面向NLP场景应用的智能辅助建模（一）简介
一个场景模型示例
在下边这个本体场景实例，是银行领域客服投诉分析挖掘的场景本体模型，可用于对银行客服投诉进行自动分析。输入是客服投诉文本，是自然语言表示的文本，输出结果是客服投诉的自动分类。
客服投诉模型，包括3部分：
1、本体模型： 形式上由一个本体树和领域模型构成。本体树是类目体系的形式化描述，这里指客服投诉的分类。领域模型，是本体树对应的推理规则的形式化描述，这里指客服投诉分类相关的业务知识。领域模型支持两种类型：概念模型、机器学习预训练模型。上图中的"本体表达式"，是概念模型的形式化规则，说明客服投诉的业务知识，一般是用"客服人员- 态度-不好"这样的三元组表示，其中"客服人员"是投诉对象要素，"态度"是投诉涉及的属性要素，"不好"是投诉中对投诉对象涉及属性的评价性描述。
2、要素模型： 是对领域相关实体概念的形式化描述。这里指银行领域相关投诉对象（对象要素）、投诉对象相关属性（属性要素）。如工作人员的对象要素，可包括下级要素，如"柜员、客服人员、保安、大堂经理"等，工作人员的属性要素，可包括下级要素如"态度、效率、业务水平"等。
3、概念模型： 是对领域无关的语言概念的形式化描述。这里指对象和属性的评价概念，如"不好、恶劣、怠慢"等。概念模型可理解为传统意义上的语言资源形式化管理。
场景本体辅助建模
场景本体模型是业务知识的形式化表示，一般由业务人员主导构建。面向场景应用开发的工具---- DINFO-OEC 平台 ，提供专业、方便、易用的建模IDE集成环境，支持场景化业务建模，可通过概念规则，构建形式化的业务规则，也可通过数据标注，指定机器学习（包括深度学习）算法，来训练机器学习模型。建模工具支持两种类型领域模型。
为了提高建模效率，DINFO- OEC平台也提供OEC智能辅助建模工具，支持利用机器学习算法，对业务数据进行自动学习。辅助建模中涉及到的机器学习算法（包括深度学习）、知识资源及各种功能模块，均由DINFO- OEC平台提供。
辅助建模工具
辅助建模工具，提供可视化辅助建模环境，支持业务人员通过拖拉拽的方式，实现各种建模操作。
辅助建模工具的3个分区：
1、组件区： 在建模工具左下角。该区提供相关算法组件，如用于本体模型辅助的分类聚类，用于要素模型、概念模型中的实体抽取，用于本体模型中本体表达式辅助的关联发现、规则生成等组件。每个组件对可以对应一个或多个算法，业务人员无须了解算法的具体细节，只需要在辅助建模工具中拖拽组件（如分类、聚类组件），即可完成自动聚类的任务。组件区也提供建模常用操作，如选择语料，可以选择客服投诉语料来作为辅助建模的数据等。
2、建模区： 在建模工具左上方。该区支持业务人员将组件区的组件和操作，通过拖拉拽的方式，形成一个处理流程，用以实现多级建模。
3、结果区： 在建模工具右方。该区展示当前流程的输出结果，业务人员可对结果进行合并、修改、删除等操作。
辅助建模功能示例
以上述客服投诉模型为例，辅助建模工具在以下4个环节中，支持业务人员对客服投诉的文本数据进行分析，提高客服投诉模型的建设效率：
1、分类体系建模： 针对本体模型中本体树建设，辅助自动发现本体树节点。
2、要素发现： 针对要素模型中要素树建设，辅助自动发现客服投诉场景下的实体对象。
3、评价概念复用： 针对概念树中概念树建设，可直接复用平台提供的语言资源。
4、本体表达式发现： 针对本体模型中，一个本体树节点的业务规则，从客服投诉文本中，辅助发现要素与概念的组合关系，自动形成本体表达式。
Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: