建筑企业关联关系图谱垂类大模型语料数据

该数据可用于训练建筑行业企业关联关系分析垂类大语言模型，使其能够深度理解企业经营管理过程中对于关联方查询、股权穿透、高管交叉任职等方向的自然语言问题，并准确转化为对应的SQL查询语句，从而实现企业关联关系数据的高效查询与图谱分析。依托建设通平台整合的工商登记、招投标公告、企业年报、司法信息等多源数据构建标准化语料体系，模型经训练后可精准理解"股权投资""高管交叉""投标关联""母子公司""分支机构"等关联关系特有需求，建筑行业企业可基于本语料数据的"指标名称""问题查询"等字段内容，适配自身关联关系数据表结构（如替换建表语句中的表名、字段名），通过自然语言快速启用文字转SQL功能进行复用。本数据也为建筑行业提供稀缺的、高质量的关联关系分析垂直领域语料库，支撑意图识别、自然语言处理等核心技术的研发与评测，推动建筑企业关联关系数据分析标准的建立与企业画像技术的发展。1. 数据清洗与标准化 数据清洗：对从建设通平台整合的工商登记、招投标公告、企业年报、司法信息等多源原始数据进行清洗，剔除重复关联记录、缺失关键字段（如企业名称、关系类型）的数据及存在逻辑矛盾的样本。例如，持股比例超过100%、投资金额为负值等异常记录均予以剔除。表格中"结果输出"为"无匹配数据"的样本，作为查询无返回结果的标准语料被保留，增强了模型对数据缺失场景的理解能力。 格式统一：统一关系类型名称（如"高管交叉""投标关联"）、人员职务表述（如"法定代表人""股东"）和SQL语法风格，确保语料的规范性和一致性。对建表语句进行格式化，统一字段类型和注释风格。 2. 问题分类与结构化 按照企业关联关系分析的特定场景对问题进行归类，主要包括企业关联方总览、关系类型筛选、高管交叉任职查询、股权穿透分析、投标关联查询、项目合作分析、母子公司与分支机构查询、关联人员任职查询、法定代表人关联查询及关联关系数量统计等，确保语料对企业关联关系分析核心场景的全面覆盖。 3. 核心算法建模 （1）语义解析与要素提取：采用基于规则和行业词典的文本分析方法，对自然语言问题进行解析，精准提取关键要素。针对关联关系领域的特有表述（如"实控人""一致行动人""交叉持股""串标""挂靠"等），构建关联术语同义词映射表，将口语化表述归一化为标准关系类型名称。同时提取查询对象（企业A/企业B/人员/项目）、关系类型、筛选条件（地区、持股比例、投资金额、时间范围）及聚合维度等关键要素。 （2）SQL语句生成：基于预定义的"关联术语-字段"映射规则和"查询意图-过滤条件"映射规则，自动生成标准化的SQL查询语句。映射规则覆盖双向企业匹配（enterprise_name_a OR enterprise_name_b）、多条件组合（AND/OR）、排序（ORDER BY）、分页（LIMIT）、聚合函数（COUNT/SUM/AVG）、分组统计（GROUP BY）及日期范围查询（BETWEEN）等SQL语法结构，重点强化双向关系匹配和多维度组合查询的SQL生成能力。

搜集汇总

背景与挑战

背景概述

该数据集专为建筑行业企业关联关系分析垂类大语言模型训练而构建，基于建设通平台整合的工商登记、招投标、企业年报等多源数据，经过清洗和结构化处理，形成标准化语料。训练后的模型能够将自然语言查询（如股权穿透、高管交叉任职等）精准转化为SQL语句，支持企业高效进行关联关系图谱分析。