未分类

     孙乐研究员参与翻译的《自然语言处理综论》出版 孙乐研究员与冯志伟教程合作翻译的《自然语言处理综论》第二版于2018年3月份正式出版。 从本书第一版出版以来，一直好评如潮，被国外许多大学选作自然语言处理或计算语言学的教材，被认为该领域教材的“黄金标准”。本书第一版综合了自然语言处理、计算语言学和语音识别的内容，全面论述计算机自然语言处理，深入探讨计算机处理自然语言的词汇、句法、语义、语用等各个方面的问题，介绍了自然语言处理的各种现代技术。该版对于第一版做了全面的改写，增加了大量反映自然语言处理最新成就的内容，特别是增加了语音处理和统计技术方面的内容，全书面貌为之一新。本书四大特色： 覆盖全面 强调实用 注重评测 语料为本内容简介本书全面论述了自然语言处理技术。本书在第一版的基础上增加了自然语言处理的最新成就，特别是增加了语音处理和统计技术方面的内容，全书面貌为之一新。本书共分五个部分。第一部分“词汇的计算机处理”，讲述单词的计算机处理，包括单词切分、单词的形态学、最小编辑距离、词类，以及单词计算机处理的各种算法，包括正则表达式、有限状态自动机、有限状态转录机、N元语法模型、隐马尔可夫模型、最大熵模型等。第二部分“语音的计算机处理”，介绍语音学、语音合成、语音自动识别以及计算音系学。第三部分“句法的计算机处理”，介绍英语的形式语法，讲述句法剖析的主要算法，包括CKY剖析算法、Earley剖析算法、统计剖析，并介绍合一与类型特征结构、Chomsky层级分类、抽吸引理等分析工具。第四部分“语义和语用的计算机处理”，介绍语义的各种表示方法、计算语义学、词汇语义学、计算词汇语义学，并介绍同指、连贯等计算机话语分析问题。第五部分“应用”，讲述信息抽取、问答系统、自动文摘、对话和会话智能代理、机器翻译等自然语言处理的应用技术。本书写作风格深入浅出，实例丰富，引人入胜。本书可作为高等学校自然语言处理或计算语言学的本科生和研究生的教材，也可以作为从事人工智能、自然语言处理等领域的研究人员和技术人员的必备参考。          

祝贺实验室林鸿宇博士和刘泽宇硕士荣获2017年国家奖学金 所研究生国家奖学金评审委员会于2017年10月16日组织了公开答辩、评议，最后通过无记名投票表决，我实验室2017级博士林鸿宇同学、2005级硕士刘泽宇同学获得2017年研究生国家奖学金。

自然语言处理前沿技术研讨会暨EMNLP 2017论文报告会在软件所顺利召开 8月16日，为了促进国内自然语言处理相关研究的发展以及研究者之间的交流，由中国中文信息学会青年工作委员会主办，搜狗公司承办的 “自然语言处理前沿技术研讨会暨EMNLP 2017论文报告会”在中国科学院软件研究所成功举办。来自中科院、北京大学、清华大学、复旦大学、哈工大、澳门大学等境内外高校和搜狗、百度、阿里等企业的科研人员和研究生200余人参加了本次研讨会和论文报告会。 本次会议由中国中文信息学会青年工作委员会执委、中科院软件所韩先培副研究员主持。中国中文信息学会副理事长及秘书长中科院软件所孙乐研究员，青工委主任清华大学刘洋副教授，搜狗公司搜索事业部许静芳总经理出席会议。中国中文信息学会青年工作委员会主任刘洋、搜狗搜索事业部总经理许静芳分别代表主办方和承办方致欢迎辞。 EMNLP是自然语言处理的顶级学术会议，2017年年会将于9月6日至12日在丹麦哥本哈根举行。本次论文报告会从国内被录用的近40篇长文中邀请了18篇论文作者进行提前报告，他们分别来自中科院、北京大学、清华大学、复旦大学、哈工大、澳门大学、哈工大深圳研究生院、南京大学、人民大学、东北大学、南京理工大学、黑龙江大学等多个高校。报告人深入介绍了各自在文本摘要、情感分析、机器翻译、信息抽取、自动问答、表示学习等多个领域的最新研究成果。会议实况经搜狐千帆直播平台向全网直播，4000多人观看了网络直播，众多网友和现场参会者线上线下联动，新的观点和灵感不断被激发、碰撞，会场气氛热烈。    

