隨著信息數(shù)量的驟然增加，消費者要想找出有用信息需要消耗大量精力.因此對這些散落在Html網(wǎng)頁中無結構的信息進行提取、分析，不僅能夠幫助消費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)改進產品、提高質量，從而為產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)絡文本信息非結構化數(shù)據(jù)抽取技術、網(wǎng)絡文本信息采集技術和細粒度數(shù)據(jù)挖掘技術應用而生.信息抽取技術是通過對網(wǎng)頁進行處理，從半結構化或者非結構化的Web頁面中抽取出用戶感興趣的信息和內容，并將其轉化成清晰的結構形式.

為了適應信息應用的需求，越來越多的使用信息抽取技術，目標是從海量、冗余、異構、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體、關系、事件等多層次語義單元信息，并形成結構化數(shù)據(jù)格式輸出。其特點在于：① 文本領域開放：處理的文本領域不再限定于規(guī)范的新聞文本或者某一領域文本，而是不限定領域的網(wǎng)絡文本;② 語義單元類型開放：所抽取的語義單元不限定類型，而是自動地從網(wǎng)絡中挖掘語義單元的類型，例如實體類型、關系類型和事件類型等;③ 以“抽取”替代“識別”：相對于傳統(tǒng)信息抽取，開放式文本信息抽取不再拘泥于從文本中識別目標信息的每次出現(xiàn)，而是充分利用網(wǎng)絡數(shù)據(jù)海量、冗余的特性，以抽取的方式構建面向實際應用的多層次語義單元集合。

北京理工大學大數(shù)據(jù)搜索與挖掘實驗室張華平主任研發(fā)的NLPIR語義智能平臺KGB知識圖譜引擎是基于漢語詞法分析，采用KGB語法從結構化數(shù)據(jù)與非結構化文檔中抽取各類知識，大數(shù)據(jù)語義智能分析與知識推理，深度挖掘知識關聯(lián)，實時高效構建知識圖譜。KGB知識圖譜引擎核心技術與特色：

1、 KGB知識抽取

KGB(Knowledge Graph Builder)知識圖譜引擎是我們自主研發(fā)的知識圖譜構建與推理引擎，基于漢語詞法分析的基礎上，采用KGB語法實現(xiàn)了實時高效的知識生成，可以從非結構化文本中抽取各類知識，并實現(xiàn)了從表格中抽取的內容等。

KGB知識圖譜引擎可以定義不同的動作，增加、刪除、修改、抽取等等。每一類動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)語義智能分析針對大數(shù)據(jù)內容采編挖搜的綜合需求，融合了網(wǎng)絡精準采集、自然語言理解、文本挖掘和語義搜索的**研究成果，先后歷時十八年，服務了全球四十萬家機構用戶，是大數(shù)據(jù)時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：精準采集、文檔抽取、新詞發(fā)現(xiàn)、批量分詞、語言統(tǒng)計、文本聚類、文本分類、摘要實體、智能過濾、情感分析、文檔去重、全文檢索與編碼轉換。

3 、語義精準搜索

JZSearch大數(shù)據(jù)語義精準搜索引擎：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)絡搜索和文本挖掘的技術，通過人機互動、深度機器學習后具有一定的語義推理能力，是結合了人工智能技術的新一代搜索引擎，具有專業(yè)精準、高擴展性和高通用性的特點。

隨著信息技術在我國社會生活各個領域應用的深入,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、實時機器翻譯、大規(guī)模中文文本處理、跨平臺中西文自動識別轉換、泛中文語義理解、中文電子商務等技術實現(xiàn)重大突破。中文信息處理已成為我國信息技術研究、發(fā)展、應用和產業(yè)的基礎，在互聯(lián)網(wǎng)日益成長的今天，中文信息處理技術將會更加成熟并創(chuàng)新。