面向NLP场景应用的智能辅助建模（五）特色与优势

OEC智能辅助建模，提供一套完整的面向业务建模的流程，以本体模型为主线，对本体模型中的本体树、领域模型，以及要素模型和概念模型中需要建模的内容，通过辅助建模 工具 的功能，调用相应的机器学习算法，来进行自动学习，将学习结果输出给模型，辅助业务人员快速构建适应业务需要的本体模型。

与市场上其他面向场景的NLP解决方案相比，OEC智能辅助建模具有几个优势：

下面通过将OEC智能辅助建模与传统的NLP解决方案对比，来简单说明OEC智能辅助建模的特色。下面图示中，红色字体表示的是OEC智能辅助建模的功能，蓝色字体表示的是传统解决方案的功能。

特色一

智能辅助建模对业务分类体系的输出结果是本体模型中的本体树，本体树与业务直接对应，以最大程度的满足业务可解释性的需求。而传统解决方案一般直接采用分类聚类算法，输出的结果无法与业务有明显的业务关联，可解释性差。

特色二

智能辅助建模对业务相关实体自动发现的结果，输出到要素树进行管理，要素树直观可见，方便业务人员管理，同时，具有要素树的复用性强。而传统解决方案，一般直接输出实体发现结果，杂质太多，而且不利于复用。

特色三

智能辅助建模对领域模型的构建，通过对本体树节点的本体表达式发现，来自动挖掘每个业务节点的领域知识。本体表达式发现使得隐藏在数据中的业务规则，显式地表示在本体模型中，从而获得良好的可解释性，并实现最大化的复用。同时，本体模型也支持给单个的本体节点，配置机器学习模型，来通过机器学习算法，自动训练模型。传统的解决方案一般都无法构建关联规则，特别是具体到某个业务节点的关联规则。

智能辅助建模提供可视化建模工具，业务人员可以通过简单的拖拉拽的方式，即可完成辅助建模过程，而无须掌握过程中用到的复杂的机器学习算法，以最大化的降低业务人员使用门槛。传统的解决方案无法实现可视化建模，处理过程需要业务人员熟知各种机器学习算法，使得业务人员望而生畏。

特色五

智能辅助建模的后期维护成本低，模型复用性高，其中的要素树、概念树、本体表达式等均可以一次建模，多个业务复用，大幅度降低维护成本。传统解决方案一般每个业务均需要单独开发算法，无法复用，新业务开发和已有业务维护均需要投入大量人力。

智能辅助建模总结

最后，我们总结下OEC智能辅助建模的特色和优势，辅助建模面向业务，业务人员操作简单，模型复用性高，输出的线上模型与输入的线下数据打通，提供覆盖本体模型、要素模型、概念模型的整套辅助建模平台，同时兼容概念模型和机器学习模型。