Chapter 8
信
息
抽
取
（
研
究
进
展
、
现
状
&
趋
势
）
什么
是
信
息
抽
取
？
信
息
抽
取
（
Information Extraction
）
是
指
从
⾮
结
构
化
/
半
结
构
化
⽂
本
（
如
⽹
⻚
、
新
闻
、
论
⽂⽂
献
、
微
博
等
），
使
⽤
多
种
技
术
（
如
规
则
⽅
法
、
统
计
⽅
法
、
知
识
挖掘⽅
法
），
提
取
指
定
类
型
的
信
息
（
如
实
体
、
属
性
、
关
系
、
事件
、
商
品
记
录
等
），
并
通过
信
息归并
、
冗
余
消
除
和
冲
突
消
解
等
⼿
段
将
⾮
结
构
化
⽂
本
转
换
为
结
构
化
信
息
，
并
将
这
些信
息
在
不
同
的
层
⾯
进
⾏
集
成
（
知
识
去
重
、
知
识
链
接
、
知
识
系统
构
建
等
）
的
⼀
项
综
合
技
术
。
被
抽
取
出
来
的
信
息
通
常
以
结
构
化
的
形式
描
述
，
可
以为
计
算
机
直
接
处
理
每
⼀
段
⽂
本
内
所
包
含
的
寓
意
可
以
描
述
为
其
中
的
⼀
组
实
体以
及
这
些
实
体
相
互之
间
的
关
联
和
交互
，
抽
取
⽂
本
中
的
实
体
和
它
们之
间
的
语
义
关
系
也
就
成
为了
理
解
⽂
本
意
义
的
基
础
意
义
实
现
对
海
量
⾮
结
构
化
数据
的
分
析
、
组织
、
管
理
、
计
算
、
查
询
和
推
理
，
并
进
⼀
步
为
更
⾼
层
⾯
的
应
⽤
和
任
务
（
如
⾃
然
语⾔
理
解
、
知
识
库
构
建
、
智
能
问
答
系
统
、
舆
情
分
析
系统
）
提
供
⽀撑
。
组织
、
管
理
和
分
析
海
量
⽂
本
信
息
的
核
⼼
技
术
和
重
要
⼿
段
，
是
⼤
数据
时
代
的
使
能
技
术
,
具
有
重
要
的
经
济
和
应
⽤
意
义
构
建
可
⽀撑
类
⼈
推
理
和
⾃
然
语⾔
理
解
的
⼤
规
模
常
识
知
识
库
的
有
效
技
术
之
⼀
应
⽤
如
舆
情
分
析
、
舆
情
监
控
、
⽹络
搜
索
、
智
能
问
答
系统
、
知
识
库
构
建
、
⽂
本
分
析
等
研
究
内
容
命名
实
体
识
别
(Named Entity
Recognition, NER)
⽬的
是
识
别
⽂
本
中
指
定
类
别
的
实
体
，
主
要
包
括
⼈
名
、
地
名
、
机构
名
、
专
有
名
词
等
的
任
务
包
含
部
分
实
体
边
界
识
别
判
断
⼀个
字
符
串
是
否
是
⼀个
实
体
实
体
分
类
将
识
别出
的
实
体
划分到
预
先
给
定
的
不
同
类
别
中
去
主
要
难
点
表
达
不
规
律
、
且
缺
乏
训
练
语
料
的
开
放
域
命名
实
体
类
别
（
如
电
影
、
歌
曲
名
）
关
系
抽
取
(Relation Extraction)
检
测
和
识
别
⽂
本
中
实
体之
间
的
语
义
关
系
，
将
表
示
同
⼀
关
系
的
提
及
（
mention
）
链
接
起
来
的
任
务
输
出
：
通
常
是
⼀个三
元
组
（
实
体
1
，
关
系类
别
，
实
体
2
），
表
示
