金融从业者或知识图谱开发者可以借鉴这套从 PDF 到可查询图谱的完整 pipeline，特别是双库架构和同义词归一化设计，直接用于合同审查、风险检测等场景。
LandingAI 黑客松项目 ArthaNethra 展示了从 PDF 到可查询、可溯源、可推理的金融知识图谱的完整流程。系统通过上传、ADE 提取、归一化、双库索引和风险检测五个步骤，将发票、贷款合同、10-K 等文档转化为结构化知识。知识图谱包含 10 类实体和 26 种规范关系，并利用 Weaviate 和 Neo4j 双库分别支持语义搜索和多跳遍历。每条实体和关系都带有文档、页码、章节等引用元数据，确保可溯源。该项目为金融文档的智能分析提供了实用参考。
如何从 PDF 构建金融知识图谱？ LandingAI 黑客松项目「ArthaNethra」，展示了从 PDF 到可查询、可溯源、可推理的知识图谱的完整流程： 上传 → ADE 提取 → 归一化 →...
如何从 PDF 构建金融知识图谱？ LandingAI 黑客松项目「ArthaNethra」，展示了从 PDF 到可查询、可溯源、可推理的知识图谱的完整流程： 上传 → ADE 提取 → 归一化 → 双库索引 → 风险检测 · Upload：文档进入 /api/v1/ingest，分配 ID、存储路径 · Extract：LandingAI ADE → 结构化 Markdown，>15MB 走异步任务 + 指数退避 · Normalize：按文档类型路由解析器，发票/贷款/合同：确定性解析，无 LLM；10-K/MD&A：Claude Haiku + 正则，必要时 Sonnet · Index：实体入 Weaviate，关系入 Neo4j，500 词分块、100 词重叠；all-mpnet-base-v2 向量化 · Risk Detect：规则 + LLM 异常检测，4 条阈值规则 + 图模式异常扫描 知识图谱设计 10 类实体：Company、Subsidiary、Loan、Invoice、Metric、Clause、Instrument、Vendor、Person、Location 26 种规范关系，分四类： · 金融：HAS_LOAN、FINANCED_BY、OWNS、GUARANTEES 等 · 运营：SUPPLIES_TO、PARTNERS_WITH 等 · 治理：REGULATED_BY、WORKS_FOR 等 · 交叉引用：MENTIONED_IN、REFERENCES 等 同义词归一化层：40+ 别名映射到 26 种规范类型（如 OWNER_OF / PARENT_COMPANY → OWNS），避免图谱碎片化。 每条实体/关系都带 citation 元数据（文档、页码、章节） 双库架构 · Weaviate：语义相似，「找关于 covenant 违约的文档」 · Neo4j：多跳遍历，「Company X 到 Vendor Y 经过哪些子公司和贷款的路径」 LandingAI @LandingAI x.com/i/article/2060… 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 0 👀 26 ⚡