非結(jié)構(gòu)化信息 指信息的形式相對(duì)不固定，常常是各種格式的文件。它是相對(duì)結(jié)構(gòu)化信息而言的，從宏觀上看也是結(jié)構(gòu)化信息的一種形式。諸如電子文檔、電子郵件、網(wǎng)頁(yè)、視頻文件、多媒體等.

對(duì)于來(lái)源繁多的信息資料，專業(yè)人士根據(jù)信息的格式加以劃分，將其分為結(jié)構(gòu)化信息和非結(jié)構(gòu)化信息兩大類。

結(jié)構(gòu)化信息是可以數(shù)字化的數(shù)據(jù)信息，可以方便地通過(guò)計(jì)算機(jī)和數(shù)據(jù)庫(kù)技術(shù)進(jìn)行管理。無(wú)法完全數(shù)字化的信息稱為非結(jié)構(gòu)化信息，如文檔文件、圖片、圖紙資料 、縮微膠片等。這些資源中擁有大量的有價(jià)值的信息?，F(xiàn)在這類非結(jié)構(gòu)化信息正以成倍的速度增長(zhǎng)。

另一種定義：

結(jié)構(gòu)化信息，我們通常接觸的數(shù)據(jù)庫(kù)所管理的信息，包括生產(chǎn)、業(yè)務(wù)、交易、客戶信息等方面的記錄。非結(jié)構(gòu)化信息，專業(yè)術(shù)語(yǔ)為內(nèi)容，所涵蓋的信息更為廣泛，可分為：營(yíng)運(yùn)內(nèi)容（operational content）：如合約、發(fā)票、書信與采購(gòu)記錄；部門內(nèi)容（workgroup content）：如文書處理、電子表格、簡(jiǎn)報(bào)檔案與電子郵件；Web內(nèi)容：如HTML與XML等格式的信息；多媒體內(nèi)容（Rich Media Content）：如聲音、影片、圖形等。

如果說(shuō)結(jié)構(gòu)化信息更多的忠實(shí)、詳實(shí)地記錄了企業(yè)的生產(chǎn)交易活動(dòng)，是顯性的表示，那么非結(jié)構(gòu)化信息則隱性包含了掌握著企業(yè)命脈的關(guān)鍵，隱含著許多提高企業(yè)效益的機(jī)會(huì)。對(duì)于企業(yè)來(lái)說(shuō)，企業(yè)內(nèi)部，以及企業(yè)與供應(yīng)商、客戶、合作伙伴和員工數(shù)字化共享所有形式的數(shù)據(jù)資源，已越來(lái)越重要。

90％的信息和知識(shí)在“結(jié)構(gòu)化”世界之外，IT應(yīng)用中還存在著一個(gè)“非結(jié)構(gòu)化”的世界。對(duì)大多數(shù)企業(yè)來(lái)說(shuō)，ERP等業(yè)務(wù)系統(tǒng)所管理的結(jié)構(gòu)化數(shù)據(jù)只占到企業(yè)全部信息和知識(shí)的10%左右，其他的90%都是數(shù)據(jù)庫(kù)難以存取到的非結(jié)構(gòu)化信息和知識(shí)。來(lái)自IDC的分析顯示，雖然很多企業(yè)投資不菲建立了諸多業(yè)務(wù)支撐系統(tǒng)，但仍有72%的管理者認(rèn)為知識(shí)沒有在他們的組織得到重復(fù)利用，88%的人認(rèn)為他們沒有接觸到企業(yè)最佳實(shí)踐的機(jī)會(huì)。Gartner 也曾預(yù)言，對(duì)非結(jié)構(gòu)化信息和知識(shí)的管理將會(huì)帶來(lái)一個(gè)新IT應(yīng)用潮流。