中国中文信息学会承办的第53届国际计算语言学年会在北京成功举办 2015年7月26-31日，由中国中文信息学会承办的第53届国际计算语言学年会（Annual Meeting of the Association for Computational Linguistics，ACL）首次在中国大陆召开。本次会议在北京国家会议中心举行，汇集了1200多名自然语言处理领域的国内外知名学者，是一次学术前沿和技术前沿交流研讨的国际学术盛会。 国际计算语言学协会主席Christopher D. Manning教授以Computational linguistics and Deep Learning为题在大会开幕式上做了专题报告。会议特别邀请了来自加州大学伯克利分校（UC Berkeley）的Marti A. Hearst教授和来自伊利诺伊大学厄巴纳-香槟分校（UIUC）的韩家炜教授作特邀报告。本次会议的最佳论文授予了来自慕尼黑大学的AutoExtend: Extending Word Embeddings to Embeddings for Synsets and Lexemes和来自都柏林大学圣三一学院的Improving Evaluation of Machine Translation Quality Estimation两篇文章。 在本次会议上，ACL将2015年ACL终身成就奖授予了中国中文信息学会理事长、哈尔滨工业大学李生教授。 ACL年会已有53年历史，是自然语言处理领域最高级别的国际学术会议，每年发表的论文都反映了自然语言处理领域的最新研究进展和学术动向，受到学术界和工业界的广泛重视。

韩先培获得中国中文信息学会“钱伟长中文信息处理科学技术奖—汉王青年创新奖”一等奖 2016年12月23日，中国中文信息学会第八次全国会员代表大会暨学会成立35周年学术会议在北京隆重举行，会上颁发了“钱伟长中文信息处理科学技术奖”、中国中文信息学会“终身成就奖”、“汉王青年创新奖”以及中国中文信息学会优秀博士学位论文“拓尔思优秀博士学位论文奖”。软件所中文信息处理研究室韩先培副研究员获得“钱伟长中文信息处理科学技术奖—汉王青年创新奖”。 韩先培多年来一直致力于自然语言理解和知识图谱相关的研究工作。自然语言理解是人工智能和自然语言处理的核心科学问题，在研究和应用领域都具有重要的作用。围绕自然语言理解，韩先培在开放域语义知识获取和知识驱动文本语义分析方面取得了多项研究成果。在国际顶级学术会议如ACL、SIGIR、AAAI、EMNLP、CIKM上发表重要论文30余篇，其中在自然语言处理顶级会议ACL上发表论文7篇，相关系统在国际权威评测SIGHAN 2012中文实体链接任务取得第一名的成绩。 韩先培的论文被同行广泛引用，其论文共获得国内外700余次引用，其中引用数超过100次的论文有三篇。特别是，SIGIR 2011论文在五年内被引用216次，在信息检索领域顶级学术会议SIGIR 近五年来发表的493篇论文中排在第2位，同时Google Scholar将SIGIR 2011和ACL 2011论文分别列在实体链接搜索结果的第1位和第5位。 此外，韩先培积极参与学术服务工作，曾参与北京国际计算语言学协会ACL 2015的组织工作；在中国中文信息学会，担任语言与知识计算专委会委员秘书长，担任青年工作委员会执委，参与并组织了大量的学术活动组织工作。 钱伟长中文信息处理科学技术奖是经科技部批准设立的中文信息处理领域的最高科学技术奖，主要授予该领域在基本方法或关键技术上有原始创新或重大突破，对推动我国中文信息处理事业或行业进步起到重要作用，创造出较大经济效益或社会效益的项目或个人。“汉王青年创新奖”设立于2010年，主要授予在中文信息处理领域做出突出贡献的青年学者。该奖项每两年评选一次。 　　  

