摘 要 ：信 息抽取 是一 种帮助 人们在 海 量信 息源 中迅 速找 到真 正需要 的信 息 的技 术 。该文从 信 息抽 取 的概念 出发 。辨 析 了与信 息检 索 两者的 不同之 处 ，评 述 了信 息抽取 技 术的发展 趋 势 ，并提 出 了信 息抽取 存在 的 问题 和解 决策略 。 关键 词 ：信 息抽取 ；信 息检 索 ；Ｉ Ｒ Ｅ；Ｉ 中图分类 号 ：Ｔ ３１ Ｐ ９ 文 献标识码 ：Ａ 文章 编 号 ：１０ — ５９（ ０１ ０ — ０３ ０ ０７ ９９ ２１ ） ８ ００ — ２
ｓ ｕ ｃ ｆ ｈ ｆ ｒ ａｉ ｎｙ ｕ ｎ ｅ ． ｉ ｐ ｐ ｒ ｔｒ ｎ ｏ ｔ ｅｃ ｎ ｅ ｔｏ ， ａｙ ｉ ｏ ｆ ｒ ｔ ｎＥ ｔａ ｔ ｎ ａ ｄＩ ｆ ｒ ａｉ ｎ ｏ ｒ ｅｏ ｅｉ ｏ ｔ ｎ ｍ ｔ ｏ ｅ ｄ Ｉ ｔ ｓ ａ ｅ， ａ ｔ ｇ ｆ ｍ ｏ ｃ ｐ ｆ Ｅ ａ ｌ ｓｓ ｆ ｎ ｏ ｍａｉ ｘ ｒ ｃｉ ｎ ｏ ｏ ｎｈ ｓ ｉ ｒ ｈ Ｉ ｎ Ｉ ｏ ｏ ｎ ｍ ｔ ｏ Ｒ ｔ ｅ ａ ｄ ｆ ｒｎ ｅ ｅｗｅ ｎ ｔｅ ｔ ． ｖ ｅ ｅ ｄ ｖ ｌｐ ｎ ｒ ｎ ｆＩ ｅ ｈ ｏｏ ｙａ ｄ ｐ ｅ ｅ ｔ Ｉ ｒ ｂ ｅ ｄ ｓ ｌｉ ｇ ｅｒ ｖ ｌ ｉ ｅ ｅ ｃ ｓｂ ｔ ｅ ｗｏｒ ｉｗｓ ｔ ｅ ｅｏ ｍｅ ｔｔ ｄ ｏ Ｅ ｔｃ ｎ ｌ ｇ ， ｒ ｓｎ ｓ Ｅ ｐ ｏ ｌｍｓ ａ ｏｖｎ ｉ ｈ ｅ ｈ ｅ ｎ ｎ ｓ ａｅ ｉｓ ｔ ｔｇ ｅ ． ｒ
计 算机 光盘 软件 与应 用
２ １ 年第 ８期 ０１ Ｃｍ ｕ ｅ ＤＳ ｆ ｗ ｒ ｎ ｐ ｌｃ ｔ ｏ ｓ ｏ ｐ ｔ ｒＣ ｏ ｔａ ｅａ ｄＡ ｐ ａ ｉ ｎ ｉ 信息技术应用研究
信息抽取技术面临 的挑战及其策略 ３０ ２ １０３）
Ｋｅ ｗｏｒ ：ｎ ｏ ｍａ ｉ ｘｒ ｃｉ ；ｎ ｏ ｍａ ｏ ｅｒｅ ａ ；Ｅ；Ｒ ｙ ｄｓＩ ｆ ｒ ｔ ｅ ｔａ ｔ Ｉ ｆ ｒ ｔ ｎｒ ｔｉｖ ｌＩ Ｉ ｏｎ ｏｎ ｉ
随着 计算 机的 普及 以及互 联 网的迅速 发 展，大 量 的信息 以电 子 文档 的形式 出现 在人们 面前 。信 息 的过量 增长 带来一 定负 面影 响： 由于 目前 Ｗｂ上 存在 的信 息格式 具有 很大 的异构 性，信 息之 ｅ 间的关联 描述 较少 ，面对 巨量 的信 息 ，用户 通过直 接浏 览 的方式 获取所需的信息十分困难 ，导致资源迷向 （ 不知道如何确切表达 对 真正想 要 的网上 资源 的需求 ）和 信息 过载 （ 以消化 已经 下载 难 的信息 ） 。如何 将大 量无序 的信 息及 时准确 地进 行抽取 、过滤 、归 类 ，组织 成便 于查 询检 索 的形 式 ，帮助人 们 在海量 信息 源 中迅速 找 到真 正需要 的信 息 ，已成 为研 究开发 的焦 点 。信 息抽 取研 究正 是 在这种 背景 下产 生 的。 信息 抽取 的 内涵 及分 析 （ ）信 息抽 取的概 念 一 信 息抽取 （ｎ ｏｍ ｔｏ ｘｒ ｃ ｉｎ Ｅ Ｉｆｒａ ｉｎ Ｅｔ ａｔｏ ：Ｉ ）是把文 本里 包含 的信息进 行结 构化 处理 ， 成表格 ～样 的组织 形式 。 入 Ｉ 变 输 Ｅ系统 的是原始 文本 ，输 出 的是 固定 格 式的信 息 点。