UIMA(Unstructured Information Management Architecture),即非结构化信息管理架构。顾名思义,UIMA是用来处理非结构化信息、把非结构化信息转换为结构化信息的一种框架,或者说一种标准规范,是前者向后者转换的桥梁。该项目的提出很好地解决了如何有效利用日益增长的非结构化信息(如文本、音频、视频等)的问题。
UIMA主要包括分析引擎AE ( Analysis Engine )、标注器Annotator和通用分析结构CAS(Common Analysis Structure)。其中,分析引擎AE是UIMA的核心模块,是一组可插入、编辑和扩展的对象,它结合自然语言处理、自动推理等技术对输入文献加以分析处理并得到输出结果。但分析引擎AE的功能却是通过标注器Annotator来实现的。标注器Annotator是AE定制的组件类型,其作用是运用分析算法分析信息,得到输出结果。两者之间的关系是:分析引擎AE用来封装标注器Annotator,一个AE可以包含一个或多个Annotator,甚至也可以封装多个其他的AE,彼此构成递归的关系,这样就可以由简单的组件构成复杂的组件以完成复杂的功能。通用分析结构CAS是用来分析和共享标注器的分析结果,它是基于对象的数据结构,用于从文献中抽取具体对象,在逻辑上与文献建立关系。
对于UIMA及其组件间关系更加形象的描述可以这么认为:把UIMA看做一家工厂,它规定了很多生产标准,里面有一条或多条流水生产线,即分析引擎AE,流水线上的一道道工序就是标注器Annotator。这家工厂生产的原材料,即输入是非结构化信息,而产品,即输出则是结构化信息。首先,作为一个框架,UIMA提供了