大數據時代業已到來,當今世界正處在一個數據爆炸的時代。伴隨著多媒體、云計算、物聯網、社交網絡等技術的發展,以及天文觀測、空間地理、金融分析等各領域每天都在產生巨量的數據,這些數據如此龐大,其規模、其涌現速度和其處理難點超出目前常規技術能管理、處理和分析的能力。一般來說,大數據具有量大(Volume)、流動性大(Velocity),種類多(Variety),分布式(distributed)、非一致(nonuniformity)等特性,這些特點決定了在大數據時代,我們傳統的數據處理技術必須有革命性的變化,包括數據的存儲與組織方式、計算方法、數據分析,而對大數據的智能分析技術將尤為重要。 　　大數據的潛在價值是真實而巨大的,為了充分挖掘大數據的價值,必須解決一系列技術問題,這些問題包括數據采集、信息抽取和清理、數據集成、數據分析以及解釋和部署[1].這些問題涉及數據獲取、數據存儲和管理、數據分析、數據可視化、應用服務、信息共享、數據安全和隱私保護、大規模并行計算、流計算、云計算等多層面的信息技術,需要計算機軟、硬件的綜合解決方案. 　　北京理工大學大數據搜索與挖掘實驗室張華平主任研發的NLPIR大數據語義智能分析技術是滿足大數據挖掘對語法、詞法和語義的綜合應用。NLPIR大數據語義智能分析平臺是根據中文數據挖掘的綜合需求,融合了網絡采集、自然語言理解、文本挖掘和語義搜索的研究成果,并針對互聯網內容處理的全技術鏈條的共享開發平臺。 　　NLPIR大數據語義智能分析平臺主要有采集、文檔轉化、新詞發現、批量分詞、語言統計、文本聚類、文本分類、摘要實體、智能過濾、情感分析、文檔去重、全文檢索、編碼轉換等十余項功能模塊，平臺提供了客戶端工具，云服務與二次開發接口等多種產品使用形式。各個中間件API可以無縫地融合到客戶的各類復雜應用系統之中，可兼容Windows，Linux， Android，Maemo5, FreeBSD等不同操作系統平臺，可以供Java，Python，C，C#等各類開發語言使用。 　　數據挖掘技術本身就是當前數據技術發展的新領域，文本挖掘則發展歷史更短。傳統的信息檢索技術對于海量數據的處理并不盡如人意，文本挖掘便日益重要起來，可見文本挖掘技術是從信息抽取以及相關技術領域中慢慢演化而成的。