随着物联网、云计算、移动互联网、手机、平板电脑、PC以及遍布各处的各式各样传感器的涌现，数据源呈现指数级增长，信息数量及复杂程度快速扩大，从海量数据中提取信息的能力正快速成为战略性发展方向和要求。大数据可以在大规模数据的基础上挖掘分析获得新的认知、创造新的价值，并以此改变市场、组织机构，以及政府与公民关系。大数据同过去海量数据的区别不仅仅在于数据量大，更在于数据类型繁多、价值密度低、处理速度要求快和时效性要求高，大数据与传统数据挖掘有着本质的不同。目前大数据技术 在经济、金融、农业、交通和科研等…

随着中国的经济迅速发展和对外交往的日益频繁，中文在国际上的地位也逐步提高。尽管中文被认为是世界上最难学的语言之一，但近年来，世界上学中文的人还是不断增加，这些人遍布亚洲、欧洲、美洲、非洲。而学习中文的人也不单纯是学习语言、文化、历史专业的学生，许多国家学习经济、贸易、法律专业的大学生也开始学习中文，他们认为掌握中文会对就业和工作有帮助。 中文信息处理分为汉字信息处理与汉语信息处理两部分，具体内容包括对字、词、句、篇章的输入、存储、传输、输出、识别、转换、压缩、检索、分析、理解和生成等方面的处理技…

中文分词不仅是各种中文信息处理技术中使用最广泛的手段,也是信息检索和搜索引擎必不可少的基础性工作。现有的中文分词方法有很多,它们以字符串匹配、统计模型、理解、路径以及语义等为基础,并辅以分词词典和规则库,能够在一定程度上对中文信息进行切分。但由于汉语本身的特殊性和复杂性,目前的中文分词技术普遍存在歧义词处理和未登录词(新词)识别两个难点。 分词技术属于自然语言理解技术的范畴,是语义理解的首要环节,它是能将语句中的词语正确切分开的一种技术。它是文本分类,信息检索,机器翻译,自动标引,文本的语音输入…

伴随着计算机的日益普及，互联网的迅猛发展，文本的数量(电子邮件、新闻、网页、科技论文等)在不停的增长，因而对文本作智能化处理以获取所需信息的需求日益迫切。在这样的社会需求下，自然语言处理技术的地位和作用日益重要。经过几十年的研究，计算机 处理自然语言的理论基础日趋成熟，应用范围也越来越广，初步形成了面向各种不同应用和研究的技术体系。分词作为自然语言处理的第 一个步骤，是其他高层应用的基础，起着极其重要的作用。 中文分词不仅是各种中文信息处理技术中使用最广泛的手段,也是信息检索和搜索引擎必不可少的…

随着云时代的来临，大数据(Big?data)也吸引了越来越多的关注。著云台的分析师团队认为，大数据(Big?data)通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要数十、数百或甚至数千的电脑分配工作。 “大数据”在互联网行业指的是这样一种现象：互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。 大数据是信息通信技术发…

数据是知识的源泉。但是，拥有大量的数据与拥有许多有用的知识完全是两回事。过去几年中，从数据库中发现知识这一领域发展的很快。广阔的市场和研究利益促使这一领域的飞速发展。计算机技术和数据收集技术的进步使人们可以从更加广泛的范围和几年前不可想象的速度收集和存储信息。收集数据是为了得到信息，然而大量的数据本身并不意味信息。尽管现代的数据库技术使我们很容易存储大量的数据流，但现在还没有一种成熟的技术帮助我们分析、理解并使数据以可理解的信息表示出来。在过去，我们常用的知识获取方法是由知识工程师把专家经验知识…

人类自跨入了大数据时代，许多同我们生活息息相关的仪器都步入了智能化。而在数据中生活的我们在制造数据的同时也在通过数据加快经济发展速度，提高社会文明。因此，数据的战略意义已经同人力资源、自然资源相同。 所谓大数据，是信息化到一定阶段之后必然出现的现象，是由于信息技术的不断廉价化，以及互联网及其延伸所带来的无处不在的信息技术应用所带来的自然现象。基本上，大数据有四个驱动力，即摩尔定律所驱动的指数增长模式;技术低成本化驱动的万物数字化;宽带移动泛在互联驱动的人机物广联连接;云计算模式驱动的数据大规模的…

近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。 "数据挖掘"(Data Mining)是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是由于企业数据库的广泛…

近年来，伴随着物联网、云计算、移动互联网等新技术的迅猛发展，数据正以前所未有的速度不断增长和积累，大数据时代已经到来，这引起了产业界?学术界?科技界和政府机构的广泛关注。 大数据的火热并不意味着对于大数据的了解深入，反而表明大数据存在过度炒作的危险.大数据的基本概念、关键技术以及对其利用上均存在很多的疑问和争议。 大数据最为严重的风险存在于数据分析层面。数据量的增大会带来规律的丧 失和严重失真。传统意义上的数据分析主要针对结构化数据展开，且已经形 成了一整套行之有效的分析体系.首先利用数据库来存…

» 组件定位      天问智讯文本数据挖掘组件基于快速、稳定和高性能的底层文本挖掘算法实现，软件提供了可调用、可扩展的应用程序接口服务，基于这些接口，用户可开发出满足需求的个性化应用。» 功能介绍   »文本分词工具    中文分词是网络文本处理中的一项基础性工作，是诸多文本信息处理系统不可或缺的一个重要环节，汉语自动分词的主要技术难点是：分词规范、歧义切分和未登录词识别。 »实体信息抽取工具    通过规则和机器学习相结合的方式，天问智讯的实体…