The president of the United States is Donald Trump. （美國總統是川普。）

資訊抽取技術在看到這句話時，會提取：

president(United States, Donald Trump).

資訊抽取的主要目標是將文字轉換成有架構的資料，讓這些以類似資料庫的方式呈現。取得有架構的資料庫之後，能夠進一步的幫助許多應用進行決策。例如：

1. 股市分析：從新聞和社群媒體中取得資料 → 轉成架構化的資料 → 決定是否要在現有的股價進行買賣。
2. 醫療或生物研究：從近期的文章中取得關於疾病和治療方法的資料 → 轉成架構化的資料 → 決定要給病人什麼藥。
3. 謠言偵測：從社群媒體中取得近期事件 → 決定偵測到謠言時如何應對。

資訊抽取有兩個步驟，首先將取得的資料進行命名實體辨識，接著進行「關係抽取」。用上述的例子，命名實體辨識時會取得「United States」和「Donald Trump」，而關係抽取會根據語句來找出「United States」和「Donald Trump」之間的關係，也就是「president」。

在關係抽取時，有時我們會有「關係資料庫」

像是president(United States, Donald Trumps)的關係應該是ORG AFFILIATION下的Employment吧（笑）。

在有關係資料庫的情況下，我們可以採用幾種方法來實作關係抽取：

1. Rule-based，像是當我們看到「AAA國的總統是BBB」時，我們就記錄：總統(AAA國, BBB)。這麼做卻有個明顯的缺點，若句子改成「BBB是AAA國的總統」時，這個規則假如沒有提早寫進去，那這句話就沒辦法被抽取。
2. Supervised，首先根據資料庫判斷兩個實體之間有沒有關係（二分法），接著從判斷未有關係的實體之間找出其關係。

其他還有Semi-Supervised以及Distant Supervision的方法。

那麼，若是沒有關係資料庫的話，或是目標是要發掘新關係，該怎麼辦呢？OpenIE。OpenIE使用了Unsupervised learning（非監督式學習），輸入少量的關係（規則或實體pair）來訓練出一個通用的關係抽取模型。