智能輔助建模（也稱為OEC智能輔助建模）將介紹如何利用機器學習算法和語義資源，輔助場景業務人員，自動或半自動化地構建具體場景應用中的OEC模型。本文是輔助建模系列文章的第一篇，將介紹輔助建模的概念、工具和基本功能。

　　一個場景模型示例

　　在下邊這個本體場景實例，是銀行領域客服投訴分析挖掘的場景本體模型，可用于對銀行客服投訴進行自動分析。輸入是客服投訴文本，是自然語言表示的文本，輸出結果是客服投訴的自動分類。

　　客服投訴模型，包括3部分：

　　1、本體模型：形式上由一個本體樹和領域模型構成。本體樹是類目體系的形式化描述，這里指客服投訴的分類。領域模型，是本體樹對應的推理規則的形式化描述，這里指客服投訴分類相關的業務知識。領域模型支持兩種類型：概念模型、機器學習預訓練模型。上圖中的本體表達式，是概念模型的形式化規則，說明客服投訴的業務知識，一般是用客服人員-態度-不好這樣的三元組表示，其中客服人員是投訴對象要素，態度是投訴涉及的屬性要素，不好是投訴中對投訴對象涉及屬性的評價性描述。

　　2、要素模型：是對領域相關實體概念的形式化描述。這里指銀行領域相關投訴對象（對象要素）、投訴對象相關屬性（屬性要素）。如工作人員的對象要素，可包括下級要素，如柜員、客服人員、保安、大堂經理等，工作人員的屬性要素，可包括下級要素如態度、效率、業務水平等。

　　3、概念模型：是對領域無關的語言概念的形式化描述。這里指對象和屬性的評價概念，如不好、惡劣、怠慢等。概念模型可理解為傳統意義上的語言資源形式化管理。

　　場景本體輔助建模

　　場景本體模型是業務知識的形式化表示，一般由業務人員主導構建。面向場景應用開發的工具——DINFO-OEC平臺，提供專業、方便、易用的建模IDE集成環境，支持場景化業務建模，可通過概念規則，構建形式化的業務規則，也可通過數據標注，指定機器學習（包括深度學習）算法，來訓練機器學習模型。建模工具支持兩種類型領域模型。

　　為了提高建模效率，DINFO-OEC平臺也提供OEC智能輔助建模工具，支持利用機器學習算法，對業務數據進行自動學習。輔助建模中涉及到的機器學習算法（包括深度學習）、知識資源及各種功能模塊，均由DINFO-OEC平臺提供。

　　輔助建模工具

　　輔助建模工具，提供可視化輔助建模環境，支持業務人員通過拖拉拽的方式，實現各種建模操作。

　　輔助建模工具的3個分區：

　　1、組件區：在建模工具左下角。該區提供相關算法組件，如用于本體模型輔助的分類聚類，用于要素模型、概念模型中的實體抽取，用于本體模型中本體表達式輔助的關聯發現、規則生成等組件。每個組件對可以對應一個或多個算法，業務人員無須了解算法的具體細節，只需要在輔助建模工具中拖拽組件（如分類、聚類組件），即可完成自動聚類的任務。組件區也提供建模常用操作，如選擇語料，可以選擇客服投訴語料來作為輔助建模的數據等。

　　2、建模區：在建模工具左上方。該區支持業務人員將組件區的組件和操作，通過拖拉拽的方式，形成一個處理流程，用以實現多級建模。

　　3、結果區：在建模工具右方。該區展示當前流程的輸出結果，業務人員可對結果進行合并、修改、刪除等操作。

　　輔助建模功能示例

　　以上述客服投訴模型為例，輔助建模工具在以下4個環節中，支持業務人員對客服投訴的文本數據進行分析，提高客服投訴模型的建設效率：

　　1、分類體系建模：針對本體模型中本體樹建設，輔助自動發現本體樹節點。

　　2、要素發現：針對要素模型中要素樹建設，輔助自動發現客服投訴場景下的實體對象。

　　3、評價概念復用：針對概念樹中概念樹建設，可直接復用平臺提供的語言資源。

　　4、本體表達式發現：針對本體模型中，一個本體樹節點的業務規則，從客服投訴文本中，輔助發現要素與概念的組合關系，自動形成本體表達式。

作者：晉耀紅博士，神州泰岳首席科學家，人工智能研究院院長，北京師范大學教授，博士生導師。