NLPIR能够全方位多角度满足应用者对大数据文本的处理需求，包括大数据完整的技术链条：网络抓取、正文提取、中英文分词、词性标注、实体抽取、词频统计、关键词提取、语义信息抽取、文本分类、情感分析、语义深度扩展、繁简编码转换、自动注音、文本聚类等。
NLPIR所有功能模块全部备有对应的二次开发接口（动态链接库.dll，.so，及静态链接库等形式），平台的各个中间件API可以无缝地融合到客户的各类复杂应用系统之中，可兼容Windows，Linux，Android，Maemo5,FreeBSD，麒麟等不同操作系统，开发者可使用Java，C/C++，C#,Python，Php,R等各类主流开发语言调用其所有功能。
2、NLPIR大数据搜索与挖掘在线平台功能介绍
本演示平台（点击左下角阅读原文链接可进入）支持Chrome、Firefox、IE(9+)、UC、360等主流浏览器。
2.1网络信息实时采集与正文提取
NLPIR/ICTCLAS中英文一体化分词可视化效果图
NLPIR/ICTCLAS分词系统可以支持中英文分词与词性标注，可视化系统可根据词性对不同的分词结果进行区分显示，一般虚词都是浅色，而名词、动词、形容词等实词为显著的颜色。本系统还支持在线用户词典的输入，用户可以在右下方添加用户词及词性，如“中东呼吸综合征/bing”。
NLPIR/ICTCLAS分词系统，采用层叠隐马模型（算法细节请参照：张华平,高凯，黄河燕，赵燕平，《大数据搜索与挖掘》科学出版社。2014.5ISBN:978-7-03-040318-6），分词准确率接近98.23%，具备准确率高、速度快、可适应性强等优势。它能够真正理解中文，利用机器学习的方式解决歧义切分与词性标注歧义问题。
2.3基于角色标注的实体抽取
实体抽取图表展示效果（支持网络图与和炫图）
NLPIR实体抽取文本展示效果
2.4基于完美双数组TRIE树的词频统计
柱形图展现方式
折线图展现方式
本演示平台只展示了名词、动词、形容词三种开放词类的Top10结果。这类结果已经足够支持后面的文本向量化计算，并达到较好的效果。
基于我们的完美双数组TRIE树的专利算法(近期有进一步的优化)，NLPIR的词频统计算法的效率较高，是常规算法的十倍以上。该算法的效率不会随着待统计结果数目的剧增而指数级增长，一般是呈亚线性增长。建议大家调用NLPIR/ICTCLAS开放的词频统计接口。
2.5基于深度机器学习的文本分类
NLPIR采用深度神经网络对分类体系进行了综合训练。演示平台目前训练的类别只是新闻的政治、经济、军事等。我们内置的算法支持类别自定义训练，该算法对常规文本的分类准确率较高，综合开放测试的F值接近86%。NLPIR深度文本分类，可以用于新闻分类、简历分类、邮件分类、办公文档分类、区域分类等诸多方面。此外还可以实现文本过滤，能够从大量文本中快速识别和过滤出符合特殊要求的信息，可应用于品牌报道监测、垃圾信息屏蔽、敏感信息审查等领域。
2.6基于深度神经网络的文本情感分析
文本情感分析的饼图展示
NLPIR情感分析提供两种模式：全文的情感判别（左图）与指定对象的情感判别（右图）。情感分析主要采用了两种技术：
1.情感词的自动识别与权重自动计算，利用共现关系，采用Bootstrapping的策略，反复迭代，生成新的情感词及权重。
2.情感判别的深度神经网络：基于深度神经网络对情感词进行扩展计算，综合为最终的结果。
情感分析的漏斗视图
2.7基于上下文条件熵的关键词提取
三维词云图可视化效果
文本演示效果
1、速度快：可以处理海量规模的网络文本数据，平均每小时处理至少50万篇文档。
3、精准排序：关键词按照影响权重排序，可以输出权重值。
2.8基于POS-CBOW的word2vec语义扩展
语义关联扩展力导分布演示图
和弦演示图
POS-CBOW方法综合了词性、词的分布特点，采用word2vector改进模型，对5GB的新闻语料进行训练，自动提取出了语义关联关系。如果训练文本调整为专业领域的生语料，该模型同样可以产生专业领域的本体关联关系。
2.9基于全局结构预测模型的转移依存句法分析
NLPIR提出使用Yamada算法的结构化转移依存句法分析模型，在Yamada算法的基础上，加入全局的训练以及预测，优化了特征集合。该模型的精度（85.5%）接近于目前转移依存句法最好结果（86.0%），并且在所有精度85%以上的依存句法模型中，达到了最快的分析速度。
2.10简繁转化
根据中文简繁词库，对照抽取互译。
2.11基于隐马模型的自动注音
NLPIR根据词库，基于语意理解，对字词自行语音标注，准确率达99%。
2.12基于关键词提取的自动摘要
自动摘要中间件不仅可以针对一篇文档生成连贯流畅的摘要，还能够将具有相同主题的多篇文档去除冗余，并生成一篇简明扼要的摘要。用户可以自由设定摘要的长度、百分比等参数。其处理速度达到每秒钟20篇。
3.NLPIR大数据搜索与挖掘平台主要优势
NLPIR大数据搜索与挖掘共享平台的主要优势可以概括为以下三点：
3.1技术优势
NLPIR由多名专注于大数据科学研究与工程应用融合领域的博士硕士，不断创新，倾力打造十余年。并分别荣获了2010年钱伟长中文信息处理科学技术奖一等奖，2002年国内973评测综合第一名，2003年国际SIGHAN分词大赛综合第一名。综合平衡了效果与效率，实现了“又好又快”的技术追求。
3.2普适优势
NLPIR提供丰富的openAPI，可无缝地融合到客户的各类复杂操作系统之中，开发者可使用各类主流开发语言调用其所有功能。