信息抽取

✍ dations ◷ 2025-06-08 05:22:40 #人工智能,图书资讯科学

信息抽取(Information Extraction,简称IE,又译信息截取技术)主要是从大量文字数据中自动抽取特定消息(Particular Information),以作为数据库访问(Database Access)之用的技术。

信息抽取的一个广泛目标是允许对以往非结构化的数据去做计算,具体来说就是要允许逻辑推理能对输入数据的逻辑内容可以举一反三。其意义在于决定了例如在互联网上其非结构化(例:不包含元数据)形式中有用信息数量的成长。在这方面的技术上是透过转换到关系形式或是经由XML标签的标记来达到更多的可访问性──一个智能代理程序,监督一新闻数据馈流,需要信息截取技术来转换非结构化数据到某种可推论的方式。

信息检索技术又称为“消息理解”(Message Understanding(英语:Message Understanding)),其主流研究起源于1987年消息理解会议(英语:Message Understanding Conference)(Message Understanding Conference(英语:Message Understanding Conference), MUC(英语:MUC)),这个会议主要提倡利用自然语言处理技术,对文字信息作更深度的剖析,以提高信息检索的认知程度。从1987年第一届会议迄今,MUC(英语:Message Understanding Conference)已经举办过六次会议,每年会中皆会提供文字数据以及标准问题,供与会者以所发展的系统自动抽取消息,这种竞赛方式对于整个领域的技术提升有很大的助益。

信息抽取的基本任务包含了:

在自然语言处理范畴,信息截取技术是雷同于信息检索领域的一种类型,它的目的是要以自动化的方式来截取结构化信息,例如:在某一个特定领域或是从非结构化机器可读的文件中,对明确的数据进行分类、判断上下文以及语义化的分析。

信息截取技术一般借助事先准备的模板(Template)以截取特定新闻事件包括人(Who)、事(What)、地(where)与时间(When)等事实(Fact)。因为截取事实必须对所分析的文件有某种程度的剖析理解能力,在各种信息检索研究课题中,信息截取技术一直相当仰赖自然语言处理技术,因此是传统上最典型的智能检索技术之ㄧ。

一般信息截取技术的做法包括具备文件过滤程序(Text Filter),借此从大量文件中过滤出较相关的文字片段,其作法与信息过滤技术(Information Filtering)较为类似。接着利用剖析程序(Parser),将文件片段转化成剖析树(Parsing Tree)。剖析树类似我们阅读英文时的文法结构,是对文句做语法的分析(例如找出动词、主词、受词),之后再将这些剖析树与原先欲抽取的模板比对,截取出有关人事地物的事实出来。

信息截取的研究,主要还是针对特定领域的文件进行深度分析,因此过程中还包括词汇语义标定(Semantic Tagging)、重要名词词组抽取(Noun Phrase Extraction),文句部分剖析(Partial Parsing)、产生语义格框(Semantic Frame)等相关技术,因此开发一个信息截取系统必须事先创建很完整的领域知识,包括相关词汇、词组、文法规则、语义规则等。

《图书信息检索技术》卜小蝶著:文华,台北市,民85

相关

  • 杂化杂化轨道(英语:Hybrid orbital)是指原子轨道经杂化(hybridization)后所形成的能量简并的新轨道,用以定量描述原子间的键结性质。与价层电子对互斥理论可共同用来解释分子轨道的形
  • 太保市坐标:23°26′02″N 120°15′02″E / 23.433899°N 120.250671°E / 23.433899; 120.250671 (Puzih)太保市(台湾话:.mw-parser-output .sans-serif{font-family:-apple-system
  • 智冠科技智冠科技股份有限公司(英文:Soft-World International Corporation),简称智冠科技,成立于1983年7月15日,为台湾一家的电脑游戏公司。在台湾为盗版兴盛时趁乱而起,早期出售国外单机
  • 金华街金华街,是台湾台北市大安区的一条街道,介于罗斯福路与新生南路之间。金华街在日治时代为福住町(北侧)与锦町(南侧)之界线,沿街于日治时代为日本公务员之官舍,现仍留存部分日式建筑。
  • 环境友善环境友善(又称环境友好、自然友善或绿色友好)一词用来指一个商品、服务、建筑、法律或政策对环境所造成的损害较少。此外,为了让消费者能够了解,通常受认证的环境友好商品或服务
  • 1214年
  • 投影向量 · 向量空间  · 行列式  · 矩阵标量 · 向量 · 向量空间 · 向量投影 · 外积 · 内积 · 数量积 · 向量积矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 迹
  • 亚历山大·范德贝伦亚历山大·范德贝伦(德语:Alexander Van der Bellen,德语发音:.mw-parser-output .IPA{font-family:"Charis SIL","Doulos SIL","Linux Libertine","Segoe UI","Lucida Sans Uni
  • 安洁莉娜·裘莉安吉丽娜·朱莉(又译作安杰利娜·朱莉)(英语:Angelina Jolie,1975年6月4日-),本名安吉丽娜·朱莉·沃特(Angelina Jolie Voight),美国影坛超级巨星、著名女演员、慈善家、社会活动家,美
  • 安龙县安龙县是中华人民共和国贵州省黔西南布依族苗族自治州下属的一个县。面积2238平方公里,2002年人口42万。邮政编码552400,县政府驻栖凤街道。安龙早在春秋战国时期就有人类活动