NLPIR大數(shù)據(jù)處理技術(shù)實(shí)現(xiàn)多種類智能挖掘

當(dāng)今,信息技術(shù)為人類步入智能社會開啟了大門,帶動了互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、電子商務(wù)、現(xiàn)代物流、網(wǎng)絡(luò)金融等現(xiàn)代服務(wù)業(yè)發(fā)展,催生了車聯(lián)網(wǎng)、智能電網(wǎng)、新能源、智能交通、智能城市、高端裝備制造等新興產(chǎn)業(yè)發(fā)展.現(xiàn)代信息技術(shù)正成為各行各業(yè)運(yùn)營和發(fā)展的引擎.但這個引擎正面臨著大數(shù)據(jù)這個巨大的考驗(yàn).各種業(yè)務(wù)數(shù)據(jù)正以幾何級數(shù)的形式爆發(fā),其格式、收集、儲存、檢索、分析、應(yīng)用等諸多問題,不再能以傳統(tǒng)的信息處理技術(shù)加以解決,對人類實(shí)現(xiàn)數(shù)字社會、網(wǎng)絡(luò)社會和智能社會帶來了極大的障礙.

數(shù)據(jù)無疑是新型信息技術(shù)服務(wù)和科學(xué)研究的基石,而大數(shù)據(jù)處理技術(shù)理所當(dāng)然地成為當(dāng)今信息技術(shù)發(fā)展的核心熱點(diǎn),大數(shù)據(jù)處理技術(shù)的蓬勃發(fā)展也預(yù)示著又一次信息技術(shù)革命的到來.另一方面,隨著國家經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、產(chǎn)業(yè)升級的不斷深化,信息處理技術(shù)的作用將日益凸顯,而大數(shù)據(jù)處理技術(shù)無疑將成為在國民經(jīng)濟(jì)支柱產(chǎn)業(yè)信息化建設(shè)中實(shí)現(xiàn)核心技術(shù)的彎道追趕、跟隨發(fā)展、應(yīng)用突破、減少綁架的**突破點(diǎn).

大數(shù)據(jù)帶來的不僅是機(jī)遇,同時也是挑戰(zhàn).傳統(tǒng)的數(shù)據(jù)處理手段已經(jīng)無法滿足大數(shù)據(jù)的海量實(shí)時需求,需要采用新一代的信息技術(shù)來應(yīng)對大數(shù)據(jù)的爆發(fā).大數(shù)據(jù)技術(shù)一般歸納為五大類：

基礎(chǔ)架構(gòu)支持：主要包括為支撐大數(shù)據(jù)處理的基礎(chǔ)架構(gòu)級數(shù)據(jù)中心管理、云計算平臺、云存儲設(shè)備及技術(shù)、網(wǎng)絡(luò)技術(shù)、資源監(jiān)控等技術(shù).大數(shù)據(jù)處理需要擁有大規(guī)模物理資源的云數(shù)據(jù)中心和具備高效的調(diào)度管理功能的云計算平臺的支撐.

數(shù)據(jù)采集技術(shù)：數(shù)據(jù)采集技術(shù)是數(shù)據(jù)處理的必備條件,首先需要有數(shù)據(jù)采集的手段,把信息收集上來,才能應(yīng)用上層的數(shù)據(jù)處理技術(shù).數(shù)據(jù)采集除了各類傳感設(shè)備等硬件軟件設(shè)施之外,主要涉及到的是數(shù)據(jù)的ETL(采集、轉(zhuǎn)換、加載)過程,能對數(shù)據(jù)進(jìn)行清洗、過濾、校驗(yàn)、轉(zhuǎn)換等各種預(yù)處理,將有效的數(shù)據(jù)轉(zhuǎn)換成適合的格式和類型.同時,為了支持多源異構(gòu)的數(shù)據(jù)采集和存儲訪問,還需設(shè)計企業(yè)的數(shù)據(jù)總線,方便企業(yè)各個應(yīng)用和服務(wù)之間數(shù)據(jù)的交換和共享.