实验室参与编写《中文信息处理发展报告2016》 介绍了中文信息处理的各种技术研究进展呢，阅读本文有利于了解信息处理发展现状，确定自己的研究方向。 内容涵盖： 一、词法、句法、文法等 发展趋势： 1) 深度学习热潮席卷了NLP的各个任务；2）多粒度分词；3）面向非规范文本的分词；4） 分词、新词发现（词语归一化）交互建模； 5）互联网文本分析和领域自适应问题。 二、语义分析 1.  词汇级语义分析： 1）词义消歧；2）词义表示与学习（word embedding） 句子级语义分析： 1）浅层语义分析：基于句法分析的结果；2）深层语义分析 篇章级语义分析：识别文本中的所有篇章结构 目前主流的语义分析方法也是基于统计的方法，该方法以信息论和数理统计为理论基础，以大规模语料库为驱动，通过机器学习技术自动获取语义知识。 发展趋势： 短语/句嵌入的学习。 目前词嵌入已经在自然语言处理领域有了广泛的应用。如何为更大粒度的语言单位（如短语，甚至句子等）学习得到其相应的嵌入表示，已经成为目前研究的一个热点。 基于句子级语义分析的篇章融合 中文篇章分析 非规范文本的语义分析 三、语篇分析 包括 机器翻译、文本摘要、自动会话、机器阅读理解等 四、 语言表示与深度学习 科学问题 语言表示的认知机理：如何构建语言白哦是和知识表示的联系，人工知识库或大规模未标记预料来自动学习语言的表示 跨语种的统一语言表示： 如何为不同语种构建一种统一的语言表示模型，利用不同语言之间的共性，从而提高各个语言的表示能力 不同粒度单位的语言表示：如何构建 一个多粒度文本的联合语义表示模型，解决“一词多义”问题 基于少量观察样本的新词、低频词表示学习 技术方法 词表示：word embedding 的质量非常依赖于上下文窗口大小的选择。通常，大的上下文窗口学到的词嵌入更能反映主题信息，小的上下文窗口学到的词嵌入更能反映词的功能和上下文语义信息。 研究点：1）如何获得高质量词嵌入；2）如何利用已有知识库改进词嵌入模型，并结合知识图谱和未标注预料在同一语义空间中来联合学习知识和词的向量表示。 句子表示：如何有效地才词嵌入通过不同方式的组合得到句子表示，包括 神经词袋模型：词向量的平均 递归神经网络：按照给定外部拓扑（如成分句法树），不断递归得到整个序列的表示。 循环神经网络：将文本序列看作时间序列，不断更新得到整个序列的表示。 卷积神经网络：通过多个卷积层和子采样层，得到一个固定长度的向量。 篇章表示： 一般采用层次化的方法，先得到句子编码，再以句子编码为输入，得到篇章的表示。 循环神经网络非常适合处理文本序列，广泛应用在很多自然语言处理任务中。 五、知识图谱 知识图谱以结构化的形式描述客观世界中的概念、实体间的复杂关系，将互联网的信息表达成更接近人类认知世界的形式，提供一种更好的组织、管理和理解互联网海里信息的能力。 知识图谱与大数据及深度学习一起，已经成为推动人工智能发展的核心驱动力之一。 研究内容 知识表示 的 关键问题是 1） 建立什么样的知识表示形式能够准确地反映客观世界的知识； 2）建立什么样的知识表示可以具备语义表示能力; 3）知识表示如何支持高效知识推理和计算，从而使知识表示具有得到新知识的推理能力。 基于知识图谱的表示学习通过深度学习可以将知识表示成低维连续实值稠密的实值向量空间，有助于实现高效的知识计算. 知识图谱构建：是知识图谱技术最为关键技术之一，信息抽取和语义集成是知识图谱构建的核心技术问题。 知识图谱应用：基于知识的互联网资源融合、语义搜索、问答系统、基于知识的大数据分析和挖掘。 发展趋势 融合符号逻辑和表示学习的知识表示 高精确度大规模知识图谱构建： 如何从分布、异构、有噪音、碎片化的大数据中获得高质量的大规模知识图谱 知识图谱平台技术：如何建立知识图谱构建的平台，提供知识图谱的构建管道技术 基于知识图谱的应用研究： 何进一步应用知识图谱建立知识驱动的自然语言处理研究方法，基于知识的大数据分析和挖掘是非常值得研究的方向。 六、 文本分类聚类 发展趋势 面向互联网文本的分类聚类：文本信息保护大量噪声，具有丰富的结构化或半结构化信息，伴随着大量图片视频等信息。如何恰当地利用这些异构信息构建高效的是适用于互联网文本的分类与聚类模型。 神经网络文本分类模型优化：基于神经网络的文本分类模型取得了目前文本分类的最高水平。但如何建立可解释的神经网络分类模型，如何降低模型学习复杂度，如何利用有限的标注样例取得更好的分类效果是深度神经网络分类模型系带解决的问题。 基于神经网络的文本聚类模型：神经网络模型没有在文本聚类任务上取得有效进展。如何充分利用深度神经网络的强大语义表示能力，设计有效的目标函数，建立基于神经网络的文本聚类模型，是文本聚类所面临的挑战。 七、信息抽取 是指从非结构化/半结构化文本（如网页、 新闻、论文文献、 微博等） 中提取指定类型的信息（如实体、属性、关系、事件、 商品记录等），并通过信息归并、冗余消除和冲突消解等手段将非结构化文本转换为结构化信息的一项综合技术。主要应用于舆情监控、网络搜索、智能问答等，也是中文信息处理和人工智能的核心技术，是用于构建可支撑类人推理和自然语言理解的大规模常识知识库的有效手段之一。 研究内容 包括 命名实体识别、关系抽取、事件抽取和信息集成。 关键科学问题 自然语言表达的多样性、歧义性和结构性 目标知识的复杂性、开放性和巨大规模 多源异构信息的融合与验证 发展趋势 面向开放领域的可扩展信息抽取：现有有监督方法面临的问题 1）在更换预料类型后性能往往有大幅度的下降，2）无法抽取目标类别之外的语义知识，3）依赖大规模训练语料，4）复杂度高等。 自学习、自适应和自演化的信息抽取系统： 需构建增量式、能够自演化的信息抽取，并研究检测抽取技术是否在当前数据上失效，根据当前数据源的特点自学习的构建高性能的抽取系统。 面向多源异构数据的信息融合：需要研究跨文档、跨语言和跨媒体的融合技术，包括信息置信度衡量、冗余信息去除、信息之间的冲突、抽取信息的不确定性、缺失信息补全等。 该问题的解决依赖于海量资源共享、大规模深度机器学习技术、大规模知识资源（如知识图谱）的发展。 八、 情感分析 科学问题 情感资源构建 ： 类别和粒度 [...]