隨著計(jì)算機(jī)技術(shù)的革新，互聯(lián)網(wǎng)新媒體的快速發(fā)展，人們的生活已經(jīng)進(jìn)入高速信息時(shí)代。我們每天的生活都要產(chǎn)生大量數(shù)據(jù)，因此我們獲取數(shù)據(jù)的速度和規(guī)模不斷增長(zhǎng)，大量數(shù)據(jù)不斷的被存入存儲(chǔ)介質(zhì)中形成海量數(shù)據(jù)。海量數(shù)據(jù)的存儲(chǔ)、應(yīng)用及挖掘已成為人們急需解決的難題。

數(shù)據(jù)挖掘是一門新興的學(xué)科，它誕生于20世紀(jì)80年代，主要面向商業(yè)應(yīng)用的人工只能研究領(lǐng)域。大數(shù)據(jù)是無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合。大數(shù)據(jù)包括海量的數(shù)據(jù)信息與高強(qiáng)度的數(shù)據(jù)處理能力，對(duì)于傳統(tǒng)的數(shù)據(jù)處理系統(tǒng)來(lái)說(shuō)，大數(shù)據(jù)處理有著相當(dāng)多的優(yōu)勢(shì)，可以對(duì)于大型復(fù)雜的數(shù)據(jù)模塊進(jìn)行高效地分析，包括數(shù)據(jù)的收集、分析、共享與傳輸?shù)?。大?shù)據(jù)可以采用預(yù)測(cè)的方式進(jìn)行分析，在用戶分析后進(jìn)行數(shù)據(jù)提取，將其價(jià)值體現(xiàn)出來(lái)。

大量數(shù)據(jù)的生成和累積是信息化的必然結(jié)果。現(xiàn)代企業(yè)在采購(gòu)、倉(cāng)儲(chǔ)、運(yùn)輸、產(chǎn)品設(shè)計(jì)、生產(chǎn)、銷售和客戶服務(wù)等諸多環(huán)節(jié)都采集并積累了大量的供應(yīng)商、服務(wù)提供商和客戶的交易數(shù)據(jù)，生產(chǎn)和經(jīng)營(yíng)數(shù)據(jù)，產(chǎn)品研發(fā)數(shù)據(jù)，財(cái)務(wù)及人力資源管理數(shù)據(jù)等，因此可以說(shuō)現(xiàn)代企業(yè)是運(yùn)營(yíng)在數(shù)據(jù)之上，諸多生產(chǎn)和經(jīng)營(yíng)的決策問(wèn)題必須通過(guò)數(shù)據(jù)分析才能解決。

隨著消費(fèi)者、企業(yè)和各經(jīng)濟(jì)部門充分發(fā)揮大數(shù)據(jù)的潛力，由大數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新、生產(chǎn)力提高、經(jīng)濟(jì)增長(zhǎng)、以及新的競(jìng)爭(zhēng)模式和價(jià)值取向變革的巨大浪潮將達(dá)到巔峰。與過(guò)去不同的是，隨著一系列新技術(shù)趨勢(shì)發(fā)展的加速和凝聚，大數(shù)據(jù)所帶來(lái)的變化規(guī)模和范圍己經(jīng)達(dá)到新的拐點(diǎn)，將會(huì)迅速膨脹。

大數(shù)據(jù)帶來(lái)的潛在經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值巨大，但這些價(jià)值必須通過(guò)數(shù)據(jù)的有效整合、分析和挖掘才能釋放出來(lái)。數(shù)據(jù)的整合是建立數(shù)據(jù)倉(cāng)庫(kù)的必要工作，對(duì)于結(jié)構(gòu)化數(shù)據(jù)的整合有很多解決方案和軟件工具。目前的挑戰(zhàn)是非結(jié)構(gòu)化數(shù)據(jù)的融合和整合，如:文本數(shù)據(jù)、圖像數(shù)據(jù)、信號(hào)數(shù)據(jù)、音頻數(shù)據(jù)、視頻數(shù)據(jù)等。

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)是對(duì)語(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)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)精準(zhǔn)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)。

其中KGB(Knowledge Graph Builder)知識(shí)圖譜引擎是我們自主研發(fā)的知識(shí)圖譜構(gòu)建與推理引擎，基于漢語(yǔ)詞法分析的基礎(chǔ)上，采用KGB語(yǔ)法實(shí)現(xiàn)了實(shí)時(shí)高效的知識(shí)生成，可以從非結(jié)構(gòu)化文本中抽取各類知識(shí)，并實(shí)現(xiàn)了從表格中抽取指定的內(nèi)容等。KGB同時(shí)可以定義不同的動(dòng)作，如抽取動(dòng)作，并能自定義各類后處理程序。利用KGB知識(shí)圖譜引擎可以抽取到產(chǎn)品的詳細(xì)報(bào)價(jià)信息，方便進(jìn)行下一步的數(shù)據(jù)挖掘與圖譜構(gòu)建。

數(shù)據(jù)挖掘技術(shù)及其應(yīng)用是目前國(guó)際上的一個(gè)研究熱點(diǎn)，并在許多行業(yè)中得到了很好的應(yīng)用，尤其是在市場(chǎng)營(yíng)銷中獲得了成功，初步體現(xiàn)了其優(yōu)越性和發(fā)展?jié)摿ΑＴ谛畔⒐芾眍I(lǐng)域，綜合應(yīng)用數(shù)據(jù)挖掘技術(shù)和人工智能技術(shù)，獲取用戶知識(shí)、文獻(xiàn)知識(shí)等各類知識(shí)，將是實(shí)現(xiàn)知識(shí)檢索和知識(shí)管理發(fā)展的必經(jīng)之路。