This HTML5 document contains 265 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n11http://dbpedia.org/resource/Template:
n29http://el.dbpedia.org/resource/
n34http://sv.dbpedia.org/resource/
n19http://en.wikipedia.org/wiki/
voidhttp://rdfs.org/ns/void#
dbpediahttp://dbpedia.org/resource/
n32http://ar.dbpedia.org/resource/
schemahttp://schema.org/
n13https://demo.openlinksw.com/about/id/entity/http/dbpedia.org/resource/
n4http://demo.openlinksw.com/about/id/entity/https/dbpedia.org/data/
dctermshttp://purl.org/dc/terms/
n24http://cs.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
n37http://www.gabormelli.com/RKB/
n28http://az.dbpedia.org/resource/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n38http://alias-i.com/lingpipe/web/
dbpprophttp://dbpedia.org/property/
n30http://eu.dbpedia.org/resource/
n15http://demo.openlinksw.com/sparql/
xsdhhttp://www.w3.org/2001/XMLSchema#
n9http://demo.openlinksw.com/about/id/entity/http/dbpedia.org/resource/
dbpedia-owlhttp://dbpedia.org/ontology/
n27http://sr.dbpedia.org/resource/
n31http://ja.dbpedia.org/resource/
categoryhttp://dbpedia.org/resource/Category:
n25http://de.dbpedia.org/resource/
n33http://ru.dbpedia.org/resource/
n23http://www.wikidata.org/entity/
n26https://global.dbpedia.org/id/
n20http://dbpedia.org/resource/Information_extraction#
provhttp://www.w3.org/ns/prov#
foafhttp://xmlns.com/foaf/0.1/
n35http://zh.dbpedia.org/resource/
wdrshttp://www.w3.org/2007/05/powder-s#
n36http://fa.dbpedia.org/resource/
n22http://es.dbpedia.org/resource/
fbasehttp://rdf.freebase.com/ns/
owlhttp://www.w3.org/2002/07/owl#

Statements

Subject Item
dbpedia:Information_extraction
rdf:type
schema:CreativeWork
rdfs:label
Information extraction Informationsextraktion 信息抽取 Extracción de la información Εξαγωγή πληροφοριών Informationsextraktion استخراج المعلومات (ذكاء اصطناعي) Извлечение информации Informazio erauzketa 情報抽出 Extrakce informací
rdfs:comment
Извлечение информации (англ. information extraction) — это задача автоматического извлечения (построения) структурированных данных из неструктурированных или слабоструктурированных машиночитаемых документов. * MUC-1 (1987), MUC-2 (1989): Военно-морские операции. * MUC-3 (1991), MUC-4 (1992): Терроризм в латиноамериканских странах. * MUC-5 (1993): Венчурные операции в области микроэлектроники. * MUC-6 (1995): Новостные статьи об изменениях в управляющих процессах. * MUC-7 (1998): Отчёты о запусках спутников. Типичные подзадачи извлечения информации: Extrakce informací (anglicky information extraction; IE) je typ vyhledávání informací, jehož cílem je automaticky vypsat strukturované nebo polostrukturované informace z nestrukturovaných strojově čitelných dokumentů. Typickým příkladem IE je skenování sérii dokumentů napsaných v přirozeném jazyce a se získanými informacemi zaplnění databáze. Aktuální přístup k IE využívá techniky zpracování přirozeného jazyka, ta těží na velmi omezených oblastech. Například Message Understanding Conference (MUC) je mítinkově založená konference, která se soustředí na oblasti v minulosti: 情報抽出 (Information Extraction; IE) は非構造化文書と機械が読み取れる (machine-readableな) 半構造化文書の両方またはいずれから自動的に構造化データを抽出するタスクである。 多くの場合、この作業は人間の言葉で書かれた文書を自然言語処理 (Natural Language Processing; NLP) の手法を用いて処理することを指す。画像・音楽・動画の自動アノテーションやコンテンツ抽出のような、近年のマルチメディア文書の処理もまた情報抽出として捉えられる。 その問題の難しさから、IEに対する現在のアプローチは狭く制限されたドメインに焦点を当てている。例として、ニュースサービスの企業合併についての報道からの情報抽出があり、次のようなフォーマルな関係による情報 , を次のようなニュース文 "Yesterday, New York based Foo Inc. announced their acquisition of Bar Corp." から抜き出す。 IEの広い目標は、蓄積された非構造化データのうえで処理を行えるようにすることである。より具体的な目標は、入力データの論理的内容に基づいて推論を行う論理的推論を可能にすることである。 