一個場景模型示例
在下邊這個本體場景例項，是銀行領域客服投訴分析挖掘的場景本體模型，可用於對銀行客服投訴進行自動分析。輸入是客服投訴文字，是自然語言表示的文字，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，這裡指客服投訴的分類。領域模型，是本體樹對應的推理規則的形式化描述，這裡指客服投訴分類相關的業務知識。領域模型支援兩種型別：概念模型、機器學習預訓練模型。上圖中的“本體表示式”，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”是投訴物件要素，“態度”是投訴涉及的屬性要素，“不好”是投訴中對投訴物件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。這裡指銀行領域相關投訴物件（物件要素）、投訴物件相關屬性（屬性要素）。如工作人員的物件要素，可包括下級要素，如“櫃員、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。這裡指物件和屬性的評價概念，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
為了提高建模效率，DINFO-OEC平臺也提供OEC智慧輔助建模工具，支援利用機器學習演算法，對業務資料進行自動學習。輔助建模中涉及到的機器學習演算法（包括深度學習）、知識資源及各種功能模組，均由DINFO-OEC平臺提供。
輔助建模工具
輔助建模工具的3個分割槽：
1、元件區：在建模工具左下角。該區提供相關演算法元件，如用於本體模型輔助的分類聚類，用於要素模型、概念模型中的實體抽取，用於本體模型中本體表示式輔助的關聯發現、規則生成等元件。每個元件對可以對應一個或多個演算法，業務人員無須瞭解演算法的具體細節，只需要在輔助建模工具中拖拽元件（如分類、聚類元件），即可完成自動聚類的任務。元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資料等。
2、建模區： 在建模工具左上方。該區支援業務人員將元件區的元件和操作，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併、修改、刪除等操作。
輔助建模功能示例
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物件。
3、評價概念複用：針對概念樹中概念樹建設，可直接複用平臺提供的語言資源。
4、本體表示式發現：針對本體模型中，一個本體樹節點的業務規則，從客服投訴文字中，輔助發現要素與概念的組合關係，自動形成本體表示式。
