信息时代的发展使得人工难以处理每日产生的海量数据,对风险投资、数据走向、金融监管等分析任务带来了极大的困难和挑战。在这一背景下,自动化信息抽取技术成为了解决这一问题的有效手段。本文通过自动化信息抽取技术,提取表格图像类公告和人事调动类公告中的有效信息。表格是公告中的一种重要形式,本文设计了一种针对市政府预决算公告中表格图像的识别与处理方法,识别表格和表格中单元格的轮廓线,定位并截取图片中的单元格,提取出单元格的内容信息,并保存单元格的行列位置信息。在识别过程对比使用了比较流行的开源识别工具Tesseract和商用识别工具百度智能云OCR,并将识别结果和行列位置综合输出,提取出表格中的信息。对于人事调动类公告,本文提出了一种基于BERT-BiLSTM-CRF的人名与职位名识别的命名实体识别模型,该模型在传统的BiLSTM-CRF命名实体识别模型基础上,使用当下流行的BERT模型代替Word2Vec模型预训练词向量,改善了特征提取的效果,提高了命名实体识别的结果。识别到实体信息后,通过对句子中关键词的匹配,制定规则来建立人名与人名、人名与职位名间的关系,提取出完整的人事调动信息,便于其他任务做进一步的处理。表格图像信息抽取任务使用了大连预决算文件作为实验数据,Tesseract和百度智能云OCR的识别结果准确率分别为83.67%和99.57%。文本信息抽取任务使用新浪财经网站上公布的人事调动类公告,本文提出的BERT-BiLSTM-CRF模型在在人名和职位名识别的F1值分别达到了98.7%和91.63%,比BiLSTM-CRF的结果分别提高了4.35%和3.11%;在建立人名与职位名的关系并输出为最终结果方面,得到的准确率为83.96%。