倪吉祥，闫欣悦，徐大亮

（1.国家电网有限公司高级培训中心，北京 100192；2.北京数睿思德技术有限公司，北京 100083）

1 研究背景

信息萃取一直是国内外的研究热点。异构数据的信息萃取是国内外计算机算法研究领域的热点与难点。信息萃取经历过2个阶段的发展历程：信息提取与关键信息萃取。早在20世纪90年代初，科学家和研究者们开始关注信息提取（Information Extraction，IE）相关研究。

随着网页文本信息的急剧增长，越来越多的人投入到IE领域的研究，IE研究人员逐渐将兴趣转移到Web网页信息提取的研究上。其中比较知名的项目是卡耐基梅隆大学自动学习和发现中心的Web挖掘项目，他们采用机器学习算法，目标是通过训练自动从Web中提取信息[1-4]。随着信息技术的发展，信息萃取已经广泛运用于搜索引擎、知识问答、信息检索、知识服务等领域，同时成为知网、Google、百度、知乎、今日头条等知名产品的核心技术竞争力[1-4]。然而，在电力等专业领域的业务中，一方面对知识的需求量是巨大的，另一方面由于数据异构以及专业知识的特点，目前主要使用人工方式进行信息萃取。这需要专家进行人工分析总结，并由具有经验的萃取师进行提炼，存在效率低、时效性差、时间人工成本高等问题。近年来，国内外有关公司与机构积累了大量的研究成果[5-6]，联想公司提出了著名的四步复盘方法，进行信息萃取，四步复盘方法具体为回顾目标、评估结果、分析原因、总结规律。美国陆军还曾提出AAR的方法，华为公司亦提出知识收割方法，通过选择项目、单个项目知识收割、组织资产刷新、知识传递等方法步骤进行信息萃取。……