情報抽出は、その多様な対象、異種の構造、およびタスク固有のスキーマ要件により困難を伴います。本論文では、UIE（Unified Information Extraction）と呼ばれる統一的なテキストから構造への生成フレームワークを提案します。このフレームワークは、異なる情報抽出（IE）タスクを普遍的にモデル化し、スキーマに基づくプロンプトメカニズムである「構造スキーマインストラクター」を通じて対象に適応した構造を生成し、異なる知識源から一般的なIE能力を協調的に学習することができます。具体的には、UIEは構造化抽出言語を使用して異なる抽出構造を一貫して符号化し、「構造スキーマインストラクター」を通じて対象に適応した抽出を行うとともに、大規模な事前学習済みテキストから構造への変換モデルによって一般的なIE能力を捉えます。実験結果は、UIEが4つのIEタスク、13のデータセットにおいて最先端の性能を達成し、監督あり設定、低リソース設定、および少量ショット設定で広範囲のエンティティ抽出、関係抽出、イベント抽出、感情分析タスクおよびそれらの統合において優れた成果を示していることを示しています。これらの結果は、UIEの効果性、普遍性、および転移可能性を確認しています。