La extracción de la información (de sus siglas en inglés IE, Information Extraction) es un tipo de recuperación de la información cuyo objetivo es extraer automáticamente información estructurada o semiestructurada desde documentos legibles por una computadora. El objetivo es procesar estos documentos con un software de procesamiento de lenguaje natural (NLP) para extraer información útil de ellos. Esta tarea es muy compleja ya que estos programas suelen operar con unos dominios muy restringidos. Lo que dificulta extraer la información de textos con un lenguaje poco formal o imágenes. Informationsextraktion (engelska Information Extraction) innebär inom informationsteknik att information i datorlagrad form läses ut med hjälp av olika tekniker och teknologier. Informationsextraktion är ett med informationssökning närbesläktat forskningsområde inom informationsåtkomst och språkteknologi. Informationsextraktion bygger på automatisk textförståelse, men förståelse bara av ett begränsat ämnesområde. Eftersom mänskliga språk är variationsrika är informationsextraktion svår att utföra med både god täckning och god precision. Om användaren kan finna sig i lägre täckning ger dock informationsextraktionssystem idag mycket god precision och höga prestanda. Forskningsområdet är ett av de första viktiga tillämpningsområdena för språkteknologi och har i hög grad definierats genom konf Information extraction (IE) is the task of automatically extracting structured information from unstructured and/or semi-structured machine-readable documents and other electronically represented sources. In most of the cases this activity concerns processing human language texts by means of natural language processing (NLP). Recent activities in multimedia document processing like automatic annotation and content extraction out of images/audio/video/documents could be seen as information extraction , from an online news sentence such as: 信息抽取（Information Extraction，簡稱IE，又譯資訊擷取技術）主要是從大量文字資料中自動抽取特定訊息（Particular Information），以作為資料庫存取（Database Access）之用的技術。 信息抽取的一個廣泛目標是允許對以往非結構化的資料去做計算，具體來說就是要允許邏輯推理能對輸入資料的邏輯內容可以舉一反三。其意義在於決定了例如在網際網路上其非結構化（例：不包含元數據）形式中有用資訊數量的成長。在這方面的技術上是透過轉換到關係形式或是經由XML標籤的標記來達到更多的可存取性──一個智慧型代理程序，監督一新聞資料饋流，需要資訊擷取技術來轉換非結構化資料到某種可推論的方式。 استخراج المعلومات (آي أي) هو نوع من استرجاع المعلومات التي تهدف إلى استخراج تلقائيا من الوثائق غير المهيكلة ، بشكل عام استخراج المعلومات المهيكلة من نصوص اللغات البشرية عن طريق معالجة اللغة الطبيعية. ونظرا لصعوبة المشكلة، فإن النهج الحالي لاستخراج المعلومات هو التركيز على مجالات محدودة ضيقة. ومن الأمثلة على ذلك هو الاستخراج من تقارير وكالات الأنباءمن عمليات الدمج بين الشركات، كما توضح العلاقة التالية: دمج_بين(الشركة_1، الشركة_2، تاريخ)، من الجملة الأخبارية على الإنترنت مثل: امس، أعلنت شركة غزل النسيج المحدودة عن حصولها على شركة الاقطان العربية. Informazio erauzketa (ingelesez, Information Extraction edo IE) informatikaren alor bat da, ordenagailu batek irakur ditzakeen dokumentuetatik informazio zehatz batzuk formatu egituratu edo erdi-egituratuan ateratzea helburu duena. Bilatutako informazioa edukiko duten esaldi mota batzuk detektatzeko patroiak eta tresna sintaktiko-semantikoak erabiltzen dira entitate, erlazio edota gertaerei buruzko informazioa lortzeko, domeinu mugatu baten dokumentuen artean. Domeinu batzuk hauek dira: enpresa-erabakiak, administrazioa, medikuntza, sal-erosketak, zaintza teknologikoa, (opinion mining), militarra... Gehienetan Intranet mailan erabiltzen da, dokumentu multzo mugatu baten gainean, bilaketa eremua ez da izaten Internet osoa. Η εξαγωγή ή εξόρυξη πληροφοριών είναι ένα είδος ανάκτησης πληροφοριών από μη ή ημιδομημένα δεδομένα (unstructured or semi-structured data – τυπικά κείμενα γραμμένα σε φυσική γλώσσα, ιστοσελίδες κ.