在當今信息爆炸的時代，伴隨著社會事件和自然活動的大量產(chǎn)生(數(shù)據(jù)的海量增長)，人類正面臨著“被信息所淹沒，但卻饑渴于知識”的困境。隨著計算機軟硬件技術(shù)的快速發(fā)展、企業(yè)信息化水平的不斷提高和數(shù)據(jù)庫技術(shù)的日臻完善，人類積累的數(shù)據(jù)量正以指數(shù)方式增長。 　　數(shù)據(jù)挖掘是一個多學科領(lǐng)域，它融合了數(shù)據(jù)庫技術(shù)、人工智能、機器學習、模式識別、模糊數(shù)學和數(shù)理統(tǒng)計等新技術(shù)的研究成果，可以用來支持商業(yè)智能應用和決策分析。例如顧客細分、交叉銷售、欺詐檢測、顧客流失分析、商品銷量預測等等，目前廣泛應用于銀行、金融、醫(yī)療、工業(yè)、零售和電信等行業(yè)。數(shù)據(jù)挖掘技術(shù)的發(fā)展對于各行各業(yè)來說，都具有重要的現(xiàn)實意義。 　　數(shù)據(jù)挖掘技術(shù)具有以下特點： 　　1.?處理的數(shù)據(jù)規(guī)模十分龐大，達到GB、TB數(shù)量級，甚至更大。 　　2.?查詢一般是決策制定者(用戶)提出的即時隨機查詢，往往不能形成準確的查詢要求，需要靠系統(tǒng)本身尋找其可能感興趣的東西。 　　3.?在一些應用(如商業(yè)投資等)中，由于數(shù)據(jù)變化迅速，因此要求數(shù)據(jù)挖掘能快速做出相應反應以隨時提供決策支持。 　　4.?數(shù)據(jù)挖掘中，規(guī)則的發(fā)現(xiàn)基于統(tǒng)計規(guī)律.因此，所發(fā)現(xiàn)的規(guī)則不必適用于所有數(shù)據(jù)，而是當達到某一臨界值時，即認為有效.因此，利用數(shù)據(jù)挖掘技術(shù)可能會發(fā)現(xiàn)大量的規(guī)則。 　　5.?數(shù)據(jù)挖掘所發(fā)現(xiàn)的規(guī)則是動態(tài)的，它只反映了當前狀態(tài)的數(shù)據(jù)庫具有的規(guī)則，隨著不斷地向數(shù)據(jù)庫中加入新數(shù)據(jù)，需要隨時對其進行更新。 　　北京理工大學大數(shù)據(jù)搜索與挖掘?qū)嶒炇覐埲A平主任研發(fā)的NLPIR大數(shù)據(jù)語義智能分析技術(shù)是滿足大數(shù)據(jù)挖掘?qū)φZ法、詞法和語義的綜合應用。NLPIR大數(shù)據(jù)語義智能分析平臺是根據(jù)中文數(shù)據(jù)挖掘的綜合需求,融合了網(wǎng)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(lián)網(wǎng)內(nèi)容處理的全技術(shù)鏈條的共享開發(fā)平臺。 　　NLPIR大數(shù)據(jù)語義智能分析平臺主要有采集、文檔轉(zhuǎn)化、新詞發(fā)現(xiàn)、批量分詞、語言統(tǒng)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(zhuǎn)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(fā)接口等多種產(chǎn)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(tǒng)之中，可兼容Windows，Linux， Android，Maemo5, FreeBSD等不同操作系統(tǒng)平臺，可以供Java，Python，C，C#等各類開發(fā)語言使用。