詳細解釋
資訊抽取（Information Extraction）是從非結構化文本中自動識別並提取結構化資訊的技術，如實體、關係和事件。
抽取任務：
- 命名實體識別：識別人名、地名、組織名
- 關係抽取：識別實體間關係（如「創辦於」）
- 事件抽取：識別事件類型和參與者
- 屬性抽取：提取產品規格、人物職位等
技術方法：
- 規則式：正則表達式、詞典匹配
- 機器學習：CRF、分類模型
- 深度學習：Transformer架構 (變換器 / 注意力模型) (Switch Transformer)序列標註
- LLM：現代用大型語言模型 (大語言模型 / 大模型)零樣本抽取
應用場景：
- 知識圖譜構建：從網頁提取知識
- 金融分析：從財報提取關鍵數據
- 醫療資訊：從病歷提取診斷和用藥
- 新聞分析：自動提取新聞要素
- 產品比較：從評論提取產品特徵
工具框架：
- SpaCy：工業級NLP工具
- Stanford NLP：學術研究常用
- LLM抽取：GPT-4等直接抽取
挑戰：領域適應、多語言、複雜語境理解。