產(chǎn)品介紹
大數(shù)據(jù)時(shí)代業(yè)已到來(lái),當(dāng)今世界正處在一個(gè)數(shù)據(jù)爆炸的時(shí)代。伴隨著多媒體、云計(jì)算、物聯(lián)網(wǎng)、社交網(wǎng)絡(luò)等技術(shù)的發(fā)展,以及天文觀測(cè)、空間地理、金融分析等各領(lǐng)域每天都在產(chǎn)生巨量的數(shù)據(jù),這些數(shù)據(jù)如此龐大,其規(guī)模、其涌現(xiàn)速度和其處理難點(diǎn)超出目前常規(guī)技術(shù)能管理、處理和分析的能力。一般來(lái)說(shuō),大數(shù)據(jù)具有量大(Volume)、流動(dòng)性大(Velocity),種類(lèi)多(Variety),分布式(distributed)、非一致(nonuniformity)等特性,這些特點(diǎn)決定了在大數(shù)據(jù)時(shí)代,我們傳統(tǒng)的數(shù)據(jù)處理技術(shù)必須有革命性的變化,包括數(shù)據(jù)的存儲(chǔ)與組織方式、計(jì)算方法、數(shù)據(jù)分析,而對(duì)大數(shù)據(jù)的智能分析技術(shù)將尤為重要。
大數(shù)據(jù)的潛在價(jià)值是真實(shí)而巨大的,為了充分挖掘大數(shù)據(jù)的價(jià)值,必須解決一系列技術(shù)問(wèn)題,這些問(wèn)題包括數(shù)據(jù)采集、信息抽取和清理、數(shù)據(jù)集成、數(shù)據(jù)分析以及解釋和部署[1].這些問(wèn)題涉及數(shù)據(jù)獲取、數(shù)據(jù)存儲(chǔ)和管理、數(shù)據(jù)分析、數(shù)據(jù)可視化、應(yīng)用服務(wù)、信息共享、數(shù)據(jù)安全和隱私保護(hù)、大規(guī)模并行計(jì)算、流計(jì)算、云計(jì)算等多層面的信息技術(shù),需要計(jì)算機(jī)軟、硬件的綜合解決方案.
北京理工大學(xué)大數(shù)據(jù)搜索與挖掘?qū)嶒?yàn)室張華平主任研發(fā)的NLPIR大數(shù)據(jù)語(yǔ)義智能分析技術(shù)是滿(mǎn)足大數(shù)據(jù)挖掘?qū)φZ(yǔ)法、詞法和語(yǔ)義的綜合應(yīng)用。NLPIR大數(shù)據(jù)語(yǔ)義智能分析平臺(tái)是根據(jù)中文數(shù)據(jù)挖掘的綜合需求,融合了網(wǎng)絡(luò)采集、自然語(yǔ)言理解、文本挖掘和語(yǔ)義搜索的研究成果,并針對(duì)互聯(lián)網(wǎng)內(nèi)容處理的全技術(shù)鏈條的共享開(kāi)發(fā)平臺(tái)。
NLPIR大數(shù)據(jù)語(yǔ)義智能分析平臺(tái)主要有采集、文檔轉(zhuǎn)化、新詞發(fā)現(xiàn)、批量分詞、語(yǔ)言統(tǒng)計(jì)、文本聚類(lèi)、文本分類(lèi)、摘要實(shí)體、智能過(guò)濾、情感分析、文檔去重、全文檢索、編碼轉(zhuǎn)換等十余項(xiàng)功能模塊，平臺(tái)提供了客戶(hù)端工具，云服務(wù)與二次開(kāi)發(fā)接口等多種產(chǎn)品使用形式。各個(gè)中間件API可以無(wú)縫地融合到客戶(hù)的各類(lèi)復(fù)雜應(yīng)用系統(tǒng)之中，可兼容Windows，Linux， Android，Maemo5, FreeBSD等不同操作系統(tǒng)平臺(tái)，可以供Java，Python，C，C#等各類(lèi)開(kāi)發(fā)語(yǔ)言使用。
數(shù)據(jù)挖掘技術(shù)本身就是當(dāng)前數(shù)據(jù)技術(shù)發(fā)展的新領(lǐng)域，文本挖掘則發(fā)展歷史更短。傳統(tǒng)的信息檢索技術(shù)對(duì)于海量數(shù)據(jù)的處理并不盡如人意，文本挖掘便日益重要起來(lái)，可見(jiàn)文本挖掘技術(shù)是從信息抽取以及相關(guān)技術(shù)領(lǐng)域中慢慢演化而成的。