实
体
1
和
实
体
2
之
间
存
在
特
定
类
别
的
语
义
关
系
例
⼦
：
句
⼦
“
北
京
是
中
国
的
⾸
都
、
政
治
中
⼼
和
⽂
化
中
⼼
”
中
表
述
的
关
系
可
以
表
示
为
（
中
国
，
⾸
都
，
北
京
），（
中
国
，
政
治
中
⼼
，
北
京
）
和
（
中
国
，
⽂
化
中
⼼
，
北
京
）
。
语
义
关
系类
别
可
以
预
先
给
定
（
如
ACE
评
测
中
的
七
⼤
类
关
系
），
也
可
以
按
需
⾃
动
发
现
（
开
放
域
信
息
抽
取
）
核
⼼
模
块
关
系
检
测
判
断
两个
实
体之
间
是
否
存
在
语
义
关
系
关
系
分
类
将存
在
语
义
关
系
的
实
体
对
划分到
预
先
指
定
的
类
别
中
关
系
发
现
（
某
些
场
景
下）
主
要
⽬的
是
发
现
实
体
和
实
体之
间
存
在
的
语
义
关
系
类
别
事件
抽
取
从
⾮
结
构
化
⽂
本
中
抽
取
事件信
息
，
并
将
其
以
结
构
化
形式
呈
现
出
来
的
任
务
例
⼦
：
从
“
⽑
泽
东
1893
年
出
⽣
于
湖
南
湘
潭
”
这
句
话
中
抽
取
事件
{
类
⼈
物
：
⽑
泽
东，
时
间
：
1893
年
，
出
⽣
地
：
湖
南
湘
潭
}
⼦
任
务
事件
类
型
识
别
判
断
⼀
句
话
是
否
表
达
了
特
定
类
型
的
事件
事件
类
型
决
定
了事件
表
示
的
模
板
，不
同
类
型
的
事
件
具
有
不
同
的
模
板
例
如
出
⽣
事件
的
模
板是
{
⼈
物
，
时
间
，
出
⽣
地
}
，
⽽
恐怖
袭
击
事件
的
模
板是
{
地
点
，
时
间
，
袭
击
者
，
受
害
者
，
受
伤⼈
数
,…}
。
事件
元
素
填
充
事件
元
素
指
组
成
事件
的
关
键
元
素
根
据
所
属
的
事件
模
板
，
抽
取
相
应
的
元
素
，
并
为
其
标
上
正
确
元
素
标
签
的
任
务
信
息
集
成
（
Information Integration
）
原
因
实
体
、
关
系
和
事件
分别
表
示
了
单
篇
⽂
本
中
不
同
粒
度
的
信
息
在
很
多
应
⽤
中
，
需
要
将
来
⾃
不
同
数据
源
、
不
同
⽂
本
的
信
息
综
合
起
来
进
⾏
决
策
技
术
共
指
消
解
技
术
检
测
同
⼀
实
体
/
关
系
/
事件
的
不
同
提
及
，
并
将
其
链
接
在
⼀
起
的
任
务
例
如
，
识
别
“
乔
布
斯
是
苹
果
的
创
始
⼈之
⼀，
他
经
历
了
苹
果
公
司
⼏
⼗
年
的
起
落
与
兴
衰
”
这
句
话
中
的
“
乔
布
斯
”
和
“
他
”
指
的
是
同
⼀
实
体
实
体
链
接
技
术
⽬的
是
确
定实
体
名
所指
向
的真
实
世
界
实
体
例
如
识
别
“
苹
果
”
和
“
乔
布
斯
”
分别
指
向
真
实
世
界
中
的
苹
果
公
司和
其
CEO
史
蒂
夫
·
乔
布
斯
关
键
科
学
问题
⾃
然
语⾔表
达
的
多
样
性
、
歧
义
性
和
结
构
性
⽬
标
知
识
的
复
杂
性
、
开
放
性
和
巨
⼤
规
模
