這家公司要用NLP技術提供企業情報服務

今年8月，雷鋒網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器人峰會。屆時雷鋒網將發布“人工智能&機器人Top25創新企業榜”榜單。目前，我們正在拜訪人工智能、機器人領域的相關公司，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，請聯系：2020@leiphone.com。

要讓機器理解人類的話語，自然語言處理（NLP）是其中的關鍵技術。微軟將這一技術用在了小冰、Cortana這樣的虛擬助手，以及Skype的實時翻譯上；Facebook智能助手M的核心技術之一也是NLP。但稍微調戲一下就會發現，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練師的支撐。但這并不妨礙NLP技術在特定領域解放人力。

玻森數據通過中文語義分析開放平臺為開發者提供NLP API服務，目前有15個處理引擎，其中3個供內部使用，能實現文本的信息分類、情感分析、實體識別、文本聚類和關鍵詞提取等功能，主要服務對象是咨詢公司、金融及媒體機構。比如，商家可以用相關引擎分析用戶對產品的評價。

玻森聯合創始人李臻介紹，一些實驗室也有做NLP引擎，但一般會針對具體的問題，而商業化語義引擎則要能快速進入某個領域，提供快速、標準的服務。目前有約6000開發者在使用玻森數據引擎。

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，玻森開始開發企業情報服務系統“風報”。它以玻森的NLP引擎為基礎，根據政府文書、新聞報道、公司內部文件、財務數據和行業指數等（非）結構數據，分析公司的經營信息，用于風險控制和情報分析。以往了解一家公司可能需要自行查詢政府數據庫，并搜索相關媒體報道才能形成初步判斷，但李臻表示，他們可以按時間、性質和事件形成公司的完整報告。這顯然能節省不少時間。

提供企業信息服務的公司不少，有天眼查、企查查、啟信寶等。李臻告訴雷鋒網，風報的核心是分析能力。企業信息涉及很多裁判文書，提煉關鍵信息要進行去重、實體抽取、分詞、清洗及分析等，這這些不是信息匯總就能完成的。

之所以選擇企業情報服務是因為有一定的行業基礎。玻森聯合創始人之一的紀敏曾負責數十個企業上市及并購項目，具有豐富的投融資經驗。

風報中的關系挖掘展示

李臻表示，玻森的主要優勢在于NLP及語料庫兩方面。

玻森引擎自2006年開始，到2013年正式進行項目研發，有較長時間的技術積累，NLP引擎能進行半監督半自動化的學習。它已經在汽車、新聞和體育等行業有所應用。以汽車為例，可以為汽車之家這樣的網站提供汽車咨詢，客戶訪談方面的分析，這需要對文本信息進行分詞、抽取等，結合行業用戶的知識體系再做引擎開發。李臻表示，目前少有其它公司用NLP做企業情報分析，因為NLP技術有比較高的進入門檻，一方面需要大量語料庫的積累，另一方面需要對應用場景有深入理解的行業專家。

另外，目前主流的NLP技術以統計機器學習為基礎，這就需要大規模的語料庫，沒辦法做通用處理，需要根據行業進行定制。機器學習近二十年的進展很迅速，“更多的數據勝過更好的算法”成了業內許多人的共識。在良好算法的基礎上，語料對NLP模型的準確性和通用性非常重要。而玻森目前在中文分詞、實體識別、關系抽取、情感分析上積累了上百萬條標注語料。

未來，玻森還會開發機器人客服系統，這也是NLP應用較廣泛的領域，比較知名的公司有智齒客服。甚至，它還有圖像處理產品研發的打算，按李臻的說法，圖像識別所用算法與NLP相近。聯想到國外知名創業公司MetaMind在2015年從NLP領域轉型到圖像分析，這并不是令人意外的產品路線。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。