智能辅助建模（也称为“OEC智能辅助建模”）将介绍如何利用机器学习算法和语义资源，辅助场景业务人员，自动或半自动化地构建具体场景应用中的OEC模型。本文是辅助建模系列文章的第一篇，将介绍辅助建模的概念、工具和基本功能。

　　在下边这个本体场景实例，是银行领域客服投诉分析挖掘的场景本体模型，可用于对银行客服投诉进行自动分析。输入是客服投诉文本，是自然语言表示的文本，输出结果是客服投诉的自动分类。

　　客服投诉模型，包括3部分：

　　1、本体模型：形式上由一个本体树和领域模型构成。本体树是类目体系的形式化描述，这里指客服投诉的分类。领域模型，是本体树对应的推理规则的形式化描述，这里指客服投诉分类相关的业务知识。领域模型支持两种类型：概念模型、机器学习预训练模型。上图中的“本体表达式”，是概念模型的形式化规则，说明客服投诉的业务知识，一般是用“客服人员-态度-不好”这样的三元组表示，其中“客服人员”是投诉对象要素，“态度”是投诉涉及的属性要素，“不好”是投诉中对投诉对象涉及属性的评价性描述。

　　2、要素模型：是对领域相关实体概念的形式化描述。这里指银行领域相关投诉对象（对象要素）、投诉对象相关属性（属性要素）。如工作人员的对象要素，可包括下级要素，如“柜员、客服人员、保安、大堂经理”等，工作人员的属性要素，可包括下级要素如“态度、效率、业务水平”等。

　　3、概念模型：是对领域无关的语言概念的形式化描述。这里指对象和属性的评价概念，如“不好、恶劣、怠慢”等。概念模型可理解为传统意义上的语言资源形式化管理。

　　场景本体模型是业务知识的形式化表示，一般由业务人员主导构建。面向场景应用开发的工具——DINFO-OEC平台，提供专业、方便、易用的建模IDE集成环境，支持场景化业务建模，可通过概念规则，构建形式化的业务规则，也可通过数据标注，指定机器学习（包括深度学习）算法，来训练机器学习模型。建模工具支持两种类型领域模型。

　　为了提高建模效率，DINFO-OEC平台也提供OEC智能辅助建模工具，支持利用机器学习算法，对业务数据进行自动学习。辅助建模中涉及到的机器学习算法（包括深度学习）、知识资源及各种功能模块，均由DINFO-OEC平台提供。

　　辅助建模工具，提供可视化辅助建模环境，支持业务人员通过拖拉拽的方式，实现各种建模操作。

　　辅助建模工具的3个分区：

　　1、组件区：在建模工具左下角。该区提供相关算法组件，如用于本体模型辅助的分类聚类，用于要素模型、概念模型中的实体抽取，用于本体模型中本体表达式辅助的关联发现、规则生成等组件。每个组件对可以对应一个或多个算法，业务人员无须了解算法的具体细节，只需要在辅助建模工具中拖拽组件（如分类、聚类组件），即可完成自动聚类的任务。组件区也提供建模常用操作，如选择语料，可以选择客服投诉语料来作为辅助建模的数据等。

　　2、建模区：在建模工具左上方。该区支持业务人员将组件区的组件和操作，通过拖拉拽的方式，形成一个处理流程，用以实现多级建模。

　　3、结果区：在建模工具右方。该区展示当前流程的输出结果，业务人员可对结果进行合并、修改、删除等操作。

　　以上述客服投诉模型为例，辅助建模工具在以下4个环节中，支持业务人员对客服投诉的文本数据进行分析，提高客服投诉模型的建设效率：

　　1、分类体系建模：针对本体模型中本体树建设，辅助自动发现本体树节点。

　　2、要素发现：针对要素模型中要素树建设，辅助自动发现客服投诉场景下的实体对象。

　　3、评价概念复用：针对概念树中概念树建设，可直接复用平台提供的语言资源。

　　4、本体表达式发现：针对本体模型中，一个本体树节点的业务规则，从客服投诉文本中，辅助发现要素与概念的组合关系，自动形成本体表达式。

作者：晋耀红博士，神州泰岳首席科学家，人工智能研究院院长，北京师范大学教授，博士生导师。