多
源
异
构
信
息
的
融
合
与
验
证
信
息
抽
取
⽅
法
根
据
模
型
的
不
同
（
重
点
）
基
于
规
则
的
抽
取
⽅
法
⼀个
基
于
规
则
的
抽
取
系统
通
常
包
括
⼀个
规
则
集
合
和
规
则
执
⾏
引
擎
（
负责
规
则
的
应
⽤
、
冲
突
消
解
、
优
先
级
排
序
和
结
果
归并
）
规
则
系统
在
抽
取可
控
且
表
达
规
范
的
信
息
时
⾮
常
有
效
表
现
形式
：
正
则
表
达
式
、
词
汇
-
语
法
规
则
、
⾯
向
HTML
⻚⾯
抽
取
的
Dom Tree
规
则
等等
抽
取
规
则
可
以
通过
⼈
⼯
编
写
得
到
或
者
使
⽤
学
习
⽅
法
⾃
动
学
习
得
到
抽
取
规
则
的
管
理
、
冲
突
消
解
和
优
先
级
排
序
也
是
基
于
规
则
的
信
息
抽
取
研
究
内
容
原
因
：
为
抽
取
⼀
类
特
定
信
息
，
通
常
需
要
⼀
系
列
相
关
的
抽
取
规
则
，
在
实
际
情
况
中
，
通
常
会
存
在
规
则
相
互
冲
突
或
规
则
不⼀
致
的
情
况
研
究
重
点
、
难
点
重
点
：
构
建
更
⾼
效
的
规
则
执
⾏
引
擎
、
更
⽅
便
的
规
则
开
发
平
台
、
更
具
表
达
能
⼒
的
规
则
表
示
语⾔
难
点
：
如
何
学
习
更
精
准
的
抽
取
规
则
、
如
何
消
除
抽
取
规
则
的
歧
义
、
如
何
⾃
动
评
估
规
则
的
效
果
（
如
Bootstrapping
系统
通
常
会
遇
到
的
语
义
漂
移
问题
）
基
于
统
计
模
型
的
抽
取
⽅
法
通
常
将
信
息
抽
取
任
务
形式
化
为从
⽂
本
输
⼊到
特
定
⽬
标
结
构
的
预
测
，
使
⽤
统
计
模
型
来
建
模
输
⼊
与
输
出
之
间
的
关
联
，
并
使
⽤
机
器
学
习
⽅
法
来
学
习
模
型
的
参
数
。
统
计
⽅
法
最
⼤
熵
分
类
模
型
、
基
于
树核
的
SVM
分
类
模
型
、
隐
⻢
尔
可
夫
模
型
、
条
件
随
机
场
模
型
（
CRF
）
等等
CRF
是
实
体
识
别
的
代
表
性
统
计
模
型
，
它将实
体
识
别
问题
转
化
为
序
列
标
注
问题
；
基
于
树核
的
关
系
抽
取
系统
则
将
关
系
抽
取
任
务
形式
化
为
结
构
化
表
示
的
分
类
问题
。
与
深
度
学
习
结
合
相
⽐
传
统
的
统
计
信
息
抽
取
模
型
，
深
度
学
习
模
型
⽆
需
⼈
⼯定
义
的
特
征
模
板
，
能
够
⾃
动
的
学
习
出
信
息
抽
取
的
有
效
特
征
；
同
时
神
经⽹络
的
深
度
结
构
使
得
深
度
学
习
模
型
具
有更
好
的
表
达
能
⼒
在
标
注
语
料
充
分
的
情
况
下，
深
度
学
习
模
型
往往
能
够
取
得
⽐
传
统
⽅
法
更
好
的
性
能
基
于
⽂
本
挖掘
的
抽
取
⽅
法
根
据
对
监督知
识
的
依
赖
，
信
息
抽
取
⽅
法
可
以
划分
为
⽆
监督
⽅
法
、
弱
监督
⽅
法
、
知
识
监督
⽅
法
和
有
监督
⽅
法
根
据
