【技术白皮书】第一章：OCR智能文字识别新发展——深度学习的文本信息抽取

1.1技术背景——什么是基于深度学习的文本信息抽取

信息抽取 （Information Extraction） 是把原始数据中包含的信息进行结构化处理，变成表格一样的组织形式。输入信息抽取系统的是原始数据，输出的是固定格式的信息点，即从原始数据当中抽取有用的信息。信息抽取的主要任务是将各种各样的信息点从原始数据中抽取出来。然后以统一的形式集成在一起，方便后序的检索和比较。由于能从自然语言中抽取出信息框架和用户感兴趣的事实信息，无论是在信息检索、问答系统还是在情感分析、文本挖掘中，信息抽取都有广泛应用。随着深度学习在自然语言处理领域的很多方向取得了巨大成功，循环神经网络(RNN)和卷积神经网络(CNN)也被用于信息抽取研究领域，基于深度学习的信息抽取技术也应运而生。

信息抽取的三大任务：

• 实体抽取（Named Entity Recognition，NER）
• 关系抽取 (Relation extraction，RE)
• 事件抽取 (Event extraction， EE) 

信息抽取技术的评价指标主要是：

针对特定领域的抽取结果,一般通过计算对应的准确率(Precision)、召回率(Recall)和F1值来评价。对应的计算为：

准确率(precision)：是提取出的信息中正确预测的信息的数量与全部提取出的信息数量的比。

召回率(recall): 是提取出来的正确预测的信息与测试数据集所有信息的比。

F1值是准确率和召回率的调和平均值