隨著信息數(shù)量的驟然增加，消費(fèi)者要想找出有用信息需要消耗大量精力.因此對(duì)這些散落在Html網(wǎng)頁中無結(jié)構(gòu)的信息進(jìn)行提取、分析，不僅能夠幫助消費(fèi)者從海量的文本中快速獲得有效的信息，節(jié)省人力成本，也可以幫助企業(yè)改進(jìn)產(chǎn)品、提高質(zhì)量，從而為產(chǎn)品推薦提供一種新的營銷模式.為有效的抽取互聯(lián)網(wǎng)上的信息，網(wǎng)絡(luò)文本信息非結(jié)構(gòu)化數(shù)據(jù)抽取技術(shù)、網(wǎng)絡(luò)文本信息采集技術(shù)和細(xì)粒度數(shù)據(jù)挖掘技術(shù)應(yīng)用而生.信息抽取技術(shù)是通過對(duì)網(wǎng)頁進(jìn)行處理，從半結(jié)構(gòu)化或者非結(jié)構(gòu)化的Web頁面中抽取出用戶感興趣的信息和內(nèi)容，并將其轉(zhuǎn)化成清晰的結(jié)構(gòu)形式.

為了適應(yīng)信息應(yīng)用的需求，越來越多的使用信息抽取技術(shù)，目標(biāo)是從海量、冗余、異構(gòu)、不規(guī)范、含有大量噪聲的網(wǎng)頁中大規(guī)模地抽取開放類別的實(shí)體、關(guān)系、事件等多層次語義單元信息，并形成結(jié)構(gòu)化數(shù)據(jù)格式輸出。其特點(diǎn)在于：① 文本領(lǐng)域開放：處理的文本領(lǐng)域不再限定于規(guī)范的新聞文本或者某一領(lǐng)域文本，而是不限定領(lǐng)域的網(wǎng)絡(luò)文本;② 語義單元類型開放：所抽取的語義單元不限定類型，而是自動(dòng)地從網(wǎng)絡(luò)中挖掘語義單元的類型，例如實(shí)體類型、關(guān)系類型和事件類型等;③ 以“抽取”替代“識(shí)別”：相對(duì)于傳統(tǒng)信息抽取，開放式文本信息抽取不再拘泥于從文本中識(shí)別目標(biāo)信息的每次出現(xiàn)，而是充分利用網(wǎng)絡(luò)數(shù)據(jù)海量、冗余的特性，以抽取的方式構(gòu)建面向?qū)嶋H應(yīng)用的多層次語義單元集合。

北京理工大學(xué)大數(shù)據(jù)搜索與挖掘?qū)嶒?yàn)室張華平主任研發(fā)的NLPIR語義智能平臺(tái)KGB知識(shí)圖譜引擎是基于漢語詞法分析，采用KGB語法從結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化文檔中抽取各類知識(shí)，大數(shù)據(jù)語義智能分析與知識(shí)推理，深度挖掘知識(shí)關(guān)聯(lián)，實(shí)時(shí)高效構(gòu)建知識(shí)圖譜。KGB知識(shí)圖譜引擎核心技術(shù)與特色：

1、 KGB知識(shí)抽取

KGB(Knowledge Graph Builder)知識(shí)圖譜引擎是我們自主研發(fā)的知識(shí)圖譜構(gòu)建與推理引擎，基于漢語詞法分析的基礎(chǔ)上，采用KGB語法實(shí)現(xiàn)了實(shí)時(shí)高效的知識(shí)生成，可以從非結(jié)構(gòu)化文本中抽取各類知識(shí)，并實(shí)現(xiàn)了從表格中抽取的內(nèi)容等。

KGB知識(shí)圖譜引擎可以定義不同的動(dòng)作，增加、刪除、修改、抽取等等。每一類動(dòng)作還能自定義各類后處理程序。

2 、語義智能分析

NLPIR大數(shù)據(jù)語義智能分析針對(duì)大數(shù)據(jù)內(nèi)容采編挖搜的綜合需求，融合了網(wǎng)絡(luò)精準(zhǔn)采集、自然語言理解、文本挖掘和語義搜索的**研究成果，先后歷時(shí)十八年，服務(wù)了全球四十萬家機(jī)構(gòu)用戶，是大數(shù)據(jù)時(shí)代語義智能分析的一大利器。

NLPIR大數(shù)據(jù)語義智能分析十三大功能：精準(zhǔn)采集、文檔抽取、新詞發(fā)現(xiàn)、批量分詞、語言統(tǒng)計(jì)、文本聚類、文本分類、摘要實(shí)體、智能過濾、情感分析、文檔去重、全文檢索與編碼轉(zhuǎn)換。

3 、語義精準(zhǔn)搜索

JZSearch大數(shù)據(jù)語義精準(zhǔn)搜索引擎：是靈玖軟件聯(lián)合中科院與北理工的信息檢索專家，針對(duì)大數(shù)據(jù)垂直搜索需求的全文智能檢索引擎，融合了自然語言理解、網(wǎng)絡(luò)搜索和文本挖掘的技術(shù)，通過人機(jī)互動(dòng)、深度機(jī)器學(xué)習(xí)后具有一定的語義推理能力，是結(jié)合了人工智能技術(shù)的新一代搜索引擎，具有專業(yè)精準(zhǔn)、高擴(kuò)展性和高通用性的特點(diǎn)。

隨著信息技術(shù)在我國社會(huì)生活各個(gè)領(lǐng)域應(yīng)用的深入,中文信息處理正在成為人們工作和生活中不可或缺的手段，中文信息處理將具有更加廣闊的市場。這將促使中文信息處理方面的高效中文搜索引擎、實(shí)時(shí)機(jī)器翻譯、大規(guī)模中文文本處理、跨平臺(tái)中西文自動(dòng)識(shí)別轉(zhuǎn)換、泛中文語義理解、中文電子商務(wù)等技術(shù)實(shí)現(xiàn)重大突破。中文信息處理已成為我國信息技術(shù)研究、發(fā)展、應(yīng)用和產(chǎn)業(yè)的基礎(chǔ)，在互聯(lián)網(wǎng)日益成長的今天，中文信息處理技術(shù)將會(huì)更加成熟并創(chuàng)新。