建筑行业企业证照关键信息智能提取大模型训练数据

本数据集作为建筑行业企业证 照关键信息智能提 取大模型的核心训 练语料，用于RoBERTa-wwm-ext 预训练语言模型的领域微调，以及 BiLSTM-CRF 序列标注模型的训练，使模型能够准确识别证照中的企业名称、统一社会信用代码、法定代表人、注册资本、资质等级、有效期等 23 种关键实体。同时，数据集可支撑模型在 23 种提取场景下的端到端准确率评测、LOF 异常检测算法验证及置信度校准。基于提取结果，可构建建筑行业证照要素知识图谱，积累资质等级、发证机关等行业基准数据，并为智能证照管理、资质审核、人员注册核查等下游业务系统提供结构化数据支撑，对推动建筑行业数据要素价值释放和AI技术应用落地具有重要意义。

搜集汇总

背景与挑战

背景概述

本数据集是建筑行业企业证照关键信息智能提取大模型的训练语料，用于RoBERTa-wwm-ext预训练语言模型的领域微调及BiLSTM-CRF序列标注模型的训练，支持准确识别证照中的企业名称、统一社会信用代码、法定代表人、注册资本、资质等级、有效期等23种关键实体。同时，该数据集可支撑模型在23种提取场景下的端到端准确率评测、LOF异常检测算法验证及置信度校准，并可基于提取结果构建建筑行业证照要素知识图谱，为智能证照管理、资质审核、人员注册核查等下游业务提供结构化数据支撑，助力建筑行业数据要素价值释放与AI技术应用落地。