对非结构化文本进行信息提取、结构化，采用什么深度学习模型比较好

对于非结构化文本进行信息提取和结构化，可以采用深度学习模型中的序列标注模型，例如命名实体识别（Named Entity Recognition，NER）和关系抽取（Relation Extraction）模型。

其中，常用的深度学习模型包括：

1. 基于卷积神经网络（Convolutional Neural Networks，CNN）的模型，如TextCNN，可用于NER。

2. 基于循环神经网络（Recurrent Neural Networks，RNN）的模型，如长短时记忆网络（Long Short-Term Memory，LSTM）和门控循环单元（Gated Recurrent Unit，GRU），可用于NER和关系抽取。

3. 基于转换器（Transformer）的模型，如BERT、RoBERTa等，可用于NER和关系抽取。

需要根据具体的任务需求和数据特点，选择适合的模型进行实验和调整。