"信息抽取技术旨在从非结构化文本中提取结构化信息，是提升信息感知、存储与理解效率的核心技术，在社交网络分析、舆情监测、知识库构建等领域具有重要的研究价值。随着社交网络媒体的快速发展，海量用户生成内容为信息抽取提供了丰富的数据来源，同时也带来了噪声多、动态性强、跨模态融合等挑战。本书聚焦社交网络环境下的信息抽取技术，系统梳理了实体识别、关系抽取、事件抽取等关键任务的研究现状、数据集资源及基础技术，并详细介绍了作者团队在社交网络信息抽取领域的最新研究成果，包括社交网络文本的实体与关系抽取、多模态社交数据的信息抽取、句子级与文档级事件抽取等。本书既结合社交网络场景特点优化传统信息抽取方法，也探索了适应社交媒体的新型抽取框架，为社交网络内容理解、舆情分析、智能推荐等人工智能系统提供了关键技术支撑。书中内容兼顾理论方法与实际应用，既可作为信息抽取初学者的入门参考，也能为相关领域研究人员提供技术借鉴。最后，本书对社交网络信息抽取的未来发展方向进行了展望，探讨了大语言模型用于信息抽取、信息抽取与RAG技术、多模态信息抽取与可信推理等前沿趋势。
本书可供信息抽取初学者和相关领域研究人员阅读参考。"