結構化信息社會的特點就是，全社會經濟文化活動，將會在各種信息的有序互動中完成，信息是結構化的，是有序的，是可以互動的。以結構化的信息流為基礎，構建結構化的信息社會。那些正向成為結構化信息社會有序元素之一的企業，是具有競爭力的企業，會發揮極大的社會效率，企業也會取得成功，而那些不能成為結構化信息社會一份子的企業，則不可避免地將被淘汰。

了使信息更有效、更有針對性、更便于被查找、更有秩序，“傻目錄”全球首創的“坐標信息定位”體系，可以將地域大小和行業分類分別設定為信息坐標的兩個主坐標軸，讓有效的信息內容在首頁或次頁呈現給查詢者面前。橫坐標是地域大小、位置選擇，范圍大到國家、省、市、行政區，小至三公里社區、一公里社區，查詢者將鼠標放置在每個地域上面，則會提示出下一級地域的推薦。縱坐標則類似于Windows軟件的資源管理器，呈現的是行業的目錄，從最大的行業分類如生活服務、商業服務、消費品、工業品和原材料到最小的行業分類如生活類的美容美發、美體減肥等，使用起來極其便利

WEB結構化信息抽取就是將網頁中的非結構化數據按照一定的需求抽取成結構化數據。是垂直搜索引擎和通用搜索引擎最大的差別。

如：比較購物搜索那就需要抓取網頁后，對網頁中的商品信息進行抽取，抽取出商品名稱、價格、簡介……甚至可以進一步將筆記本簡介細分成“品牌、型號、CPU、內存、硬盤、顯示屏、……”

房產信息搜索那就應該抽取出那應該抽取出：類型、地域、地址、房型、面積、裝修情況、租金、聯系人、聯系電話公司企業信息搜索那就應該抽取出：公司名稱、地址、電話、聯系人。

結構化信息抽取有兩種方式可以實現，比較簡單的是模板方式，還有一種是對網頁不依賴的網頁庫級的結構化信息抽取方式。

模板方式是事先對特定的網頁進行配置模板，抽取模板中設置好的需要的信息，可以針對有限個網站的信息進行精確的采集。

特點：簡單、精確、技術難度低、方便快速部署。

缺點：需要針對每一個信息源的網站模板進行單獨的設定在信息源多樣性的情況下維護量巨大是不可完成的維護量。所以這種方式適合少量信息源的信息處理，不是搜索引擎級的應用，很難滿足用戶對查全率的需求。

網頁庫結構化信息抽取是采用頁面結構分析與智能節點分析轉換的方法，自動抽取結構化的數據。

特點：可對任意的正常網頁進行抽取，完全自動化，不用對具體網站事先生成模板，對每個網頁自動實時得生成抽取規則，完全不需要人工干預。智能抽取準確率高，不是機械的匹配，采用智能分析技術，準確率能達到98%以上。能保證較快處理速度，由于采用頁面的智能分析技術，先去除了垃圾塊，降低分析的壓力，是處理速度大大提高。通用性較好，易于維護，只需設定參數、配置相應的特征就能改進相應的抽取性能；一般的非專業人員經過簡單培訓就能維護。

缺點：技術難度高，前期研發成本高，周期長。適合網頁庫級別結構化數據采集和搜索的高端應用。

如果說結構化信息更多的忠實、詳實地記錄了企業的生產交易活動，是顯性的表示，那么非結構化信息則隱性包含了掌握著企業命脈的關鍵，隱含著許多提高企業效益的機會。對于企業來說，企業內部，以及企業與供應商、客戶、合作伙伴和員工數字化共享所有形式的數據資源，已越來越重要。90％的信息和知識在“結構化”世界之外，IT應用中還存在著一個“非結構化”的世界。對大多數企業來說，ERP等業務系統所管理的結構化數據只占到企業全部信息和知識的10%左右，其他的90%都是數據庫難以存取到的非結構化信息和知識。來自IDC的分析顯示，雖然很多企業投資不菲建立了諸多業務支撐系統，但仍有72%的管理者認為知識沒有在他們的組織得到重復利用，88%的人認為他們沒有接觸到企業最佳實踐的機會。Gartner也曾預言，對非結構化信息和知識的管理將會帶來一個新IT應用潮流。

非結構化信息處理類似于20世紀70年代以前的結構化信息應用。割裂、無法進行數據互操作的應用是其主流。以人們最常用的文檔軟件來看，DOC文檔是MSWORD的專用格式，WPS、永中、中文2000等OFFICE產品廠商則各有各的“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，信息流無法通暢流轉，信息處理更加困難，信息資源因為“信息流的不通暢”而喪失了其應有的巨大價值。

從非結構化到半結構化，從半結構化到結構化，從結構化到關聯數據體系，從關聯數據體系到數據挖掘，從數據挖掘到故事化呈現，從故事化呈現到決策導向。