我們以前文介紹的一個場景本體的例項，銀行領域客服投訴分析挖掘的場景本體模型，來說明本體樹輔助建模。模型包括三部分：本體模型、要素模型、概念模型。本文說明本體樹模型的輔助建模。
要素樹輔助建模
要素樹輔助建模（也稱要素髮現）實現的功能是，對輸入的客服投訴文字資料，利用深度學習等技術，對輸入的要素“種子詞”，自動發現種子詞相關的實體，並對實體按照屬性進行聚類，給出多種屬性的下級要素，以自動對要素種子詞的自動擴充套件，自動發現其下級要素。
以種子詞“信用卡”為例，輔助建模給出的結果為：（冒號前是信用卡相關的語義聚類維度，冒號後是此維度下的相關實體）。
“業務”：“申請、升級、開卡、退款、簽約”等
“卡種”：“白金卡、金卡、聯名卡、招行金葵花卡”等
“費據”：“賬單、年費”等
......
在DINFO-OEC平臺中，分類體系輔助建模的輸出結果，就是本體樹的節點，在本體模型中可以方便檢視。
DINFO-OEC平臺提供的語義資源包括2大類：
1、常用語義資源庫，包括8萬多常用概念，可以分為“心理概念”、“語言學概念”、“異常類概念”等類別。每類概念按上下位的類進行組織，如“心理概念”，其下級有“評價”、“情感”等，“情感”的下級有“高興、悲傷”等概念。
2、領域資源庫，包括60多個領域的3000萬個概念，如銀行領域、保險領域、快遞領域等。
平臺提供的語義資源，會定期自動更新。有專業的語言資源建設團隊負責維護和更新。
在特定的場景應用下，對概念的使用，可能會相當靈活，一個概念的表達不僅可以是一個詞語，而且可以是一個短語，或一個子句，如“等了兩天了還沒送到”（表達“不及時”的概念），甚至可以是一段話。
對這種不是詞語的概念，一般在平臺提供的常用語義資源中不可能完整，而需要利用機器學習演算法，從場景應用的資料中自動學習得到。概念樹輔助建模，就是幫助自動發現這些複雜概念。
概念樹輔助建模，輸入一個種子詞語，或者一個複雜概念的組合，如“態度+好”，建模工具會利用機器學習演算法，對語料自動進行概念相似度計算，發現其相關概念。如“態度+好”的相關概念有“溫柔、利索、忙前忙後、謙虛、和藹可親”等，“態度+不好”的相關概念有“蠻橫、傲慢、冷淡、惡劣、冷漠”等。
