网页：网页内容
• 数据库文本字段：从数据库直接读取的文本内容

3. 时间信息类型

• 明确日期：具体日期、时间点
• 相对时间：相对时间表达、时间段
• 时间序列：连续的时间事件序列
• 时间关系：事件之间的时间关系

4. 数据格式要求

• 文件路径：本地文件路径或网络文件URL
• 文件编码：UTF-8、GBK、GB2312等
• 数据完整性：需要包含完整的时间相关信息

说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的文档数据。建议文档包含完整的时间信息，以便进行准确的时间线抽取。

---

功能

本 Skill 提供全面的时间线抽取能力，涵盖多种抽取功能：

1. 时间实体识别

• 日期识别：识别文档中的日期和时间
• 时间表达式识别：识别时间表达式和相对时间
• 时间段识别：识别时间段和持续时间
• 时间频率识别：识别时间频率和周期

2. 事件识别

• 事件提取：提取文档中的事件描述
• 事件类型识别：识别事件的类型和类别
• 事件描述提取：提取事件的详细描述
• 事件关键词提取：提取事件的关键词

3. 时间线构建

• 时间点排序：按时间顺序排序事件
• 时间线生成：生成完整的时间线
• 时间线可视化：生成时间线的可视化表示
• 时间线分段：按时间段分段时间线

4. 时间关系分析

• 因果关系识别：识别事件之间的因果关系
• 时间顺序关系：识别事件的时间顺序关系
• 时间间隔分析：分析事件之间的时间间隔
• 时间模式识别：识别时间模式和规律

5. 实体关联

• 事件实体关联：关联事件和相关实体
• 时间实体关联：关联时间和相关实体
• 关系网络构建：构建事件关系网络
• 实体时间线：生成实体的时间线

6. 高级处理功能

• 时间线合并：合并多个文档的时间线
• 时间线对比：对比不同时间线
• 时间线摘要：生成时间线摘要
• 时间线查询：支持时间线查询和检索

---

使用示例

输出示例

{
  "source_info": {
    "document_id": "DOC001",
    "document_type": "legal_case",
    "source_file": "case_document.pdf"
  },
  "timeline": {
    "events": [
      {
        "event_id": "EVT001",
        "event_type": "case_filing",
        "event_description": "案件立案",
        "timestamp": "2024-01-15",
        "time_expression": "2024年1月15日",
        "confidence": 0.95,
        "entities": [
          {"type": "person", "name" 
             
        
         
      
      
         
         
         
         
         
         
         
             
             
        
         
      
      
         
         
         
         
         
         
         
             
        
         
      
    
     
       
       
       
    
  
   
    
       
       
       
       
    
    
       
       
       
       
    
  
   
     
       
     
  

---

注意事项与限制

1. 数据质量要求

• 文档需要包含时间相关信息
• 时间表达需要清晰明确
• 事件描述需要完整

2. 时间识别准确性

• 标准日期格式识别准确率较高
• 相对时间表达可能影响识别
• 模糊时间表达可能无法准确识别

3. 事件抽取准确性

• 明确描述的事件识别准确率较高
• 隐含事件可能需要上下文分析
• 复杂事件可能需要人工分析

4. 时间关系分析

• 明确的时间关系识别准确率较高
• 复杂时间关系可能需要人工分析
• 时间因果关系需要上下文支持

5. 使用限制

• 本 Skill 不包含时间线编辑功能
• 抽取结果需要人工复核
• 复杂时间线可能需要人工构建

---

参考资料

• 见 references/ 目录中的相关文档，包括：
  • 时间线抽取方法手册
  • 时间实体识别算法说明
  • 事件抽取指南
  • 性能优化指南