Waarom is dit belangrijk?
Lange stukken vrije tekst in medische dossiers zijn anders lastig naast elkaar te leggen, terwijl informatie-extractie die notities bruikbaar maakt voor onderzoek. In de Nederlandse zorg halen onderzoekers zo klachten, testredenen en partnerwaarschuwingen uit huisartsendossiers om infectieziekten te volgen. Op het werk in de zorg steunt een overzicht dan op deze stap, die soms een kenmerk mist of gevoelige tekst verder verwerkt dan bedoeld.
Zo werkt het in de praktijk
In de financiële sector herkent informatie-extractie bedrijfsnamen, beurscodes en geldbedragen in tekst. Een overzicht noemt daarvoor interne datasets van Bloomberg, gekoppeld aan het model BloombergGPT. Het Amerikaanse agentschap DARPA steunde informatie-extractie om analisten te helpen kranten te scannen op mogelijke verbanden met terrorisme.
Juridisch onderzoek vraagt hoe systemen namen, relaties en gebeurtenissen uit rechtbankstukken en contracten halen. Een overzichtsstudie zet die drie taken centraal voor informatie-extractie in juridische documenten. Teams vergelijken hun systemen in testopdrachten zoals LegalEval.
Systemen vullen vaak een vast sjabloon met velden, zoals persoon, werkgever en plaats. Een conditional random field geeft elk woord een label, met hulp van de woorden ernaast. Het open pakket GATE levert zo’n informatie-extractiesysteem mee voor onderzoekers.




