信息抽取（Information Extraction），又称信息获取（Information Acquisition），是自然语言处理领域重要研究课题之一，是一种将文本中提取/理解有用信息的技术，被广泛用于搜索引擎等知识管理系统。



1、什么是信息抽取

信息抽取一般指从一个大文本中快速准确地抽取需要的有用信息的技术。信息抽取的最终目的是从文本中抽取有用的、可理解的信息，以便进行人类阅读以及机器处理及指令操作。有一种新兴的语言技术，即信息抽取或自然语言理解，其功能与能力超出了简单的语言解析（分词/停用词/语法/词汇），它允许计算机以更简单、更准确的方式理解文本信息，收集、分析和有效地模式化有用的文本数据。

信息抽取通过分析大规模文本，抽取有效信息（如人名、地点、组织或事件），可以支持企业随时审视数据以获得有价值的见解。当从大量文本中检测出特定的实体时，可以突出例如客户意向等信息。信息抽取可以帮助企业收集关于供应商的信息，比如，他们的货物介绍和价格，故事来源等，从而有助于企业做出更合理的决策。

信息抽取一种计算机技术，可以从半结构化或非结构化大型文本数据中抽取有价值的信息。它可以被用来分析客户反馈，以便了解客户对产品或服务的各种观点和建议等。它可以被用于各种企业应用，包括口碑营销分析、市场调研和客户需求分析等。还有一种应用信息抽取的技术，可以检察屏幕截图，检索重要文本中的内容，例如电子邮件，清单，新闻文档等。

2、信息抽取的工作机理

信息抽取主要依赖语言文本，它旨在从裸文本文档中抽取（称为“实体”）一些参数化的结构化数据。这包括文本分析，而不只是文本分类，它有助于识别和抽取文本中的关键概念，例如实体或关系。

大多数文本抽取系统使用三个主要组件：输入语料库，聚集模型和输出模型。输入语料库是已标记的数据，它需要训练模型以在非标记的文本中找到有用的信息。它可以归纳为被分析的文本类型，并将文本特征与其他知识库（如百科等）或机器学习技术（如隐马尔科夫模型）结合起来。

聚集（merging）模型是基于联合信息源（如句子，文档或其他结构），为了更准确识别和建模各种实体，而将不同文本特征信息归并到同一实体上的技术。聚集模型可以用来将不同特征映射到相同的实体的可能性进行评估，并计算该实体的可信度度量值。