（5）我国数据清洗已形成基本产业格局

在大数据时代，数据正在成为一种生产资料，成为一种稀有资产和新兴产业。大数据产业已提升到国家战略的高度，随着创新驱动发展战略的实施，逐步带动产业链上下游，形成万众创新的大数据产业生态环境。数据清洗属于大数据产业链中关键的一环，可以从文本、语音、视频和地理信息出发对数据清洗产业进行细分。

文本清洗领域主要基于自然语言处理技术，通过分词、语料标注、字典构建等技术，从结构化、非结构化数据中提取有效信息，提高数据加工的效率。除去国内传统的搜索引擎公司，如百度、搜狗、360等，该领域代表公司有拓尔思、中科点击、任子行和海量等。

语音数据加工领域主要是基于语音信号的特征提取，利用隐马尔可夫模型等算法进行模式匹配，对音频进行加工处理。该领域国内的代表公司有科大讯飞、中科信利、云知声和捷通华声等。(https://www.daowen.com)

视频图像处理领域主要是基于图像获取、边缘识别、图像分割和特征提取等环节，实现人脸识别、车牌标注、医学分析等实际应用。该领域国内的代表公司有Face++、五谷图像、亮风台等。

地理信息处理领域主要是基于栅格图像和矢量图像，对地理信息数据进行加工，实现可视化展现、区域识别、地点标注等应用。该领域国内的代表公司有高德、四维图新和天下图等。