這家公司要用NLP技術(shù)提供企業(yè)情報(bào)服務(wù)

今年8月，雷鋒網(wǎng)將在深圳舉辦一場盛況空前，且有全球影響力的人工智能與機(jī)器人峰會。屆時(shí)雷鋒網(wǎng)將發(fā)布“人工智能&機(jī)器人Top25創(chuàng)新企業(yè)榜”榜單。目前，我們正在拜訪人工智能、機(jī)器人領(lǐng)域的相關(guān)公司，從中篩選最終入選榜單的公司名單。如果你也想加入我們的榜單之中，請聯(lián)系：2020@leiphone.com。

要讓機(jī)器理解人類的話語，自然語言處理（NLP）是其中的關(guān)鍵技術(shù)。微軟將這一技術(shù)用在了小冰、Cortana這樣的虛擬助手，以及Skype的實(shí)時(shí)翻譯上；Facebook智能助手M的核心技術(shù)之一也是NLP。但稍微調(diào)戲一下就會發(fā)現(xiàn)，這些通用的虛擬助手往往會答非所問，而M的背后更是有人類訓(xùn)練師的支撐。但這并不妨礙NLP技術(shù)在特定領(lǐng)域解放人力。

玻森數(shù)據(jù)通過中文語義分析開放平臺為開發(fā)者提供NLP API服務(wù)，目前有15個(gè)處理引擎，其中3個(gè)供內(nèi)部使用，能實(shí)現(xiàn)文本的信息分類、情感分析、實(shí)體識別、文本聚類和關(guān)鍵詞提取等功能，主要服務(wù)對象是咨詢公司、金融及媒體機(jī)構(gòu)。比如，商家可以用相關(guān)引擎分析用戶對產(chǎn)品的評價(jià)。

玻森聯(lián)合創(chuàng)始人李臻介紹，一些實(shí)驗(yàn)室也有做NLP引擎，但一般會針對具體的問題，而商業(yè)化語義引擎則要能快速進(jìn)入某個(gè)領(lǐng)域，提供快速、標(biāo)準(zhǔn)的服務(wù)。目前有約6000開發(fā)者在使用玻森數(shù)據(jù)引擎。

玻森引擎對本文的摘要分析

2015年初，出于政府信息公開力度加大的原因，玻森開始開發(fā)企業(yè)情報(bào)服務(wù)系統(tǒng)“風(fēng)報(bào)”。它以玻森的NLP引擎為基礎(chǔ)，根據(jù)政府文書、新聞報(bào)道、公司內(nèi)部文件、財(cái)務(wù)數(shù)據(jù)和行業(yè)指數(shù)等（非）結(jié)構(gòu)數(shù)據(jù)，分析公司的經(jīng)營信息，用于風(fēng)險(xiǎn)控制和情報(bào)分析。以往了解一家公司可能需要自行查詢政府?dāng)?shù)據(jù)庫，并搜索相關(guān)媒體報(bào)道才能形成初步判斷，但李臻表示，他們可以按時(shí)間、性質(zhì)和事件形成公司的完整報(bào)告。這顯然能節(jié)省不少時(shí)間。

提供企業(yè)信息服務(wù)的公司不少，有天眼查、企查查、啟信寶等。李臻告訴雷鋒網(wǎng)，風(fēng)報(bào)的核心是分析能力。企業(yè)信息涉及很多裁判文書，提煉關(guān)鍵信息要進(jìn)行去重、實(shí)體抽取、分詞、清洗及分析等，這這些不是信息匯總就能完成的。

之所以選擇企業(yè)情報(bào)服務(wù)是因?yàn)橛幸欢ǖ男袠I(yè)基礎(chǔ)。玻森聯(lián)合創(chuàng)始人之一的紀(jì)敏曾負(fù)責(zé)數(shù)十個(gè)企業(yè)上市及并購項(xiàng)目，具有豐富的投融資經(jīng)驗(yàn)。

風(fēng)報(bào)中的關(guān)系挖掘展示

李臻表示，玻森的主要優(yōu)勢在于NLP及語料庫兩方面。

玻森引擎自2006年開始，到2013年正式進(jìn)行項(xiàng)目研發(fā)，有較長時(shí)間的技術(shù)積累，NLP引擎能進(jìn)行半監(jiān)督半自動化的學(xué)習(xí)。它已經(jīng)在汽車、新聞和體育等行業(yè)有所應(yīng)用。以汽車為例，可以為汽車之家這樣的網(wǎng)站提供汽車咨詢，客戶訪談方面的分析，這需要對文本信息進(jìn)行分詞、抽取等，結(jié)合行業(yè)用戶的知識體系再做引擎開發(fā)。李臻表示，目前少有其它公司用NLP做企業(yè)情報(bào)分析，因?yàn)镹LP技術(shù)有比較高的進(jìn)入門檻，一方面需要大量語料庫的積累，另一方面需要對應(yīng)用場景有深入理解的行業(yè)專家。

另外，目前主流的NLP技術(shù)以統(tǒng)計(jì)機(jī)器學(xué)習(xí)為基礎(chǔ)，這就需要大規(guī)模的語料庫，沒辦法做通用處理，需要根據(jù)行業(yè)進(jìn)行定制。機(jī)器學(xué)習(xí)近二十年的進(jìn)展很迅速，“更多的數(shù)據(jù)勝過更好的算法”成了業(yè)內(nèi)許多人的共識。在良好算法的基礎(chǔ)上，語料對NLP模型的準(zhǔn)確性和通用性非常重要。而玻森目前在中文分詞、實(shí)體識別、關(guān)系抽取、情感分析上積累了上百萬條標(biāo)注語料。

未來，玻森還會開發(fā)機(jī)器人客服系統(tǒng)，這也是NLP應(yīng)用較廣泛的領(lǐng)域，比較知名的公司有智齒客服。甚至，它還有圖像處理產(chǎn)品研發(fā)的打算，按李臻的說法，圖像識別所用算法與NLP相近。聯(lián)想到國外知名創(chuàng)業(yè)公司MetaMind在2015年從NLP領(lǐng)域轉(zhuǎn)型到圖像分析，這并不是令人意外的產(chǎn)品路線。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。