import json from typing import Dict, List from knext.operator.op import PromptOp from knext.operator.spg_record import SPGRecord class IndicatorNER(PromptOp): template = """ 请从以下文本中提取所有指标并给出指标类型,以json格式输出 ##### 输出格式: [{{"XXX": ["XXX", "XXX"]}}, {{"XXX": ["XXX", "XXX"]}}] ##### 文本: {input} """ """ record: {"input": "济南市财政收入质量及自给能力均较好,但土地出让收入大幅下降致综合财力明显下滑。济南市财政收入质量及自给能力均较好,但土地出让收入大幅下降致综合 财力明显下滑。2022年济南市一般公共预算收入1,000.21亿元,扣除留 抵退税因素后同比增长8%,规模在山东省下辖地市中排名第2位;其中税收收入690.31亿元,税收占比69.02%;一般公共 预算支出1,260.23亿元,财政自给率79.37%。政 府性基金收入547.29亿元,同比大幅下降48.38%,主要系土地出让收入 同比由966.74亿元降至453.74亿元;转移性收入285.78亿元(上年同期为233.11亿元);综合财力约1,833.28亿元(上年 同期为2,301.02亿元)。"} """ def build_prompt(self, record: Dict[str, str]): return self.template.format(**record) """ response: "[{'财政': ['财政收入质量', '财政自给能力', '土地出让收入', '一般公共预算收入', '留抵退税', '税收收入', '税收收入/一般公共预算收入', '一般公共预算支出', '财政自给率', '政府性基金收入', '转移性收入', '综合财力']}]" """ def parse_response( self, response: str ) -> List[SPGRecord]: output_list = json.loads(response) ner_result = [] # IF hasA for output in output_list: # {'财政': ['财政收入....} for k, v in output.items(): # '财政', ['财政收入....] ner_result.append(SPGRecord("FEL.Indicator", properties={"id": k, "name": k, "hasA": ','.join(v)})) # ELSE isA # TODO 通过属性isA支持 for output in output_list: # {'财政': ['财政收入....} for k, v in output.items(): # '财政', ['财政收入....] for _v in v: # '财政收入....' ner_result.append(SPGRecord("FEL.Indicator", properties={"id": f'{k}-{_v}', "name": _v})) return ner_result def generate_placeholder( self, record: Dict[str, str], response: str ) -> List[Dict[str, str]]: """ response: "[{'subject': '一般公共预算收入', 'predicate': '包含', 'object': ['税收收入']}, {'subject': '税收收入', 'predicate': '包含', 'object': ['留抵退税']}, {'subject': '政府性基金收入', 'predicate': '包含', 'object': ['土地出让收入', '转移性收入']}, {'subject': '综合财力', 'predicate': '包含', 'object': ['一般公共预算收入', '政府性基金收入']}]" """ return [{"input": record["input"], "ner": response}]