信 息抽取 的主 要任 务 是把信 息 点从各 种各 样 的文档 中抽取 出来 ，然 后 以统 一 的形式 集 成在 一起 。信息 抽取 系统可 以看 做是 把信 息从 不同文 档 中转换 成 数据 库记录 的系 统 ，它并不 试 图全面 理解 整篇 文档 ，只是 对文 档 中包含 相关 信息 的部分 进行 分析 。 （ ）信 息检 索 的概 念 二 当 前与信 息抽 取密 切相关 的 一项研 究是 信息检 索 。信息 检索 （ｎｏｍ ｔ ｏ ｅ ｒｅ ａ ； Ｒ 是指信 息 按一定 的方 式组织起 来 ， Ｉｆｒ ａ ｉｎ ｔｉｖ ｌ Ｉ ） Ｒ
Ｉ ｆ ｒ ｔｏ ｔ ａ ｔ ｎ Ｔｅ ｈ ｏ ｏ ｙ Ｃｈ ｌ ｎ ｅ ｎ ｔ ａ ｅ ｉｓ ｎ ｏ ｍａ ｉ ｎ Ｅｘ ｒ ｃｉ ｃ ｎ ｌ ｇ ａｌ ｇ ｓａ ｄ Ｓ ｒ ｔ ｇｅ ｏ ｅ
Ｓｈ ｎ Ｊｅ ｅ ｉ
（ ａ ｇ ｈ ｕＣ ｍｍａ ｄＣ ｌｇ ｆ Ａ ＦＨ ｎ ｚ ｏ ３ ２ ，ｈ ａ Ｈ ｎ ｚｏ ｏ ｎ ｏｌ ｅｏ Ｃ Ｐ 。ａ ｇ ｈ ｕ １ ０ ３Ｃ ｉ ） ｅ ０ ｎ
Ａ ｓ ａ ｔ ｎ ｏｍ ｔ ｎＥ ｔ ｃ ｏ （ ） ｔｃｎｑ ｅｔ ｈ ｌ ｐ ｏ ｌ ｉ ｔ ａｔ ｍｏ ｎｓ ｆｎ ｏｍ ｔ ｎｑ ｉ ｌ ｔ ｆ ｄｔ ａ ｂ ｔ ｃ Ｉｆｒ ａ ｏ ｘ ａ ｔ ｎＩ ｉ ａ ｅｈ ｉ ｅ ｅｐｅ ｎ ｈ ｖ ｓ ａ ｕ ｔ ｏ ｆｒ ａ ｏ ｕｃ ｙｏ ｉ ｅ ｅ ｌ ｒ ： ｉ ｒ ｉ Ｅ ｓ ｕ ｏ ｐ ｅ ｉ ｉ ｋ ｎ ｈ ｒ
一
、
预先 设定 好的 有限种 类 的事实信 息 。 信息抽取技术可视为信息检索技术的一个深化。信息检索从 文 档的集 合 中寻找 与用户 要求 相关 的文 本或 段落 。信息 抽取则 是 在相 关文 本或 段落 的基础 上 ，发现 用户 需要 的信 息。这 两种技术 是 互补 的 ，信 息抽 取系统 通常 以信 息检 索系 统的输 出作 为输入 。 反之 ，也 可在信 息抽 取 的基础 上 ，进 行 高精度 的信 息检 索，二者 的 结合 能够更 好地服 务于 用户 的信息 处理 需求 。 信息 检索 一般对 文本 的语 义不进 行分 析 ，而 由用 户对 文本 的 语 义做 出解释 。信 息抽取 则 由系统 分析 文本 的语义 在此基 础上给 出用 户 需要的信 息 。 二 、信息抽 取 的作用 和意义 作为 一种 新兴发 展起 来的 Ｉｔｒ ｅ 信 息处 理技术 ， ｎｅｎ ｔ 信息抽 取 在众 多领 域表 现 出强大 的功能和 美好 的发 展前景 。 （ ）从 满足 用户信 息需 求 的角度 来看 ，信 息抽取 是其他信 一 息 获取手 段 的一种有 益补 充 随着 Ｉｔ ｒｅ ｎ ｅｎｔ的发 展 ， 如何 从如 此 巨大的 网络信 息源 中获 取 用户 需要 的信 息（ 知识 ） 人工智 能和 Ｉｔｒ ｅ 研 究 的一个主题 。 是 ｎｅ ｎｔ 信 息检 索严格 来说 是文档 检索 、文本分 类 、文本 过滤 、文本聚类 等技 术 ，可 以从一个 大 的文档 集合 中找 出用 户需要 的相 关文档 ， 而 Ｉ 技 术却 可 以从 相关 文档 中抽取 出粒 度更 小的关 系或事 件， Ｅ 满 足用 户 更深层 次和 更细粒 度 的信息 需求 。从这 个意 义上 说，Ｉ Ｅ是