企业生产经营过程中产生的大量非结构化数据,尤其是文本数据中,蕴含着众多业务信息。如何充分利用这些数据,挖掘其中蕴含的价值并为决策提供指导成了人们关心的问题。文本的语义分析包含词语、句子和篇章三个层次,目前对各个层次都有一些较为成熟的理论和分析工具,如格语法、潜在语义分析等,这些自然语言处理技术的发展也为文本分析挖掘的实现提供了可能。由于文本内容来源繁多,表达方式灵活多样,存在大量歧义性,简单地应用分析工具很难得到理想结果。此外,多数数据和业务场景密切相关,需要根据业务特点对分析策略进行大量针对性调整,这极大地增加了企业的实施成本。企业需要一个简单易用,又能根据业务需求进行适当调整的工具,来帮助他们实现分析挖掘的目标。在上述背景下,本文论述了一个语义分析挖掘平台设计与实现的全过程。该平台采用本体(Ontology)-要素(Element)-概念(Conception)三位一体的OEC建模技术实现业务建模,将业务和语言分为两个不同层面分别处理,并以此作为基础资源,表达不同业务需求的挖掘策略,最终输出面向业务的结构化的标签。技术方面,该平台采用微服务架构,通过Spring Cloud组件构建了一个灵活高效的分布式系统并通过Docker实现快速部署,使整个系统具有较强的可扩展性。本文所实现的文本分析挖掘平台,可以在不进行自定义开发的情况下即具备较好的分析挖掘能力,内置的场景模型可以帮助企业快速开展相关分析。其中情感分析、命名实体识别等模型准确率可达90%以上,各算法组件的响应时间平均在10ms以内,高并发场景下也能保证在300ms以内。随着内置模型与算法的增加和改进,平台有望成为企业进行文本分析挖掘、执行人工智能战略的最佳选择。