抽
取
对
象
的
不
同
，
可
以
划分
为
实
体
识
别
⽅
法
、
关
系
抽
取
⽅
法
、
事件
抽
取
⽅
法
Web
中
往往
还
存
在
⼤
量
的
半
结
构
的
⾼
质
量
数据
源
，
这
些
结
构
往
往
蕴
含
有
丰
富
的
语
义信
息
半
结
构
Web
数据
源
上
的
语
义
知
识
获
取
（
knowledge
harvesting
），
如⼤
规
模
知
识
共
享
社
区
（
如
百
度
百
科
、
互
动
百
科
、
维
基
百
科
）上
的
语
义
知
识
抽
取
，
往往
采
⽤
⽂
本
挖掘
的
⽅
法
核
⼼
：
构
建
从
特
定
结
构
（
如
列
表
、
Infobox
）
到
⽬
标
语
义
知
识
（
实
体
、
关
系
、
事件
）
的
映
射
规
则
由
于
映
射
规
则
本
身
可
能
带
有
不
确
定
性
和
歧
义
性
，
同
时
⽬
标
结
构
可
能
会
有
⼀
定
的
噪
⾳
，
⽂
本
挖掘⽅
法
往往
基
于
特
定
算
法
来
对
语
义
知
识
进
⾏评
分
和
过
滤
展
望
：
如
何
结
合
⽂
本
挖掘⽅
法
（
⾯
向半
结
构
化
数据
，
抽
取
出
的知
识
质
量
⾼
但
覆
盖
度
低
）
和
⽂
本
抽
取
⽅
法
（
⾯
向
⾮
结
构
化
数据
，
抽
取
出
的知
识
相
⽐
⽂
本
挖掘⽅
法
质
量
低但
覆
盖
度
⾼
）
的
优
点
，
融
合
来
⾃
不
同
数据
源
的知
识
，
并
将
其
与
现
有
⼤
规
模
知
识
库
集
成
，
是
⽂
本
挖掘⽅
法
的研
究
⽅
向
之
⼀
。
只
从
容
易
获
取
且
具
有明
确
结
构
的
语
料
中
抽
取
知
识
，
抽
取
出
来
的
知
识
质
量
往往
较
⾼
。
但
是
仅仅依
靠
结
构
化
数据挖掘⽆
法
覆
盖
⼈
类
的
⼤
部
分
语
义
知
识
，
现
有
结
构
化
数据
源
只
能
覆
盖
有
限
类
别
的
语
义
知
识
，
相
⽐
⼈
类
的知
识
仍
远远
不
够
局
限
性
在
构
建
成
本
上，
现
有
⾼
质
量
抽
取
系统
往往
依
赖
于
标
注
语
料
，
构
建
成
本
较
⾼
在
构
建
⽅
式
上，
现
有
信
息
抽
取
系统
依
赖
于
许
多
预
处
理
模
块
（
如
分
词
、
词
性
标
注
、
句
法
分
析
等
），
缺
乏
端
到
端
的
⾃
动
构
建
⽅
式
（
随
着
深
度
神
经⽹络
的
使
⽤
，
已
经
有
所
改
善
），
同
时
也
容
易
受
预
处
理
模
块
性
能
的
影
响
在
⾃
适
应性
上，
现
有
抽
取
系统
的
⾃
适
应性
不
强
，
往往
在
更
换
语
料
、
更
换
领
域
、
更
换
知
识
类
别
时
会
有
⼀个
⼤
幅度
的
性
能
下
降
在
系统
的
性
能
上，
现
有
信
息
抽
取
技
术
在
抽
取
复
杂
结
构
（
如
事件
、
Taxonomy
）
时
性
能
仍
然
离
实
⽤
有
⼀
定
距
离
发
展
⽅
向
⾯
向
开
放
域
的
可
扩
展
信
息
抽
取
技
术
现
状
：
现
有
监督
抽
取
模
型
⽆
法
处
理
海
量
异
质
数据
源
上
开
放
性
和
复
杂
知
识
的
抽
取
1.
