- DINFO-OEC是非结构化大数据分析挖掘平台
- 由业务建模技术和分析挖掘技术组成
- 能处理任何来源的非结构化信息和半结构化信息
- 将繁杂无序的非结构化信息，通过创建的业务模型规则，进行分析，得出有序的结构化数据
……
新一代信息技术与经济社会各领域的深度融合，引发了数据量的爆发式增长，使得数据资源成为国家重要的战略资源和核心创新要素。据统计，全球所掌握的数据，每两年就会翻倍。到2020年，全球的数据量将达到40ZB，其中我国所掌握的数据将占20%。大数据的广泛深入应用，使人类社会逐渐走向数据经济时代。
早在2015年，国务院发布了《促进大数据发展行动纲要》，以加快政府数据开放共享，推动资源整合，提升治理能力；推动产业创新发展，培育新兴业态，助力经济转型；强化安全保障，提高管理水平，促进健康发展为主要任务。神州泰岳积极响应《行动纲要》，在人工智能与大数据业务上飞速发展，深入钻研，推出了业界首款面向业务建模的DINFO-OEC非结构化大数据分析挖掘平台。
本篇我们将为大家分享DINFO-OEC非结构化大数据分析挖掘平台的主要功能特点概要，后面几期文章我们会围绕这些主要功能点详细展开。
DINFO-OEC的价值
大数据中80%都是非结构化大数据，非结构化大数据因其中的业务对象、对象之间的关系等都蕴含在文本内容中，而文本内容来源繁多、表达方式灵活多样、存在着大量的歧义性，因此无法使用传统的BI工具等进行分析，无法直接服务于业务，实现业务价值。因此非结构化大数据是大数据处理的难点和热点。
DINFO-OEC是非结构化大数据分析挖掘平台，由业务建模技术和分析挖掘技术组成，能处理任何来源的非结构化信息和半结构化信息。将繁杂无序的非结构化信息，通过创建的业务模型规则，进行分析，得出有序的结构化数据。适用范围广，可以适用于信用卡投诉领域、电商评价领域、企业关联关系挖掘领域等。能够根据不同场景、领域对复杂需求进行定制。
DINFO-OEC主要功能点介绍
一、应用接口：应用接口定义后，能够通过接口逻辑中的算法组件链接进行相应的语义分析。主要由接口定义、接口逻辑、接口发布组成。
- 接口定义：包含接口的创建、修改、删除。
- 接口逻辑：包含接口算法组件的链接，组件属性的设置。
- 接口发布：包含接口列表、删除已创建的接口、将接口导成模板等功能。
图：接口定义
图：接口逻辑
图：接口发布
二、应用建模：根据业务需求进行模型创建，通过创建的业务模型，对非结构化数据进行分析挖掘。主要由模型规划、模型建设、模型发布组成。
- 模型规划：对模型进行创建。
- 模型建设：包含本体建设、要素建设、概念建设、资源分配、模型调试。
- 模型发布：包含模型列表、搜索模型、发布模型、删除已创建的模型、将模型导成schema等功能。
图：模型规划
图：模型建设
图：模型发布
三、应用任务：在应用任务中，设计好接口的分析规则、统计规则后，能够根据指定的规则分析数据源中的数据。
主要包含：任务添加、任务编辑、任务删除、任务运行、任务中断、任务启动、任务终止、日志查看、条度设置、结果查看、结果导出、导出查询、任务详情查看等。
图：应用任务
四、应用模板：在应用开发中，可以将已发布的接口导成应用模板，导出成功后即可在应用模板查看。应用模板主要是对模板资源的展示，支持详细信息查看，如模板中的接口列表、模板中的接口信息等。
图：应用模板列表
图：模板信息
五、模型schema：在应用建模中，可以将已发布的模型导出成模型schema，对模型的资源进行积累。模型schema主要是对模型资源的展示、和资源详情查看，如模型的本体树结构、要素树结构、概念树结构等。
图：模型schema列表
图：模型详情
六、语言资源：对语言资源的统计。包含概念资源、通用资源、领域资源、用户资源的占比详情和建设详情。
图：语言资源
纵观全文，我们基本可以了解到DINFO-OEC不仅能提供强大的非结构化大数据分析挖掘能力，同时平台面向业务的建模也极大提高了业务人员的工作效率——业务人员只需要重点关注业务场景逻辑梳理及其表述，不需要关注技术实现细节，极大地缩短应用场景创新周期。DINFO-OEC的出现，推动了行业在中文文本领域处理技术向前迈出了一大步，也促使企业在开发应用时专注于业务的大数据创新，而不局限于语义技术和文本技术的研究方面。
