1、1,中文信息处理与汉语研究 现状和发展,詹卫东北京大学中文系 北京大学汉语语言学研究中心 北京，100871 http:/ 湖南 长沙 2003.10.5 - 10.6,2,提 纲,中文信息处理研究的格局 中文信息处理的现状和发展趋势 语言知识资源的建设 面向中文信息处理的汉语研究,3,一 中文信息处理研究的格局,信息的两个层次： 符号层 中文 / 汉语 / 汉字 内容层 符号所承载的意义 中文信息处理的两个层次： 字符处理（输入、存储、输出等） 内容处理（词语切分，词性标注，结构分析，意义理解，推理，翻译等等）,（信号 vs. 信息）,4,符号层的信息处理,拼音文字：小字符集 比较容易 非
2、拼音文字：大字符集 难度很大,汉字是一个大字符集 说文解字（东汉）：9353字 玉篇（南朝）收录16,917字 广韵（宋代）收字26,194字 字汇（明朝）收录33,197字 康熙字典（清朝）收录47,043字 汉语大字典（1992年）5.6万 中华字海（ 1994年） 8.6万,拉丁字母只有26个符号斯拉夫字母只有33个符号阿尔明尼亚字母只有38个符号泰米尔字母只有36个符号缅甸字母只有52个符号泰文字母只有44个符号老挝字母只有27个符号藏文字母只有35个符号韩文字母只有24个符号日文假名只有48个符号,5,符号层的信息处理,汉字输入,自动输入,键盘输入,字形识别,声音识别,手写体识别,印
3、刷体识别,在线手写,脱机手写,整字键盘,通用键盘,主辅式,感应式,形码,音码,形音结合码,1,2,3,4,5,6,7,8,9,6,内容层的信息处理,形态丰富的语言（inflecting language）：处理难 形态不丰富的语言（analytic language）：处理更难,7,内容层的信息处理,机器翻译全过程,8,内容层处理对符号层处理的反作用,9,内容层处理对符号层处理的反作用,10,内容层处理对符号层处理的反作用,11,内容层处理对符号层处理的反作用,12,二 中文信息处理的现状和发展趋势,现状 符号层的处理成果已经得到广泛应用； 中文输入/字库/字处理软件/排版/ 内容层的处理目前
4、在词语识别和词性标注方面已经取得重要进展，句子结构分析和语义分析方面仍有待探索,13,系统演示,北京大学现代汉语分词/词性标注/句法分析系统（孙斌、刘群、常宝宝、詹卫东等）http:/ 信息产品的多样化 网络的迅速发展 积累更多基础资源， 开发更多应用系统。 内容层的处理将受到越来越多的重视,信息家电，内容计算，,15,三 语言知识资源的建设,现代汉语语法信息词典 基于配价理论的现代汉语语义词典 现代汉语短语结构信息库 2700万字现代汉语分词与词性标注语料库 句子对齐的汉英双语语料库 现代汉语树库 现代汉语短语结构规则库,16,资源演示,现代汉语语义词典（詹卫东、王惠等） http:/ 汉英
5、平行语料库（常宝宝、柏晓静等） 现代汉语树库（詹卫东、常宝宝等）,17,四 面向中文信息处理的语言学研究,充分重视各个层次上的语言歧义研究 拓展语言现象的研究面 强调研究结果的可操作性，推动语言知识的形式化、系统化和规模化,加强语言知识库的工程建设，为中文信息处理（内容层的处理）积累更多基础资源,18,歧义示例,张 店 区 大 学 生 不 看 重 大 城 市 户 口,19,歧义示例（续）,有 三 百 多 种 树,20,歧义示例（续）,请 转告 李宇明 司长 下午 三点 出发,v v n n t t v,21,要让计算机“理解”一个句子，实际上要解决下面两个核心问题： （1）一个句子的结构和意义
6、是什么？ （2）如何得到一个句子的结构和意义？第一个问题是“What”的问题，这是理论语言学关心的问题；第二个问题是“How”的问题，这是计算语言学关心的问题， 也就是面向中文信息处理的语言研究需要关心的问题。,结 语,22,参考文献,慈林林 鲁元魁，1999，中文信息处理新技术展望，计算机世界1999年第44期“产品与技术”版“专题报道”。 刘梦松，1998，中文信息处理软件概述，计算机世界1998年第26期“技术专题”版。 许嘉璐，2002，现状和设想 试论中文信息处理与现代汉语研究，中国语文2000年第6期。 俞士汶，朱学锋，2002，关于汉语信息处理的认识及其研究方略，语言文字应用20
7、02年第3期。 俞士汶，朱学锋，王惠，2001，的新进展，中文信息学报2001年第1期。 詹卫东，常宝宝，俞士汶，2002,机器翻译与语言研究，语言科学2002年第1期（创刊号）。 詹卫东，2000， 80年代以来汉语信息处理研究述评，当代语言学 2000年第2期。 张华平，2003，中文信息处理技术发展简史，http:/（中文信息处理开放平台网站）,23,国内外重要的语言知识资源举例,WordNet，http:/www.cogsci.princeton.edu/wn/ FrameNet，http:/www.icsi.berkeley.edu/framenet/ HowNet，http:/ 台湾中研院词库、现代汉语平衡语料库 http:/www.sinica.edu.tw/ftms-bin/kiwi.sh,24,谢 谢 请大家批评指正 欢迎访问 http:/ http:/,
