Calais是由汤森路透开发的一项网络服务，能够自动从非结构化文本中提取语义信息，并将其转换为适合语义网的结构化格式。该服务于2008年1月推出，读取纯文本并以资源描述框架（RDF）格式返回结果，识别内容中的实体、事实和事件。该服务免费提供，目前可通过Refinitiv的网站访问，Refinitiv是一家成立于2018年的金融市场数据提供商，也是伦敦证券交易所集团的子公司。
Calais所依赖的技术据信源自路透社于2007年对ClearForest的收购。ClearForest是一家专注于自然语言处理（NLP）和信息提取的文本分析公司。Calais利用这些能力，通过网络服务接口提供服务，使开发者和组织能够将语义标注集成到自己的应用程序中，而无需部署本地基础设施。
核心功能
Calais处理输入文本并执行实体提取，识别人物、组织、地点及其他命名实体。它还检测事实和事件，例如文本中描述的实体间关系或发生的事件。输出格式为RDF，这是网络上数据交换的标准模型，使提取的信息能够以机器可读的方式进行链接和查询。这使得Calais成为构建语义网应用的实用工具，在语义网中，来自不同来源的数据可以相互关联。
该服务通过简单的API运行，接受纯文本输入并返回结构化结果。它支持多种语言，并能处理大量文本，适用于文档的批量处理。免费访问模式鼓励实验和采用，尤其是在研究人员和小规模开发者中。
应用与使用场景
Calais的一个显著应用是博客文章的自动标注。通过分析帖子内容，Calais可以生成相关标签或类别，无需人工操作即可提高内容的可发现性和组织性。这一功能已被博主和内容管理系统用于增强元数据。
另一个重要使用场景是博物馆藏品的组织。博物馆已采用Calais从文物、艺术品和历史记录的描述中提取语义信息。由此产生的结构化数据帮助策展人关联相关物品、创建主题展览，并为访客提供更丰富的在线体验。这展示了该技术超越金融或新闻领域的多样性。
技术背景
该服务依赖自然语言处理技术，包括词性标注、命名实体识别和关系提取。这些方法通过网络服务接口实现，该接口将底层复杂性对用户抽象化。RDF输出可被语义网工具（如推理器或三元组存储）消费，以实现高级查询和推理。
Calais的设计反映了早期通过基于云的服务使Machine learning和Natural language processing可访问的方法，早于Large language model的广泛采用。虽然它不采用现代Transformer (architecture)架构，但其对结构化提取的关注与当代Generative AI中从非结构化来源生成机器可读知识的努力相一致。
演变与当前状态
在2018年Refinitiv成立后，Calais的可用性转移到Refinitiv网站，该网站继续托管此服务。Refinitiv后来被伦敦证券交易所集团收购，将Calais作为其更广泛数据和分析组合的一部分加以维护。该服务仍然免费，尽管其开发速度相比OpenAI和Google DeepMind等公司的新AI产品有所放缓。
尽管年代久远，Calais仍然是实用语义提取的早期显著范例，影响了该领域的后续工具。它对RDF的使用以及对实体和事件识别的关注，为结构化数据提取树立了先例，这一概念如今在企业AI解决方案中很常见。截至2020年代初，该服务继续运行，尽管其用户群可能已转向遗留应用。
与现代方法的比较
现代语义提取通常依赖Deep learning模型，如基于Transformer (architecture)的系统，这些系统能比Calais可能使用的基于规则或统计的方法更有效地处理上下文和歧义。然而，Calais的轻量级API和标准化RDF输出提供了更新、更重模型有时缺乏的简单性和互操作性。对于需要精确实体链接或事件提取的任务，Calais的确定性输出可能具有优势，而现代模型则擅长开放式理解。
该服务的持久性凸显了结构化数据在语义网中的持久价值，这一概念由Xerox PARC和MIT CSAIL等倡议所倡导。虽然Calais可能未采用尖端技术，但它在普及语义提取方面的作用具有历史意义。