α.) και αποτελεί κλάδο της σύγχρονης Επιστήμης των υπολογιστών. Είναι βασισμένη στην τεχνολογία της Επεξεργασίας του φυσικού λόγου. Unter Informationsextraktion (engl. Information Extraction, IE) versteht man die ingenieursmäßige Anwendung von Verfahren aus der praktischen Informatik, der künstlichen Intelligenz und der Computerlinguistik auf das Problem der automatischen maschinellen Verarbeitung von unstrukturierter Information mit dem Ziel, Wissen bezüglich einer im Vorhinein definierten Domäne zu gewinnen. Ein typisches Beispiel ist die Extraktion von Informationen über Firmenzusammenschlüsse (engl. merger events), wobei etwa aus Online-Nachrichten Instanzen der Relation merge(Firma1, Firma2, Datum) extrahiert werden. Der Informationsextraktion kommt eine große Bedeutung zu, da viele Informationen in unstrukturierter (nicht relational modellierter) Form vorliegen, zum Beispiel im Internet, und dieses Wissen durch
owl:sameAs
fbase:m.021w4h dbpedia:Information_extraction n20:this n22:Extracción_de_la_información n23:Q1662562 n24:Extrakce_informací n25:Informationsextraktion n26:dfnD n27:Екстракција_информација n28:İnformasiya_çıxarma n29:Εξαγωγή_πληροφοριών n30:Informazio_erauzketa n31:情報抽出 n32:استخراج_المعلومات_(ذكاء_اصطناعي) n33:Извлечение_информации n34:Informationsextraktion n35:信息抽取 n36:استخراج_اطلاعات
foaf:topic
dbpedia:Jerry_Hobbs dbpedia:Cross-language_information_retrieval dbpedia:DARPA_TIPSTER_Program dbpedia:Full-text_search dbpedia:Natural-language_understanding dbpedia:Ontology_learning dbpedia:Truth_discovery dbpedia:Outline_of_library_science dbpedia:Outline_of_artificial_intelligence dbpedia:Evaluation_of_binary_classifiers dbpedia:Glossary_of_artificial_intelligence dbpedia:Faceted_search dbpedia:Machine_translation dbpedia:Text_graph dbpedia:Laboratoire_d'informatique_pour_la_mécanique_et_les_sciences_de_l'ingénieur dbpedia:Search_engine_indexing dbpedia:Culturomics dbpedia:Text_mining dbpedia:Enterprise_search dbpedia:Natural_language_processing dbpedia:Collaborative_filtering dbpedia:Ontology_(information_science) dbpedia:Apache_Lucene dbpedia:Apache_Nutch dbpedia:Language_Technologies_Institute dbpedia:Abstract_interpretation dbpedia:Terminology_extraction dbpedia:Artur_d'Avila_Garcez dbpedia:Automatic_content_extraction dbpedia:Apache_cTAKES dbpedia:Biomedical_text_mining dbpedia:CiteSeerX dbpedia:Automatic_taxonomy_construction dbpedia:BioCreative dbpedia:Legal_informatics dbpedia:International_Conference_on_Computational_Linguistics_and_Intelligent_Text_Processing dbpedia:Named-entity_recognition dbpedia:Data-centric_programming_language dbpedia:Data-intensive_computing dbpedia:Google_Squared dbpedia:Grammatical_Framework dbpedia:FrameNet dbpedia:Glossary_of_library_and_information_science dbpedia:Diffeo_(company) dbpedia:WordNet dbpedia:Ie dbpedia:Data_mining dbpedia:IndoWordNet dbpedia:Graphical_model dbpedia:IBM_SystemT dbpedia:Kernel_method dbpedia:Language_Computer_Corporation dbpedia:Information_Extraction dbpedia:Mallet_(software_project) dbpedia:Lemmatisation dbpedia:Link_grammar dbpedia:Contact_scraping dbpedia:Concept_mining dbpedia:Dan_Roth dbpedia:Data_extraction dbpedia:Concept_search dbpedia:Diana_Maynard dbpedia:Document_Exploitation dbpedia:Deductive_database dbpedia:Deep_linguistic_processing dbpedia:Extraction dbpedia:Filtered-popping_recursive_transition_network dbpedia:Enterprise_information_access dbpedia:Temporal_annotation dbpedia:Text_nailing dbpedia:Semantic_analysis_(machine_learning) dbpedia:Systems_biology dbpedia:Toponym_resolution dbpedia:UIMA dbpedia:Textual_entailment n19:Information_extraction