信息抽取是什么：从资料定位字段，不是补出合理答案
解释实体、日期等字段抽取，区分结构约束与事实依据，并说明未知值、位置和对象关系怎样检查。
先说结论
先理解这个概念
信息抽取是从已有材料中找出所需事实，并组织成字段、实体或关系的任务。它可以使用规则或模型，但结果应能回到原文。抽出一个合法日期不代表找到了正确事件的日期，缺少信息时也不应补造。验收应核对字段含义、来源位置和关系，而不是只确认 JSON 能解析或表格已经填满。
01
字段结构与事实支持需要分别检查
文档分析服务可以返回字段和布局，结构化模型输出则限制类型与组织。一个字符串可能装入示例编号，原文真正编号却在下一行；表格数字也可能被配给相邻对象。抽取之前应定义字段含义和允许缺失状态，必要时保存对应原句或坐标。规则匹配适合稳定格式，模型可以处理更多措辞，但二者都需要检查否定和条件。不能让“计划日期”与“实际完成日期”在下游被混用，再用格式一致掩盖语义错误。
02
同一材料加入缺失与冲突样本
例如从公开活动说明提取时间与地点，先核对完整材料，再删除地点检查未知处理。加入一句“原定时间已取消”，确认系统没有把旧值当作当前结果。保留输出与原文对照，不能只让模型自评抽取正确。本文没有调用模型或处理实际文档，例子是验证设计。涉及多条记录时，还要确认字段没有跨对象串行，找到相同字样也不代表归属正确，人工检查应关注具体关系。
03
维护字段规则时同步下游含义
字段改名或资料模板变化后重跑旧样本，确认引用范围与未知表示仍一致。若抽取结果用于自动写入，应先验证必要条件，不将低置信猜测变成业务事实。成本包括人工复核和误抽取修正，不是只按成功解析数量衡量。可以组合规则与模型，对不同记录保留处理方式及来源版本。最终交付应让维护者追查每个关键值，发现问题后能够撤回或更正，而不是只剩一张无法回到原文的整齐表格。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。