目前的非結(jié)構(gòu)化信息處理類似于上世紀(jì)70年代以前的結(jié)構(gòu)化信息應(yīng)用。割裂、無(wú)法進(jìn)行數(shù)據(jù)互操作的應(yīng)用是其主流。以人們最常用的文檔軟件來(lái)看，DOC文檔是MS WORD與WPS的專用格式，永中、中文2000等OFFICE產(chǎn)品廠商則各有各的“自留地”。這種情況下，由于文檔格式的束縛而使信息四分五裂，信息流無(wú)法通暢流轉(zhuǎn)，信息處理更加困難，信息資源因?yàn)椤靶畔⒘鞯牟煌〞场倍鴨适Я似鋺?yīng)有的巨大價(jià)值。

從非結(jié)構(gòu)化到半結(jié)構(gòu)化，從半結(jié)構(gòu)化到結(jié)構(gòu)化，從結(jié)構(gòu)化到關(guān)聯(lián)數(shù)據(jù)體系，從關(guān)聯(lián)數(shù)據(jù)體系到數(shù)據(jù)挖掘，從數(shù)據(jù)挖掘到故事化呈現(xiàn)，從故事化呈現(xiàn)到?jīng)Q策導(dǎo)向。

互連網(wǎng)上出現(xiàn)的海量信息，大概分為結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化三種。結(jié)構(gòu)化信息如電子商務(wù)信息，信息的性質(zhì)和量值的出現(xiàn)的位置是固定的；半結(jié)構(gòu)化的信息如專業(yè)網(wǎng)站上的細(xì)分頻道，其標(biāo)題和正文的語(yǔ)法相當(dāng)規(guī)范，關(guān)鍵詞的范圍相當(dāng)局限；非結(jié)構(gòu)化的信息如BLOG和BBS，所有內(nèi)容都是不可預(yù)知的。

結(jié)構(gòu)化信息和非結(jié)構(gòu)化信息是 IT應(yīng)用的兩個(gè)世界，它們有著各自不同的應(yīng)用進(jìn)化特點(diǎn)和規(guī)律。但是，這兩個(gè)世界之間還缺少相互連接的橋梁，而這種缺失使企業(yè)中不可避免地存在“活動(dòng)”、“ 信息和知識(shí)”的分離，其后果就是：雖然它們都在進(jìn)行著“知識(shí)化”的努力，但兩個(gè)世界分離的IT應(yīng)用模式，注定使其難以真正實(shí)現(xiàn)它們的初衷——“在最合適的時(shí)間，將最合適的信息傳送給最合適的人”。

中國(guó)的軟件產(chǎn)業(yè)無(wú)法在結(jié)構(gòu)化信息產(chǎn)業(yè)中獲得主動(dòng)地位，但歷史并不會(huì)停留在這一個(gè)領(lǐng)域內(nèi)。整個(gè)信息產(chǎn)業(yè)還有更大的市場(chǎng)有待開發(fā)：這就是非結(jié)構(gòu)化信息應(yīng)用。

通俗地說(shuō)，結(jié)構(gòu)化信息是一些可以用表格來(lái)描述的信息。除此之外還有大量的文檔、流媒體信息等非結(jié)構(gòu)化信息。但事實(shí)上，現(xiàn)實(shí)社會(huì)中，非結(jié)構(gòu)化信息占據(jù)著80%以上的份額。這部分信息目前仍處于低效率的處理階段，它給世界信息產(chǎn)業(yè)發(fā)展留下了空間，也給中國(guó)軟件產(chǎn)業(yè)的跨越式發(fā)展帶來(lái)了契機(jī)。

目前的非結(jié)構(gòu)化信息處理仍處于類似于上世紀(jì)70年代以前的結(jié)構(gòu)化信息應(yīng)用。割裂地、無(wú)法進(jìn)行數(shù)據(jù)互操作的應(yīng)用是它的主流。以人們最常用的文檔軟件來(lái)看，DOC文檔是MS WORD與WPS的專用格式，永中、中文2000等OFFICE產(chǎn)品廠商則各有各的“自留地”。這種情況下，由于文檔格式的束縛而使信息四分五裂，信息流無(wú)法通暢流轉(zhuǎn)，信息處理更加困難。我們可以想象，有多少信息資源因?yàn)椤靶畔⒘鞯牟煌〞场倍鴨适Я似鋺?yīng)有的巨大價(jià)值。

