张 伟，潘兴明，张海波，何 霄，薄佳男，秦小龙

(1.中国石油工程技术研究院有限公司 北京石油机械有限公司，北京 102206； 2.中国人民大学 信息学院，北京 100872)

0 引 言

在大数据时代，数据作为重要生产要素[1]，对企业发展的重要性日益显著。加速推动企业数字化建设势在必行，如何有效地从多种类型的无结构或半结构化文本中获取有效的信息并形成结构化数据，成为该企业数字化建设过程中面临的一大挑战[2]。传统企业日常经营活动过程中会产生大量文本数据，早期对这些文本中信息的收集只能依靠人工整理的方式，再汇总给企业信息管理部门进行处理，形成结构化数据并保存，完成这些工作常常需要专人专职花费大量时间精力、效率低下[3]。近年来，随着自然语言处理技术的快速发展，文本信息抽取已经在情报收集、科技文献监控、医疗保健服务、商业信息抽取等许多领域得到了有效应用[4-6]。李雪驹等提出一种基于规则和SVM相结合的论文抽取方法，该方法先以SVM模型得到论文抽取特征及分类结果，再根据论文中元数据对规则和机器学习方法的不同适用性，结合规则抽取方法去修正，最终得到了想要的抽取结果[7]。余晨根据抽取任务本身及其常见触发词构建自定义海事词库，提出一种基于规则的海事信息抽取方法，将海事自由文本转化为结构化的数据[8]。吴欢提出针对医疗领域具有一定的规范性的乳腺癌病理文本进行结构化处理，实现对非结构化文本的结构化信息提取方法，以辅助临床科研人员进行下一步医学研究[9]。……