dbpedia:Word2vec dbpedia:András_Kornai dbpedia:Message_Understanding_Conference dbpedia:MetaCarta dbpedia:Data_scraping dbpedia:Maximum-entropy_Markov_model dbpedia:Amit_Sheth dbpedia:MeaningCloud dbpedia:Carnegie_Mellon_University dbpedia:NooJ dbpedia:Named_entity dbpedia:Multi-document_summarization dbpedia:Noisy_text_analytics dbpedia:Open_information_extraction dbpedia:Timeline_of_artificial_intelligence dbpedia:National_Centre_for_Text_Mining dbpedia:Nogacom dbpedia:Predictive_analytics dbpedia:General_Architecture_for_Text_Engineering dbpedia:Relationship_extraction dbpedia:Entity_linking dbpedia:Optical_character_recognition dbpedia:SemEval dbpedia:Datalog dbpedia:Semantic_parsing dbpedia:Transderivational_search dbpedia:Comparison_shopping_website dbpedia:Daniel_S._Weld dbpedia:Information_filtering_system dbpedia:Elasticsearch dbpedia:Automatic_summarization dbpedia:Business_intelligence dbpedia:AUTINDEX dbpedia:Rohini_Kesavan_Srihari dbpedia:Stop_word dbpedia:Index_of_robotics_articles dbpedia:Supervised_learning dbpedia:List_of_SRI_International_people dbpedia:Andrew_McCallum dbpedia:Outline_of_natural_language_processing dbpedia:Knowledge_extraction dbpedia:DBpedia dbpedia:Social_information_seeking dbpedia:Center_for_Intelligent_Information_Retrieval dbpedia:Cheminformatics
wdrs:describedby
n4:Tim_Berners-Lee.rdf n9:DBpedia n9:Semantic_Web n13:Tim_Berners-Lee n9:Internet n9:Knowledge_extraction n9:Information_retrieval
dcterms:subject
category:Artificial_intelligence category:Natural_language_processing
foaf:isPrimaryTopicOf
n19:Information_extraction
schema:url
dbpedia:Information_extraction
schema:mainEntity
n9:Information_extraction
void:sparqlEndpoint
n15:
dbpedia-owl:abstract
Information extraction (IE) is the task of automatically extracting structured information from unstructured and/or semi-structured machine-readable documents and other electronically represented sources. In most of the cases this activity concerns processing human language texts by means of natural language processing (NLP). Recent activities in multimedia document processing like automatic annotation and content extraction out of images/audio/video/documents could be seen as information extraction Due to the difficulty of the problem, current approaches to IE focus on narrowly restricted domains. An example is the extraction from newswire reports of corporate mergers, such as denoted by the formal relation: , from an online news sentence such as: "Yesterday, New York based Foo Inc. announced their acquisition of Bar Corp." A broad goal of IE is to allow computation to be done on the previously unstructured data. A more specific goal is to allow logical reasoning to draw inferences based on the logical content of the input data. Structured data is semantically well-defined data from a chosen target domain, interpreted with respect to category and context. Information Extraction is the part of a greater puzzle which deals with the problem of devising automatic methods for text management, beyond its transmission, storage and display. The discipline of information retrieval (IR) has developed automatic methods, typically of a statistical flavor, for indexing large document collections and classifying documents. Another complementary approach is that of natural language processing (NLP) which has solved the problem of modelling human language processing with considerable success when taking into account the magnitude of the task. In terms of both difficulty and emphasis, IE deals with tasks in between both IR and NLP. In terms of input, IE assumes the existence of a set of documents in which each