数据
规
模
上
的
可
扩
展
性
；
2.
数据
源
类
型
上
的
可
扩
展
性
；
3.
领
域
的
可
扩
展
性
；
4.
低
构
建
成
本
（不
能
完
全
依
赖
有
监
督
学
习
，
要
基
于
⽆
监督
技
术
、
弱
监督
技
术
、
知
识
监督
技
术
等
低
成
本构
建
技
术
）
⾃
学
习
、
⾃
适
应
和
⾃
演
化
的
信
息
抽
取
系统
研
究
⾯
向
开
放
域
的
数据
源
，
研
究
⾃
学
习
的
信
息
抽
取
技
术
，
在
极
少
⼈
⼯
⼲
预
下
构
建
⾼
性
能
的
终
⽣
学
习信
息
抽
取
系统
（
Never End Learning System
）
⾯
向
演
化
数据
源
，
研
究
增
量
式
的
信
息
抽
取
技
术
，
实
现
信
息
抽
取
系统
的
性
能⾃
检
测
和
⾃
动
领
域
适
应
研
究
信
息
抽
取
多
任
务
管
理
技
术
，
⾯
向
不
同
数据
源
、
不
同
任
务
，
⾃
动
的
重
⽤
之
前
的
信
息
抽
取
模
块
，
并
利
⽤
⾃
学
习
技
术构
建
⾼
性
能
的
抽
取
系统
研
究
融
合
⼈
、
信
息
、
和
计
算
机
的
信
息
抽
取
技
术
平
台
，
充
分利
⽤
⼈
、
计
算
机
各
⾃
的
优
势
，
⼤
幅
提
⾼
抽
取
结
果
的
可
⽤
性
⾯
向
多
源
异
构
数据
的
信
息
融
合
技
术
原
因
：
1
）
⽬
前
⼤
部
分
信
息
抽
取
系统
抽
取
结
果
都
是
碎
⽚
化
、
分
散
和
不⼀
致
的
，
很
难
构
建
⼀个
完
整
的
、
可
解
释
的
复
杂
知
识
系统
模
型
；
2
）
Web
⽂
本
规
模
巨
⼤
，
质
量
参
差
不
⻬
，
导
致
信
息
抽
取
的
结
果
存
在
冗
余
、
冲
突
和
错
误
，
并
存
在
⼀
定
程
度
的
不
确
定
性
⽬的
：
去
除
信
息
抽
取
结
果
的
冗
余
、
冲
突
和
错
误
，
并
减
少
信
息
抽
取
结
果
的
不
确
定
性
；
通过
将
抽
取
出
来
的知
识
碎
⽚
组
装
成
⼀个
完
整
的
全
局
系统
，
信
息
融
合
技
术
可
以
帮
助
我
们
构
建
⼀个
完
整
的
、
解
释
性
的知
识
系统
，
进
⽽
⽀撑
更
⾼
层
的
智
能
应
⽤
，
如
医
学
药
物
分
析
、
经
济
系统
分
析
等等
研
究
包
括
跨
⽂
档
、
跨
语⾔
和
跨
媒
体
三个
层
次
上
的
融
合
技
术
，
包
括
信
息
置
信
度
衡
量
、
冗
余信
息
去
除
、
解
决
信
息
之
间
的
冲
突
、
减
少
抽
取
信
息
的
不
确
定
性
，
并
构
建
⾃
动
的
缺
失
信
息
检
测
和
补
全
技
术
研
究
信
息
融
合
的
全
局
机
制
，
探
索
基
于信
息
融
合
的
复
杂
知
识
模
型
构
建
，
如基
于
本
体
关
系
的知
识
图
谱
，
基
于
因
果
关
系
的
复
杂
因
果
⽹络
，
等等
评论0
最新资源