NLPIR大數據處理技術實現多種類智能挖掘

當今,信息技術為人類步入智能社會開啟了大門,帶動了互聯網、物聯網、電子商務、現代物流、網絡金融等現代服務業發展,催生了車聯網、智能電網、新能源、智能交通、智能城市、高端裝備制造等新興產業發展.現代信息技術正成為各行各業運營和發展的引擎.但這個引擎正面臨著大數據這個巨大的考驗.各種業務數據正以幾何級數的形式爆發,其格式、收集、儲存、檢索、分析、應用等諸多問題,不再能以傳統的信息處理技術加以解決,對人類實現數字社會、網絡社會和智能社會帶來了極大的障礙.

數據無疑是新型信息技術服務和科學研究的基石,而大數據處理技術理所當然地成為當今信息技術發展的核心熱點,大數據處理技術的蓬勃發展也預示著又一次信息技術革命的到來.另一方面,隨著國家經濟結構調整、產業升級的不斷深化,信息處理技術的作用將日益凸顯,而大數據處理技術無疑將成為在國民經濟支柱產業信息化建設中實現核心技術的彎道追趕、跟隨發展、應用突破、減少綁架的**突破點.

大數據帶來的不僅是機遇,同時也是挑戰.傳統的數據處理手段已經無法滿足大數據的海量實時需求,需要采用新一代的信息技術來應對大數據的爆發.大數據技術一般歸納為五大類：

基礎架構支持：主要包括為支撐大數據處理的基礎架構級數據中心管理、云計算平臺、云存儲設備及技術、網絡技術、資源監控等技術.大數據處理需要擁有大規模物理資源的云數據中心和具備高效的調度管理功能的云計算平臺的支撐.

數據采集技術：數據采集技術是數據處理的必備條件,首先需要有數據采集的手段,把信息收集上來,才能應用上層的數據處理技術.數據采集除了各類傳感設備等硬件軟件設施之外,主要涉及到的是數據的ETL(采集、轉換、加載)過程,能對數據進行清洗、過濾、校驗、轉換等各種預處理,將有效的數據轉換成適合的格式和類型.同時,為了支持多源異構的數據采集和存儲訪問,還需設計企業的數據總線,方便企業各個應用和服務之間數據的交換和共享.

數據存儲技術：數據經過采集和轉換之后,需要存儲歸檔.針對海量的大數據,一般可以采用分布式文件系統和分布式數據庫的存儲方式,把數據分布到多個存儲節點上,同時還需提供備份、安全、訪問接口及協議等機制.

數據計算：我們把與數據查詢、統計、分析、預測、挖掘、圖譜處理、BI商業智能等各項相關的技術統稱為數據計算技術.數據計算技術涵蓋數據處理的方方面面,也是大數據技術的核心.

數據展現與交互：數據展現與交互在大數據技術中也至關重要,因為數據最終需要為人們所使用,為生產、運營、規劃提供決策支持.選擇恰當的、生動直觀的展示方式能夠幫助我們更好地理解數據及其內涵和關聯關系,也能夠更有效地解釋和運用數據,發揮其價值.在展現方式上,除了傳統的報表、圖形之外,我們還可以結合現代化的可視化工具及人機交互手段,甚至是基于最新的處理技術增強現實手段,來實現數據與現實的無縫接口.

北京理工大學大數據搜索與挖掘實驗室張華平主任研發的NLPIR大數據語義智能分析技術是滿足大數據挖掘對語法、詞法和語義的綜合應用。NLPIR大數據語義智能分析平臺是根據中文數據挖掘的綜合需求,融合了網絡精準采集、自然語言理解、文本挖掘和語義搜索的研究成果,并針對互聯網內容處理的全技術鏈條的共享開發平臺。

NLPIR大數據語義智能分析平臺主要有精準采集、文檔轉化、新詞發現、批量分詞、語言統計、文本聚類、文本分類、摘要實體、智能過濾、情感分析、文檔去重、全文檢索、編碼轉換等十余項功能模塊，平臺提供了客戶端工具，云服務與二次開發接口等多種產品使用形式。各個中間件API可以無縫地融合到客戶的各類復雜應用系統之中，可兼容Windows，Linux， Android，Maemo5, FreeBSD等不同操作系統平臺，可以供Java，Python，C，C#等各類開發語言使用。

大數據挖掘已成為大數據技術最重要的應用，它從大數據中提取、挖掘對業務發展有價值的、潛在的知識，找出趨勢，為決策層提供有力依據，對產品或服務發展方向起到積極作用，將有力推動企業內部的科學化、信息化管理。在信息管理領域，綜合應用數據分析技術和人工智能技術，獲取用戶知識、文獻知識等各類知識，將是實現知識檢索和知識管理發展的必經之路。