document follows a template, i.e. describes one or more entities or events in a manner that is similar to those in other documents but differing in the details. An example, consider a group of newswire articles on Latin American terrorism with each article presumed to be based upon one or more terroristic acts. We also define for any given IE task a template, which is a(or a set of) case frame(s) to hold the information contained in a single document. For the terrorism example, a template would have slots corresponding to the perpetrator, victim, and weapon of the terroristic act, and the date on which the event happened. An IE system for this problem is required to “understand” an attack article only enough to find data corresponding to the slots in this template. Η εξαγωγή ή εξόρυξη πληροφοριών είναι ένα είδος ανάκτησης πληροφοριών από μη ή ημιδομημένα δεδομένα (unstructured or semi-structured data – τυπικά κείμενα γραμμένα σε φυσική γλώσσα, ιστοσελίδες κ.α.) και αποτελεί κλάδο της σύγχρονης Επιστήμης των υπολογιστών. Είναι βασισμένη στην τεχνολογία της Επεξεργασίας του φυσικού λόγου. Извлечение информации (англ. information extraction) — это задача автоматического извлечения (построения) структурированных данных из неструктурированных или слабоструктурированных машиночитаемых документов. Извлечение информации является разновидностью информационного поиска, связанного с обработкой текста на естественном языке. Примером извлечения информации может быть поиск деловых визитов — формально это записывается так: НанеслиВизит(Компания-Кто, Компания-Кому, ДатаВизита), — из новостных лент, таких как: «Вчера, 1 апреля 2007 года, представители корпорации Пепелац Интернэшнл посетили офис компании Гравицап Продакшнз». Главная цель такого преобразования — возможность анализа изначально «хаотичной» информации с помощью стандартных методов . Более узкой целью может служить, например, задача выявить логические в описанных в тексте событиях. В современных информационных технологиях роль такой процедуры, как извлечение информации, всё больше возрастает — из-за стремительного увеличения количества неструктурированной (без метаданных) информации, в частности, в Интернете. Эта информация может быть сделана более структурированной посредством преобразования в реляционную форму или добавлением XML разметки. При мониторинге новостных лент с помощью интеллектуальных агентов как раз и потребуются методы извлечения информации и преобразования её в такую форму, с которой будет удобнее работать позже. Типичная задача извлечения информации: просканировать набор документов, написанных на естественном языке, и наполнить базу данных выделенной полезной информацией. Современные подходы извлечения информации используют методы обработки естественного языка, направленные лишь на очень ограниченный набор тем (вопросов, проблем) — часто только на одну тему. Например, «Конференция по Пониманию сообщений» (en:Message Understanding Conference, MUC) — это конференция соревновательного характера и в прошлом она фокусировалась на таких вопросах: * MUC-1 (1987), MUC-2 (1989): Военно-морские операции. * MUC-3 (1991), MUC-4 (1992): Терроризм в латиноамериканских странах. * MUC-5 (1993): Венчурные операции в области микроэлектроники. * MUC-6 (1995): Новостные статьи об изменениях в управляющих процессах. * MUC-7 (1998): Отчёты о запусках спутников. Тексты на естественном языке могут потребовать некоего предварительного преобразования на язык (например, RDF — Resource Description Framework), понятный для компьютера. Типичные подзадачи извлечения информации: * Распознавание именованных элементов (сущностей), например: имён людей, названий