趋势网(微博｜微信)讯：

南昌通报李宜雪已被送诊  夫妻玩闹时妻子黄体破裂  满洲里市领导被指与举报者互骂  

大数据时代，文本、语义和社交分析就像企业的“天眼”，可以聆听到来自用户、患者和市场的声音。目前文本、语义和社交分析技术已经包括金融、医疗、传媒、电商在内的在多个行业得到广泛应用，企业从海量的互联网和企业内部数据，包括文本、视频等结构化和非结构化数据中提取那些能提高决策质量的有用信息和情报。

但是，文本、语义和社交分析技术依然处于成长期，在一些领域，例如数据分析和市场研究方面的应用还只是刚刚起步，而在相对成熟的领域，例如用户体验、社交聆听和用户互动方面，还有很大的提升空间。

总之，文本、语义和社交分析技术依然有很大的创新和成长空间，对于新进入者和现有的玩家来说都是如此，以下是Alta Plana公司战略顾问Seth Grimes对2016年这个市场发展趋势的预测，IT经理网整理如下：

一、多语言是王道

目前文本语义分析还是以英语为为主，但是机器学习和机器翻译技术的成长可以帮我们扩展到多语言分析，并使之成为常态。如果你需要跨语言分析，那么选择供应商的时候可要小心了，因为很多供应商的核心语言分析能力很强，但是其他语言就不敢恭维了。

二、文本分析获得重视

文本分析是客户体验、市场研究、用户调查以及数据分析和媒体测量的关键解决方案，这个领域的供应商竞争很激烈，总的趋势是“量化定性”，而且会有越来越多的针对企业的解决方案出现。

三、机器学习、统计与语言工程并存

未来属于深度学习，也就是递归神经网络之类的技术，但就今天而言，历史悠久的语言工程方法(例如语法分析、词条语义网络、句法规则系统等)依然会是主流方案。

当前是传统与创新并存，百花齐放的阶段，例如众包标准的开创者CrowdFlower拥抱了机器学习，而创业公司Idibon则以将传统和创新结合为卖点。

四、图像识别进入主流

领先的图像识别技术厂商，例如Pulsar、Crimson和Hexagon已经可以从社交媒体图片中辨识品牌信息，而IBM 2015年收购的AlchemyAPI，主打的也是深度学习概念。创业公司MetaMind也意识到了图像识别的巨大商业价值，在2015年从自然语言处理转型到图像识别技术。

五、语音分析将爆发，视频分析紧随其后

首席营销官们热衷于讨论多渠道分析，最常挂在嘴边的词是“用户画像”。如今社交媒体渠道中的语音和视频数据越来越多，这些非文本数据有着不同的分析元素，例如语调、语速、声高等都有其含义。2016年不仅仅是客服中心，更多的营销人士、出版商和市场研究分析人士都将开始拥抱语音分析技术，语音分析还是打造准确性极高的对话界面的关键技术。

六、情感分析的扩张

广告主们深知情绪对消费者的购买决策起着至关重要的作用，但是，长久以来广泛系统的情感研究难以开展。随着情感分析技术的成熟，这一局面有望改变。创业公司们开发的情感分析技术能够从图像、视频、文本和语音中分析面部表情或用户情绪反应。这方面的创业公司包括Affectiva、Emotient，视频分析方面有Realeyes，语音方面有Beyond Verbal、文本方面有Kanjoya，情感分析技术开展最快的领域包括广告、媒体等行业。

七、ISO表情符号分析

2015年社交媒体领域最热门的莫过于表情符号，相比图片、文字和视频，表情符号更简洁、更易用，也更有趣。除了卡戴珊的身体部件表情符号之外，Facebook已经开始表情符号的实验项目Reations，随着表情符号的流行，相关的分析技术创业公司也开始浮现，代表性的如Emogi。（参考Emogi发布的：2015年表情符号报告）目前大多数研究者对表情符号的研究还停留在统计和归类，但是Instagra m工程师Thomas Dimson、CLARIN.SI以及SwiftKey的研究值得一看。

八、网络与内容结合的图谱分析(Graph Analytics)

网络关系是对话的基础结构，而内容挖掘则获取有效信息，只有把内容分析和网络关系节点的分析结合起来，才能挖掘出深度的情报。因此对于分析者来说，2016年需要在工具箱中增加图谱数据库(Graph Database)和网络可视化工具。这也是为什么Neo4j、js和Gephi这几个开源项目大受欢迎的原因。(参考阅读：被冷落的大数据热点：图谱分析)

九、机器撰写内容将越来越多

机器撰写内容的技术被称之为自然语言生成（NLG），可以让计算机撰写短信、邮件、翻译，甚至撰写长篇文章。NLG特别适用于海量且重复性高的内容，例如金融、体育、天气预报等。目前的代表性供应商有：Arria,Narrative Science,Automated Insights,Data2Content, 和Yseop。其实我们日常已经开始大量接触人机对话，例如苹果的Siri、微软的Cortana小冰，亚马逊的Alexa和谷歌的Google Now（这个除外），这些都属于人工智能和自然语言界面（NLI）的范畴，Artifical Solutions的方案值得一看。

十、机器翻译更加成熟

人们都想拥有类似星际迷航中的宇宙万能翻译器，但遗憾的是，虽然早在上个世纪五十年代研究者就宣称机器翻译将在三五年内达成，但是半个多世纪过去了，机器翻译依然不太靠谱。ACM Queue的文章，”站在人工智能和人机界面十字路口的机器翻译”一文，有助于我们了解机器翻译的现状。得益于大数据和机器学习技术的突飞猛进，未来一两年机器翻译将能够胜任大多数场合和任务的需求。