通用信息抽取技术UIE产业案例解析，Prompt范式落地经验分享！

想了解用户的评价究竟是“真心夸赞”还是“阴阳怪气”？
想快速从多角色多事件的繁杂信息中剥茧抽丝提取核心内容？
想通过聚合相似事件准确地归纳出特征标签？
……
想了解UIE技术在产业中的实战落地经验？通用信息抽取技术UIE产业案例分享来了！

近期Prompt范式备受关注。实际上，Prompt思想在产业界已经有了一些成功的应用案例。由中科院软件所和百度共同提出了大一统诸多任务的通用信息抽取技术UIE（Universal Information Extraction）。基于Prompt思想，将希望抽取的 Schema 信息转换成“线索词”（Schema-based Prompt）作为模型输入的前缀，使得模型理论上能够适应不同领域和任务的Schema信息，并按需抽取出线索词指向的结果，从而实现开放域环境下的通用信息抽取。在实体、关系、事件和情感等4个信息抽取任务、13个数据集的全监督、低资源和少样本设置下，UIE均取得了SOTA性能。

截止目前，UIE系列模型已发布UIE、UIE-X、UIE-senta三大模型，凭借其强大的零样本与小样本能力、多任务统一建模能力，成为业界在信息抽取、情感分析等任务上的首选方案。

• 2022年5月，飞桨自然语言处理模型库PaddleNLP结合文心大模型中的知识增强NLP大模型ERNIE 3.0 ，发挥UIE在中文任务上的强大潜力，推出首个面向通用信息抽取的产业级技术方案