организаций, географических названий, событий, временны́х и денежных обозначений и пр. * Разрешение анафоры и : поиск связей, относящихся к одному и тому же объекту. Типичный случай таких ссылок — местоименная анафора. * Выделение терминологии: нахождение для данного текста ключевых слов и словосочетаний (коллокаций). * : выделение из текста смысловой, эмотивной, оценочной и пр. информации. Бывает генеративным и декларативным. استخراج المعلومات (آي أي) هو نوع من استرجاع المعلومات التي تهدف إلى استخراج تلقائيا من الوثائق غير المهيكلة ، بشكل عام استخراج المعلومات المهيكلة من نصوص اللغات البشرية عن طريق معالجة اللغة الطبيعية. ونظرا لصعوبة المشكلة، فإن النهج الحالي لاستخراج المعلومات هو التركيز على مجالات محدودة ضيقة. ومن الأمثلة على ذلك هو الاستخراج من تقارير وكالات الأنباءمن عمليات الدمج بين الشركات، كما توضح العلاقة التالية: دمج_بين(الشركة_1، الشركة_2، تاريخ)، من الجملة الأخبارية على الإنترنت مثل: امس، أعلنت شركة غزل النسيج المحدودة عن حصولها على شركة الاقطان العربية. الهدف الاشمل لعملية استخراج المعلومات هو السماح للمعالجة الحاسوبية ان تتم سلفا على البيانات غير الهيكلية. وثمة هدف أكثر تحديدا هو السماح للتفكير المنطقي أن يقوم بالاستدلال على أساس المحتوى المنطقي للبيانات المدخلة. البيانات الهيكلية هي بيانات واضحة المعالم دلاليا من المجال المختار، تم تفسيره بدقة وعناية وفقا للتصنيف والسياق. Extrakce informací (anglicky information extraction; IE) je typ vyhledávání informací, jehož cílem je automaticky vypsat strukturované nebo polostrukturované informace z nestrukturovaných strojově čitelných dokumentů. Typickým příkladem IE je skenování sérii dokumentů napsaných v přirozeném jazyce a se získanými informacemi zaplnění databáze. Aktuální přístup k IE využívá techniky zpracování přirozeného jazyka, ta těží na velmi omezených oblastech. Například Message Understanding Conference (MUC) je mítinkově založená konference, která se soustředí na oblasti v minulosti: * MUC-1 (1987), MUC-2 (1989): Zpráva námořní operace. * MUC-3 (1991), MUC-4 (1992): Terorismus v zemích latinské Ameriky. * MUC-5 (1993): Spojení spekulací a mikroelektronické oblasti. * MUC-6 (1995): Novinky ve změnách managementu. * MUC-7 (1998): Záznam vypuštění satelitu. Typické podúkoly IE jsou: * : rozpoznávání jmen (lidé a organizace), názvy míst, časové vyjádření, a určitý typ číselných výrazů. * Určení : identifikace řetězu jmenných frází, které odkazují na identický objekt. Informationsextraktion (engelska Information Extraction) innebär inom informationsteknik att information i datorlagrad form läses ut med hjälp av olika tekniker och teknologier. Informationsextraktion är ett med informationssökning närbesläktat forskningsområde inom informationsåtkomst och språkteknologi. Informationsextraktion bygger på automatisk textförståelse, men förståelse bara av ett begränsat ämnesområde. Eftersom mänskliga språk är variationsrika är informationsextraktion svår att utföra med både god täckning och god precision. Om användaren kan finna sig i lägre täckning ger dock informationsextraktionssystem idag mycket god precision och höga prestanda. Forskningsområdet är ett av de första viktiga tillämpningsområdena för språkteknologi och har i hög grad definierats genom konferensserien MUC (Message Understanding Conferences, 1987-1998) finansierad av Förenta Staternas statsförvaltning. 情報抽出 (Information Extraction; IE) は非構造化文書と機械が読み取れる (machine-readableな) 半構造化文書の両方またはいずれから自動的に構造化データを抽出するタスクである。 多くの場合、この作業は人間の言葉で書かれた文書を自然言語処理 (Natural Language Processing; NLP) の手法を用いて処理することを指す。画像・音楽・動画の自動アノテーションやコンテンツ抽出のような、近年のマルチメディア文書の処理もまた情報抽出として捉えられる。 その問題の難しさから、IEに対する現在のアプローチは狭く制限されたドメインに焦点を当てている。