信息抽取研究现状.pdfVIP

《现代图书情报技术》 2006年 第3期 信息检索技术 总第134期 信息抽取系统的研究现状 邓尚民 孙玉伟 (山东理工大学科技信息研究所 淄博 255049) 摘【要】 对信息抽取的概念和发展状况做了论述，介绍了国内外信息抽取系统发展状况，指出了存在的问 题以及相应的解决方案，最后对中文信息抽取系统的建设提出了几点建议。 【关键词】信息抽取 信息抽取系统 评估 可移植性 开放域 【分类号J TP391 G350．7 A SurveyonInformationExtractionSystem DengShangmin SunYuwei (InstituteofScientfiicandTechnicalInformationofShandong UniversityofTechnology，Zibo255049，China) 【Abstract】ThepaperpresentstheconceptanddevelopmentsituationofIEandintroducesIEsystemsofforeign countriesaswellasthatofChina，pointingouttheproblemsexistingintheconstructionofIEsystem andgivingsome solutionstothem．Finally，afewsuggestionsaremadefortheconstructionofChineseIEsystem． 【Keywords】 Informationextraction Informationextractionsystem Evaluation Portability Open-domain PA)发起 ，MUC从 1987年到 1998年已经举办7届，它的 1 信息抽取概述 任务主要是建立信息抽取系统的评价指标体系；自动内 关于信息抽取的概念有多种描述方式。1997年， 容抽取(AutomaticContentExtraction，ACE)评测会议是由 Proteus工程的创建者 Grishman描述信息抽取的概念： 美国国家标准技术研究所 (NIST)组织的l3J，随着MUC “信息抽取涉及到为从文本中选择出的信息创建一个结 会议的停办，ACE评测 1999年7月开始酝酿，2000年 12 构化的表示形式 (比如：数据库)¨_I’，微软亚洲研究院 月正式开始启动，到2005年 11月已经发展到第三个阶 2005年信息抽取技术暑期研讨班将信息抽取的概念描述 段的评估，详细 日程见表2。ACE研究的主要内容是从 为：“信息抽取是抽取和链接基于用户详细说明的相关信 新闻语料中自动抽取实体、关系、事件等内容。目前ACE 息的过程”。结合种种对信息抽取概念的描述，以及过去 评测主要有两大任务：实体识别 (EntityDetectionand 2O年里一系列的消息理解会议 (MessageUnderstanding Recognition，EDR)和关系识别 (RelationDetectionand Conference，MUC)对信息抽取的讨论l J，我们可以将信 Recognition，RDC)。MET是 由Tipster公司1996年发起， 息抽取的概念界定为：(文本)信息抽取(InformationEx— 专门致力于 日语、汉语、西班牙语的命名实体识别L8J。 traction，IE)是指从一段文本中抽取指定的一类信息(例 2 国外的信息抽取系统的研究 如