數(shù)據(jù)存儲技術(shù)：數(shù)據(jù)經(jīng)過采集和轉(zhuǎn)換之后,需要存儲歸檔.針對海量的大數(shù)據(jù),一般可以采用分布式文件系統(tǒng)和分布式數(shù)據(jù)庫的存儲方式,把數(shù)據(jù)分布到多個存儲節(jié)點(diǎn)上,同時還需提供備份、安全、訪問接口及協(xié)議等機(jī)制.

數(shù)據(jù)計算：我們把與數(shù)據(jù)查詢、統(tǒng)計、分析、預(yù)測、挖掘、圖譜處理、BI商業(yè)智能等各項相關(guān)的技術(shù)統(tǒng)稱為數(shù)據(jù)計算技術(shù).數(shù)據(jù)計算技術(shù)涵蓋數(shù)據(jù)處理的方方面面,也是大數(shù)據(jù)技術(shù)的核心.

數(shù)據(jù)展現(xiàn)與交互：數(shù)據(jù)展現(xiàn)與交互在大數(shù)據(jù)技術(shù)中也至關(guān)重要,因?yàn)閿?shù)據(jù)最終需要為人們所使用,為生產(chǎn)、運(yùn)營、規(guī)劃提供決策支持.選擇恰當(dāng)?shù)?、生動直觀的展示方式能夠幫助我們更好地理解數(shù)據(jù)及其內(nèi)涵和關(guān)聯(lián)關(guān)系,也能夠更有效地解釋和運(yùn)用數(shù)據(jù),發(fā)揮其價值.在展現(xiàn)方式上,除了傳統(tǒng)的報表、圖形之外,我們還可以結(jié)合現(xiàn)代化的可視化工具及人機(jī)交互手段,甚至是基于最新的處理技術(shù)增強(qiáng)現(xiàn)實(shí)手段,來實(shí)現(xiàn)數(shù)據(jù)與現(xiàn)實(shí)的無縫接口.

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)語義智能分析技術(shù)是滿足大數(shù)據(jù)挖掘?qū)φZ法、詞法和語義的綜合應(yīng)用。NLPIR大數(shù)據(jù)語義智能分析平臺是根據(jù)中文數(shù)據(jù)挖掘的綜合需求,融合了網(wǎng)絡(luò)精準(zhǔn)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(lián)網(wǎng)內(nèi)容處理的全技術(shù)鏈條的共享開發(fā)平臺。

NLPIR大數(shù)據(jù)語義智能分析平臺主要有精準(zhǔn)采集、文檔轉(zhuǎn)化、新詞發(fā)現(xiàn)、批量分詞、語言統(tǒng)計、文本聚類、文本分類、摘要實(shí)體、智能過濾、情感分析、文檔去重、全文檢索、編碼轉(zhuǎn)換等十余項功能模塊，平臺提供了客戶端工具，云服務(wù)與二次開發(fā)接口等多種產(chǎn)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(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，可以供Java，Python，C，C#等各類開發(fā)語言使用。

大數(shù)據(jù)挖掘已成為大數(shù)據(jù)技術(shù)最重要的應(yīng)用，它從大數(shù)據(jù)中提取、挖掘?qū)I(yè)務(wù)發(fā)展有價值的、潛在的知識，找出趨勢，為決策層提供有力依據(jù)，對產(chǎn)品或服務(wù)發(fā)展方向起到積極作用，將有力推動企業(yè)內(nèi)部的科學(xué)化、信息化管理。在信息管理領(lǐng)域，綜合應(yīng)用數(shù)據(jù)分析技術(shù)和人工智能技術(shù)，獲取用戶知識、文獻(xiàn)知識等各類知識，將是實(shí)現(xiàn)知識檢索和知識管理發(fā)展的必經(jīng)之路。