例として、ニュースサービスの企業合併についての報道からの情報抽出があり、次のようなフォーマルな関係による情報 , を次のようなニュース文 "Yesterday, New York based Foo Inc. announced their acquisition of Bar Corp." から抜き出す。 IEの広い目標は、蓄積された非構造化データのうえで処理を行えるようにすることである。より具体的な目標は、入力データの論理的内容に基づいて推論を行う論理的推論を可能にすることである。 Informazio erauzketa (ingelesez, Information Extraction edo IE) informatikaren alor bat da, ordenagailu batek irakur ditzakeen dokumentuetatik informazio zehatz batzuk formatu egituratu edo erdi-egituratuan ateratzea helburu duena. Bilatutako informazioa edukiko duten esaldi mota batzuk detektatzeko patroiak eta tresna sintaktiko-semantikoak erabiltzen dira entitate, erlazio edota gertaerei buruzko informazioa lortzeko, domeinu mugatu baten dokumentuen artean. Domeinu batzuk hauek dira: enpresa-erabakiak, administrazioa, medikuntza, sal-erosketak, zaintza teknologikoa, (opinion mining), militarra... Gehienetan Intranet mailan erabiltzen da, dokumentu multzo mugatu baten gainean, bilaketa eremua ez da izaten Internet osoa. La extracción de la información (de sus siglas en inglés IE, Information Extraction) es un tipo de recuperación de la información cuyo objetivo es extraer automáticamente información estructurada o semiestructurada desde documentos legibles por una computadora. Una aplicación típica de IE es el escaneado de una serie de documentos escritos en una lengua natural y rellenar una base de datos con la información extraída. Estos textos pueden estar en forma semiestructurada o desestructurada. Estos documentos pueden ser muy variopintos desde artículos de prensa hasta informes científicos que en general están escritos en un lenguaje humano. Las tendencias actuales en relación con la IE utilizan técnicas de procesamiento de lenguaje natural que se centran en áreas muy restringidas. El objetivo es procesar estos documentos con un software de procesamiento de lenguaje natural (NLP) para extraer información útil de ellos. Esta tarea es muy compleja ya que estos programas suelen operar con unos dominios muy restringidos. Lo que dificulta extraer la información de textos con un lenguaje poco formal o imágenes. Por ejemplo, la Message Understanding Conference (MUC), o Conferencia para la Comprensión de Mensajes es una competición que se ha centrado en los siguientes aspectos durante los últimos años: * MUC-1 1987, MUC-2 1989: Mensajes para operaciones navales. * MUC-3 1991: Terrorismo en países latinoamericanos. * MUC-5 1993: Microelectrónica. * MUC-6 1995: Nuevos artículos a cerca de los cambios en la gerencia. * MUC-7 1998: Informes de lanzamiento de satélites. 信息抽取（Information Extraction，簡稱IE，又譯資訊擷取技術）主要是從大量文字資料中自動抽取特定訊息（Particular Information），以作為資料庫存取（Database Access）之用的技術。 信息抽取的一個廣泛目標是允許對以往非結構化的資料去做計算，具體來說就是要允許邏輯推理能對輸入資料的邏輯內容可以舉一反三。其意義在於決定了例如在網際網路上其非結構化（例：不包含元數據）形式中有用資訊數量的成長。在這方面的技術上是透過轉換到關係形式或是經由XML標籤的標記來達到更多的可存取性──一個智慧型代理程序，監督一新聞資料饋流，需要資訊擷取技術來轉換非結構化資料到某種可推論的方式。 Unter Informationsextraktion (engl. Information Extraction, IE) versteht man die ingenieursmäßige Anwendung von Verfahren aus der praktischen Informatik, der künstlichen Intelligenz und der Computerlinguistik auf das Problem der automatischen maschinellen Verarbeitung von unstrukturierter Information mit dem Ziel, Wissen bezüglich einer im Vorhinein definierten Domäne zu gewinnen. Ein typisches Beispiel ist die Extraktion von Informationen über Firmenzusammenschlüsse (engl. merger events), wobei etwa aus Online-Nachrichten Instanzen der Relation merge(Firma1, Firma2, Datum) extrahiert werden. Der Informationsextraktion kommt eine große Bedeutung zu, da viele Informationen in unstrukturierter (nicht relational modellierter) Form vorliegen, zum Beispiel im Internet, und dieses Wissen durch Informationsextraktion besser erschließbar wird.
