我的工程实践是金融文本数据挖掘。主要是通过爬取新浪网上与金融相关的全量新闻，然后通过对新闻文本进行实体提取以及相应的关系处理，构造一个金融领域的知识图谱。用户有了这个知识图谱后，可以将刚发生的金融相关新闻输入，通过知识图谱分析得到可能会导致的后果。
由于近代的信息爆炸，时刻都有新事物产生。所以我们的知识图谱需要不断的更新内容，才能满足用户的需求。因此，我们需要有一个管理员角色，对知识图谱进行维护。
过去，一般人对专业行业消息不是很敏感。对一个刚爆发的消息，只能拿去询问专业顾问，而且专业顾问的水平也参次不齐。而我们通过对全量的金融新闻进行挖掘，构建一个知识图谱。用户可以在第一时间通过本系统了解到与本事件相关联的事物，以及可能会发生的事件，从而在第一时间长做好应急准备。
通过上面对系统的角色分析以及多用户提供的功能分析，我们能了解到具有有哪些业务，从而进行业务建模。
其中主要的高级用例（High level use case）为数据清洗，以及生成文本实体关联图
对于数据清洗用例，可以进一步进行分析，其具体如：
原文：https://www.cnblogs.com/hallowode/p/11788735.html