01
金融实体对齐概述
什么是金融实体对齐、为什么需要跨源对齐、应用场景与挑战
概念入门
02
金融数据源分析
常见金融数据源（财报、公告、新闻、交易数据）、数据异构性分析、数据质量评估
数据分析
03
实体识别基础
命名实体识别（NER）在金融领域的应用、基于规则的方法、基于深度学习的方法
NER深度学习
04
实体对齐核心概念
实体解析、记录链接、共指消解、对齐评估指标（精确率、召回率、F1值）
指标核心
05
数据预处理实战
金融文本清洗、分词与词性标注、停用词过滤、特殊符号处理
清洗NLP
06
相似度计算基础
编辑距离、Jaccard相似度、余弦相似度、TF-IDF向量化
相似度数学
07
基于规则的实体对齐
精确匹配、模糊匹配、规则引擎设计、阈值设定策略
规则工程
08
基于机器学习的对齐方法
特征工程、分类模型（逻辑回归、随机森林）、模型训练与评估
ML分类
09
基于深度学习的对齐方法
Siamese网络、BERT在实体对齐中的应用、对比学习
DLBERT
10
知识图谱与实体对齐
金融知识图谱构建、图神经网络（GNN）用于对齐、TransE等知识表示方法
知识图谱GNN
11
跨语言实体对齐
多语言金融实体对齐挑战、跨语言词向量、翻译对齐策略
多语言翻译
12
大规模实体对齐技术
分块（Blocking）技术、Canopy聚类、LSH（局部敏感哈希）
大规模LSH
13
增量式实体对齐
流式数据处理、增量更新策略、实时对齐架构
增量实时
14
实体对齐系统架构
数据管道设计、存储选型（图数据库、向量数据库）、服务化部署
架构部署
15
金融实体对齐工具与框架
Dedupe、DeepMatcher、OpenEA、自研框架对比
工具框架
16
数据标注与质量保障
标注策略、主动学习、标注一致性检验、弱监督学习
标注质量
17
实体对齐中的隐私保护
差分隐私、联邦学习在实体对齐中的应用、数据脱敏
隐私联邦学习
18
案例一：上市公司财报实体对齐
公司名、高管名、子公司名对齐实战
案例财报
19
案例二：金融新闻与公告实体对齐
事件实体、产品实体对齐实战
案例新闻
20
案例三：跨平台交易数据实体对齐
股票代码、基金代码、衍生品代码对齐
案例交易
21
实体对齐结果评估与优化
混淆矩阵分析、错误类型分类、迭代优化策略
评估优化
22
实体对齐中的时间维度
时间戳对齐、时序实体匹配、历史数据回溯对齐
时间时序
23
金融实体对齐与反欺诈
黑名单实体对齐、关联网络分析、异常检测
反欺诈安全
24
实体对齐在监管科技中的应用
反洗钱（AML）实体对齐、KYC实体验证、监管报告对齐
监管AML
25
实体对齐与数据治理
主数据管理（MDM）、数据血缘、实体统一视图构建
治理MDM
26
实体对齐性能优化
并行计算、GPU加速、分布式处理（Spark、Flink）
性能分布式
27
实体对齐的鲁棒性与容错
噪声数据处理、缺失值处理、异常值检测
鲁棒性容错
28
金融实体对齐前沿趋势
大语言模型（LLM）在实体对齐中的应用、多模态对齐、自动化对齐
前沿LLM
29
实体对齐项目实战
从需求分析到上线部署的全流程、项目文档编写、代码规范
实战全流程
30
课程总结与进阶路径
核心知识回顾、推荐学习资源、研究方向展望
总结进阶