第25卷 第6期2011年11月
中文信息学报
JOURNALOFCHINESEINFORMATIONPROCESSING
Vol.25,No.6
,2011Nov.
()文章编号:10030077201106002607---
基于互联网自然标注资源的自然语言处理
孙茂松
()清华大学计算机科学与技术系,清华大学智能技术与系统国家重点实验室,北京100084
摘 要:该文提出了“基于互联网自然标注资源的自然语言处理”的学术思想,并从自然标注资源的定义和基本类型、基于自然标注资源的计算、方法论层面上的初步思考等三个角度对这一学术思想进行了初步的阐发。最后指出了其中的一个基础问题:如果我们把全部自然标注资源所能提供的全部信息或知识都以一种系统的方式用到了极致,并且把它们最大限度地有机集成起来,机器能否如愿以偿地获得对自然语言一定深度的理解呢?关键词:自然标注资源;用户产生数据;互联网;自然语言处理中图分类号:TP391 文献标识码:A
NaturalLanuaeProcessinBasedonNaturallAnnotatedWebResources gggy
SUN Maosong
(StateKeLab.ofIntellientTechnoloandSstemseartmentofComuterScienceand D yggyypp
,)TechnoloTsinhuaUniversitBeiin100084,China gygyjg
:TroosesrocessinAbstracthisarticleanideaof“naturallanuaebasedonnaturallannotatedWebre -pppgggy ”:ersectivessources.Thediscussioniscarriedoutfromthreethedefinitionandtesofnaturallannotatedre -ppypy ,,ointssourcesnaturallannotatedresourcebasedcomutinaswellasseveralkeconcernedatthemethodoloi - -ypgypg :callevel.AfundamentalisforfurtherexlorationatlastIfwecouldexloreandinteratealltheroblemresented ppgpp,informationrovidedballtheavailablenaturallannotatedresourcesindifferentresectssstematicallcanthema -pyypyy ,,?chineasexectedultimatelachievesomedereeofdeeunderstandinofnaturallanuae pygpggg :;U;;Kewordsnaturallannotatedresourceserdatawebnaturallanuaeeneratedrocessin ygggpgy
自然语言处理自诞生之日起已先后发展出两种
:理性主影响全局的主流研究方法(methodology)义方法和经验主义方法。总的来说,目前学术界应比较少地依赖该形成了如下两点基本认识:第一,
统计的理性主义方法以及停留在Nram之类比较-g表层语言单元的经验主义方法在全世界同行们的共同努力下,已经差不多做到了极致,需要谋求新的突破;第二,近中期的发展趋势是两种方法的融合,即多一点理性主义的经验主义,也就是说,研究超越了基于相对深层语言单元的经验主义方Nram的、-g
法。各种半监督的机器学习算法和基于结构的机器学习算法在其中发挥着越来越重要的作用
[]12-
下,自然语言处理研究下一步应该怎么走?这是每一位长期在这个领域辛勤耕耘的学者都不能不有所思考的问题。鉴于互联网上各类资源空前丰富的基本人不揣浅薄,于2本格局,010年3月29日在日本京都大学举行的“第二届清华—京都大学面向知识(社会的智能技术与信息管理研讨会”TheSecond TsinhuaUniversitotoUniversitSmosium -K yyyypg onIntellientTechnoloiesandInformationMan -gg
)上,首次给出了“基aementforKnowledeSociet ggy(于极大规模自然标注语料库的自然语言处理”Na-turalLanuaeProcessinBasedonHuescale -gggg ”的提法,并于2NaturallAnnotatedCorora011年 yp 语言语料库和5月68日在香港教育学院举行的“-
。
“。在这种大的态势行到水穷处,坐看云起时”
收稿日期:2011102020111025-- 定稿日期:--)基金项目:国家自然科学基金资助项目(60873174
,作者简介:孙茂松(男,教授,主要研究方向为计算语言学。1962—)
暂无评价
语言文字的处理 随着互联网的广泛普及,文字信息处理...(输入、存储、输出等) 内容处理(词语切分,词性标注...取被处理材料当前字符串序数中的I个字作为匹配字 ...
和信息抽取.20110826_天文/地理_自然科学_专业资料。...第 21期 面向互联网的自然语言处理技术——理论、...评测语料(MUC, ? ? ? ACE, KBP) 专家标注语料,...
大数据时代的自然语言处理:前沿与进展_互联网_IT/计算机_专业资料。作者:孙...计算语言 学会议(CCL 2013)及第一届 基于自然标注大数据的自 然语言处理国际...
——冯志伟《自然语言的计算机处理》 NLP是用计算机...? 大规模语料可用,计算机性能大幅提高 互联网的迅速...英语有 标记;汉语以字为基本单位,词之间 1500 年...
暂无评价0人阅读0次下载举报文档 第八章 自然语言处理_工学_高等教育_...词性标注、短语切分、 句法分析、语义分析、篇章理解等 [资源建设] 语料库资源...
自然语言处理与信息检索_物理_自然科学_专业资料。自然语言处理与信息检索应用... ppt, pdf, email 等各种文档格式的搜 索;可以便利地构建各类网络搜索引擎服务...
百度文库 专业资料 IT/计算机自然语言处理技术在中文... 研究者提出了借助词典对文本进行标注并进 行句法...目前 , 对网上日益 丰富的信息资源的标引多是通过...
48 强调数据资源(目前) ? 各类电子词典– 词义词典...分词+词性标注,汉语词义,汉语拼音 等– 多语言(...– 信息服务、通讯、网络内容管理、情报处理、国家...
A-孙茂松-大数据时代的自然语言处理:前沿与进展_互联网_IT/计算机_专业资料...计算语言 学会议(CCL 2013)及第一届 基于自然标注大数据的自 然语言处理国际...
热门文档