【Python机器学习】NLP信息提取——现实世界的信息提取

信息提取和问答系统可用于：

• 课堂助教；
• 客户服务；
• 技术支持；
• 销售；
• 软件文档和常见问题解答。

信息提取还可以用于提取：

• 日期；
• 时间；
• 价格；
• 数量；
• 地址；
• 名称：
  • 人名；
  • 地名；
  • 应用；
  • 公司；
  • 机器人；
• 关系：
  • “is-a”（事物的种类）
  • “has”（事物的属性）
  • “related-to”

无论是从大型语料库还是实时从用户输入中解析信息，能够提取特定细节并将其存储起来供以后使用对于聊天机器人的性能至关重要。首先，通过识别和分离这些信息，然后通过标注这些信息之间的关系，要学会以编程的方式“标准化”信息。通过将这些知识安全存储在可搜索的结构中，聊天机器人将具备在特定领域中开展对话的能力。