基于諸如此類的問(wèn)題和現(xiàn)狀，文檔庫(kù)技術(shù)的成展成為信息產(chǎn)業(yè)下一步發(fā)展不可避免的潮流。文檔庫(kù)產(chǎn)業(yè)也將成為一個(gè)比數(shù)據(jù)庫(kù)產(chǎn)業(yè)更加重要的核心產(chǎn)業(yè)，關(guān)系到信息技術(shù)的發(fā)展進(jìn)程。文檔庫(kù)技術(shù)應(yīng)用意味著文檔信息可以像結(jié)構(gòu)化信息應(yīng)用操作一樣，文檔信息的構(gòu)建只要符合一個(gè)特定的數(shù)學(xué)模型，并設(shè)計(jì)一種可以對(duì)所有符合這種數(shù)學(xué)模型的文檔進(jìn)行各種操作的標(biāo)準(zhǔn)，文檔應(yīng)用軟件就可以對(duì)所有此類文檔進(jìn)行相應(yīng)的操作——就像一個(gè)ERP軟件通過(guò)SQL操作關(guān)系型數(shù)據(jù)庫(kù)時(shí)可以不必去考慮你底層用的是DB2還是ORACLE一樣。

一個(gè)令人振奮的消息是，北京書生公司近日宣布推出了其SEP文檔庫(kù)技術(shù)，并已經(jīng)形成可以實(shí)際應(yīng)用的文檔模型描述和相應(yīng)的操作標(biāo)準(zhǔn)——UOML（Unstructured Operation Markup Language，非結(jié)構(gòu)化操作標(biāo)記語(yǔ)言）。這意味著，中國(guó)的企業(yè)有可能成為非結(jié)構(gòu)化信息產(chǎn)業(yè)發(fā)展中核心技術(shù)的持有者和標(biāo)準(zhǔn)的制訂者。

可以想象，占整個(gè)信息領(lǐng)域20%的結(jié)構(gòu)化信息產(chǎn)業(yè)發(fā)展帶來(lái)了超過(guò)千億美元量級(jí)的產(chǎn)業(yè)，那么，占整個(gè)信息領(lǐng)域80%的非結(jié)構(gòu)化信息產(chǎn)業(yè)一旦走上正軌，它將帶來(lái)怎樣的市場(chǎng)機(jī)會(huì)。這是很多人不敢想象的數(shù)字！

按照書生董事長(zhǎng)王東臨教授的介紹，由書生公司發(fā)起的UOML聯(lián)盟已經(jīng)啟動(dòng)，TRS、中文2000、漢王、中科院軟件所、中標(biāo)、中科啟信、星火燎原等國(guó)內(nèi)的 IT企業(yè)已加入其中，理光、Fatwire、Autonomy等單位也均有意向加入聯(lián)盟，正在洽談過(guò)程中。作為計(jì)劃推進(jìn)的一部分，加入U(xiǎn)OML聯(lián)盟的企業(yè)將首先實(shí)現(xiàn)相關(guān)操作的互操作問(wèn)題。如10家聯(lián)盟企業(yè)有各自的文檔處理軟件，以往這10種軟件所保存的文檔無(wú)法被其他軟件操作，而加入聯(lián)盟后的這10種軟件可以操作其他任何一個(gè)軟件生成的文檔。由于文檔庫(kù)及UOML的應(yīng)用，這些軟件完成這種改造只需要一兩個(gè)小時(shí)到一個(gè)星期的開發(fā)工作（視操作功能而定）。“比如其中有一家加入聯(lián)盟的企業(yè)只是想讓他的軟件可以打開符合UOML標(biāo)準(zhǔn)的文檔，那他只需要花一天去修改他的軟件。”

這既是文檔庫(kù)技術(shù)給文檔信息處理帶來(lái)的巨大優(yōu)勢(shì)，也是推動(dòng)非結(jié)構(gòu)化信息產(chǎn)業(yè)發(fā)展的關(guān)鍵。