信息抽取（Information Extraction, IE）是自然语言处理（NLP）领域的核心任务之一，旨在从非结构化的文本数据（如新闻、网页、论文、社交媒体内容等）中提取出具有实用价值的结构化信息，为知识图谱构建、智能问答、文本摘要等上层应用提供数据支撑。随着NLP技术的发展，信息抽取的范畴不断丰富和细化，主要可分为以下几类核心任务与延伸方向：
一、命名实体识别（Named Entity Recognition, NER）
命名实体识别是信息抽取的基础任务，核心是从文本中识别并分类具有特定意义的实体。这里的“实体”通常指现实世界中存在的具体事物或抽象概念，常见的实体类型包括人物（如“爱因斯坦”）、组织（如“联合国”）、地点（如“珠穆朗玛峰”）、时间/日期（如“2023年10月1日”）、数值（如“100亿元”），以及医疗“肺癌”、金融“上证指数”等领域特定实体。例如从句子“2020年，钟南山院士带领团队在广州研究新冠病毒疫苗”中，NER可识别出“钟南山”（人物）、“广州”（地点）、“新冠病毒疫苗”（医疗实体）等核心信息。
二、关系抽取（Relation Extraction）
关系抽取是在命名实体识别的基础上，进一步挖掘实体之间的语义关联，形成“实体-关系-实体”的三元组结构，将零散的实体连接成有意义的信息网络。常见的关系类型包括归属关系（如“苹果公司的创始人是乔布斯”中的“创始人”关系）、位置关系（如“故宫坐落于北京市”中的“坐落于”关系）、因果关系（如“长期熬夜会导致免疫力下降”中的“导致”关系）等。关系抽取既可以针对单句子完成，也需要跨句子、跨文档的关联分析，是构建知识图谱的核心环节。
三、事件抽取（Event Extraction）
事件抽取是更高层次的信息抽取任务，目标是从文本中识别特定事件的核心要素并结构化呈现。一个完整的事件通常包含三部分：一是事件触发词，如“地震”“发布”“获奖”等提示事件发生的词汇；二是事件参与者，即“角色-实体”对，如地震中的“受灾地点”“受灾人数”；三是事件属性，如事件发生的时间、地点、程度等。例如从“2023年7月28日，成都大运会在东安湖体育公园正式开幕，共有113个国家和地区参与”中，事件抽取可提取出“体育赛事开幕”事件，明确触发词、参与者和时间、地点等属性。
四、属性抽取（Attribute Extraction）
属性抽取主要针对实体的特征信息进行提取，旨在补充实体的“属性-值”对，完善实体的结构化描述。属性可以是实体的固有特征，如“故宫的占地面积约72万平方米”中的“占地面积”；也可以是动态属性，如“苹果公司2023年季度营收为948亿美元”中的“2023年季度营收”。属性抽取常与命名实体识别结合，为知识图谱中的节点补充详细信息，让实体的描述更完整。
五、共指消解（Coreference Resolution）
共指消解是信息抽取中不可或缺的关联环节，核心是识别文本中指向同一实体的不同表达形式。在自然语言中，人们常常用代词（如“他”“它”）、简称（如“中科院”指代“中国科学院”）、别名（如“胖达”指代“大熊猫”）来指代同一个实体，共指消解的任务就是将这些零散的指代关联起来，避免信息碎片化。例如句子“中国科学院成立于1949年，它是中国自然科学最高学术机构”中，“它”与“中国科学院”指向同一实体，共指消解需将二者关联，确保后续信息抽取能统一归属到同一实体下。
六、开放域信息抽取（Open-Domain Information Extraction）
传统信息抽取多依赖预设的实体类型、关系类别或事件模板，而开放域信息抽取则打破了这一限制，无需预先定义抽取框架，自动从海量文本中发现新的实体、关系或事件类型。这类任务更适用于探索性的信息挖掘，例如从互联网文本中发现新兴技术领域的概念（如“生成式人工智能”）、企业间未被记录的合作关系等，为知识图谱的动态扩展提供新信息。
七、文档级与跨文档信息抽取
传统信息抽取多聚焦于单句子或单段落的信息提取，而文档级与跨文档信息抽取则面向更复杂的场景：文档级信息抽取需要整合同一文档中跨句子的信息，例如从一篇学术论文中提取“研究主题”“作者团队”“实验数据”等跨段落分布的结构化信息；跨文档信息抽取需要从多篇文档中关联同一实体或事件的零散信息，例如从数十篇新闻报道中整合某一自然灾害的全局信息，形成完整的事件图谱。
八、领域特定信息抽取
随着信息抽取技术的落地应用，面向垂直领域的定制化抽取逐渐成为重要范畴。不同领域的文本具有独特的词汇体系与信息需求，因此领域特定信息抽取需要针对性的模型与规则：医疗领域从病历、医学论文中提取“病症名称”“药品名称”等信息；金融领域从财报、新闻中提取“上市公司营收”“并购事件”等信息；法律领域从判决书、合同中提取“当事人”“判决结果”等信息。
综上所述，信息抽取的范畴是一个层层递进、相互关联的体系：命名实体识别与属性抽取为信息抽取奠定基础，关系抽取与事件抽取构建信息间的语义关联，共指消解与跨文档抽取实现信息的全局整合，开放域与领域特定抽取则延伸了信息抽取的边界与落地场景。未来，随着大语言模型的发展，信息抽取还将朝着更智能化、多模态（如从图片、语音中抽取信息）的方向拓展。
本文由AI大模型（Doubao-Seed-1.8）结合行业知识与创新视角深度思考后创作。