dbpedia-owl:wikiPageExternalLink
n37:Information_Extraction_Task n38:competition.html
dbpedia-owl:wikiPageID
383162
dbpedia-owl:wikiPageLength
19967
dbpedia-owl:wikiPageRevisionID
979194255
dbpedia-owl:wikiPageWikiLink
dbpedia:DARPA dbpedia:Joint_venture dbpedia:Data_extraction dbpedia:Wrapper_(data_mining) dbpedia:Context_(language_use) dbpedia:Coreference dbpedia:Unsupervised_learning dbpedia:Conditional_random_field category:Natural_language_processing dbpedia:Naive_Bayes_classifier dbpedia:ClearForest dbpedia:Concept_mining category:Artificial_intelligence dbpedia:Multinomial_logistic_regression dbpedia:Knowledge_extraction dbpedia:Message_Understanding_Conference dbpedia:Electronic_communication_network dbpedia:Maximum-entropy_Markov_model dbpedia:Recurrent_neural_network dbpedia:Relationship_extraction dbpedia:Principle_of_maximum_entropy dbpedia:Open_information_extraction dbpedia:Faceted_search dbpedia:DARPA_TIPSTER_Program dbpedia:Hidden_Markov_model dbpedia:Information_explosion dbpedia:Tim_Berners-Lee dbpedia:Knowledge_base dbpedia:Machine_learning dbpedia:Machine-readable_data dbpedia:List_of_emerging_technologies dbpedia:Ontology_learning dbpedia:Michelle_Obama dbpedia:Outline_of_artificial_intelligence dbpedia:Name_resolution_(semantics_and_text_extraction) dbpedia:Named-entity_recognition dbpedia:World_Wide_Web dbpedia:Thomson_Reuters dbpedia:Natural_Language_Toolkit dbpedia:Barack_Obama dbpedia:XML dbpedia:DBpedia dbpedia:Terminology_extraction dbpedia:Text_mining dbpedia:Semantic_translation dbpedia:Web_scraping dbpedia:Natural_language dbpedia:Reuters dbpedia:Metadata dbpedia:Unstructured_data dbpedia:Relational_database dbpedia:Applications_of_artificial_intelligence dbpedia:Semantic_Web dbpedia:Natural_language_processing dbpedia:Internet dbpedia:Multimedia dbpedia:Enterprise_search dbpedia:General_Architecture_for_Text_Engineering dbpedia:Apache_Nutch dbpedia:Anaphora_(linguistics) dbpedia:Information_retrieval dbpedia:Text_corpus dbpedia:Apache_OpenNLP dbpedia:Supervised_learning dbpedia:Text_simplification dbpedia:Logical_reasoning dbpedia:Mallet_(software_project)
prov:wasDerivedFrom
n19:Information_extraction?oldid=979194255&ns=0
dbpprop:wikiPageUsesTemplate
n11:Colend n11:Short_description n11:Citation_needed n11:Colbegin n11:Refimprove n11:When