一、研究進(jìn)展情況（可另加附頁(yè)）

主要內(nèi)容：①研究計(jì)劃總體執(zhí)行情況及各子課題進(jìn)展情況；②調(diào)查研究及學(xué)術(shù)交流情況（調(diào)研數(shù)據(jù)整理運(yùn)用、文獻(xiàn)資料收集整理、學(xué)術(shù)會(huì)議、學(xué)術(shù)交流、國(guó)際合作等）；③成果宣傳推介情況（成果發(fā)布會(huì)、《工作簡(jiǎn)報(bào)》報(bào)送情況、國(guó)家社科基金�？�投稿及采用情況等）；④研究中存在的主要問(wèn)題、改進(jìn)措施，研究心得、意見(jiàn)建議；⑤其他需要說(shuō)明的問(wèn)題。

① 研究計(jì)劃總體執(zhí)行情況及各子課題進(jìn)展情況

本項(xiàng)目于2012年12月28日獲批立項(xiàng)。項(xiàng)目執(zhí)行時(shí)間是2013年1月 — 2017年12月。本項(xiàng)目的計(jì)劃與時(shí)間安排如下：

到2014年6月底，項(xiàng)目實(shí)施一年半，執(zhí)行時(shí)間還不到項(xiàng)目總計(jì)劃時(shí)間的三分之一。我們參照項(xiàng)目的上述計(jì)劃進(jìn)度，順利推進(jìn)項(xiàng)目，開(kāi)展相關(guān)研究。

總體而言，在過(guò)去的一年半時(shí)間里，我們完成了相應(yīng)時(shí)間內(nèi)預(yù)期的任務(wù)：知識(shí)庫(kù)的構(gòu)建取得階段性進(jìn)展，制定了知識(shí)表示框架，填寫(xiě)了部分詞匯的知識(shí)；在多級(jí)語(yǔ)料庫(kù)的加工與挖掘方面，完成了規(guī)范的制定和試標(biāo)工作，為后續(xù)規(guī)�；�的加工打下了良好的基礎(chǔ)；設(shè)計(jì)了眾包平臺(tái)的總體框架，以語(yǔ)篇的指代關(guān)系標(biāo)注為例，在眾包平臺(tái)上發(fā)布標(biāo)注任務(wù)；目前已通過(guò)使用平臺(tái)開(kāi)始指代關(guān)系的標(biāo)注，并得到一定量的寶貴數(shù)據(jù)；在多視角語(yǔ)義分析方面也取得了一系列的成果，縮略語(yǔ)識(shí)別、情感分析、實(shí)體關(guān)系分析等均取得研究進(jìn)展。

迄今為止，我們已經(jīng)發(fā)表學(xué)術(shù)論文23篇，接受待發(fā)表的論文7篇，共計(jì)30篇，已經(jīng)達(dá)到了計(jì)劃的全部論文數(shù)，論文均標(biāo)有本項(xiàng)目資助號(hào)。其中有多篇論文發(fā)表于計(jì)算語(yǔ)言學(xué)領(lǐng)域的頂級(jí)國(guó)際會(huì)議。此外，還申請(qǐng)專利1項(xiàng)。可以說(shuō)，本項(xiàng)目圓滿完成了相應(yīng)時(shí)期的任務(wù)。

下面分別介紹各子課題的進(jìn)展情況。

子課題1：基于生成詞庫(kù)理論和論元結(jié)構(gòu)理論的語(yǔ)義知識(shí)體系研究

(1) 已經(jīng)制定漢語(yǔ)名詞的物性結(jié)構(gòu)描寫(xiě)和標(biāo)注體系，并通過(guò)試描述和組內(nèi)多次討論交流，對(duì)規(guī)范作了反復(fù)調(diào)整和完善。

(2) 以規(guī)范為依據(jù)描述了3000個(gè)左右的名詞的物性結(jié)構(gòu)，共計(jì)200多萬(wàn)字。對(duì)于高頻名詞的物性結(jié)構(gòu)標(biāo)注已經(jīng)基本完成，初步構(gòu)造了一個(gè)面對(duì)網(wǎng)絡(luò)文本分析的語(yǔ)言知識(shí)庫(kù)。

(3) 建立了一套漢語(yǔ)動(dòng)詞、形容詞的論元結(jié)構(gòu)描寫(xiě)體系和語(yǔ)義角色的標(biāo)注體系和規(guī)范，并且在北京大學(xué)現(xiàn)代漢語(yǔ)句法樹(shù)庫(kù)的語(yǔ)料上標(biāo)注了10多萬(wàn)字，正在配備相關(guān)的索引軟件。

(4) 研制了一個(gè)在線漢語(yǔ)謂詞語(yǔ)義知識(shí)庫(kù)，包括為15,000多個(gè)常用動(dòng)詞和形容詞的每一個(gè)義項(xiàng)（約40,000個(gè)條目）編制語(yǔ)義角色框架文檔，內(nèi)容包括：詞形、拼音、詞性、釋義、語(yǔ)義角色及其定義、配位方式及其實(shí)例、真實(shí)文本中的例子等。

子課題2：網(wǎng)絡(luò)文本的多級(jí)加工與語(yǔ)言知識(shí)挖掘研究

(1) 制定了漢語(yǔ)語(yǔ)料標(biāo)注的系列規(guī)范，包括“多視圖的漢語(yǔ)樹(shù)庫(kù)標(biāo)注規(guī)范”，“漢語(yǔ)句際關(guān)系的標(biāo)注體系”，“漢語(yǔ)口語(yǔ)語(yǔ)料庫(kù)對(duì)話行為標(biāo)注體系”等。

(2) 開(kāi)發(fā)了多級(jí)多視圖語(yǔ)料標(biāo)注的系列計(jì)算機(jī)輔助軟件，并通過(guò)了試標(biāo)注的檢驗(yàn)，達(dá)到了較好的效果。

(3) 為了分析網(wǎng)絡(luò)語(yǔ)言的特點(diǎn)，標(biāo)注了部分網(wǎng)絡(luò)微博語(yǔ)料和口語(yǔ)對(duì)話語(yǔ)料中的依存關(guān)系和對(duì)話行為。

(4) 研究了網(wǎng)絡(luò)文本中的信息挖掘方法和對(duì)話語(yǔ)料中的對(duì)話行為分析方法。為多視角的語(yǔ)義分析提供了依據(jù)。

子課題3：基于群體智慧的知識(shí)資源加工技術(shù)及眾包平臺(tái)研究

(1) 設(shè)計(jì)了眾包平臺(tái)的基本構(gòu)建，在參與中包任務(wù)的用戶使用層面，設(shè)計(jì)實(shí)現(xiàn)了展示模塊，語(yǔ)料（知識(shí)）加工模塊，候選答案推薦模塊。

(2) 為檢查用戶對(duì)語(yǔ)料（知識(shí)）加工的質(zhì)量，設(shè)計(jì)了參與用戶的行為跟蹤記錄模塊，通過(guò)日志形式，動(dòng)態(tài)記錄用戶的行為軌跡。

(3) 利用眾包平臺(tái)，發(fā)布了單數(shù)指代詞的指代關(guān)系標(biāo)注任務(wù)。并已有3人參與指代關(guān)系標(biāo)注的任務(wù)，目前通過(guò)雙盲重復(fù)標(biāo)注的方式已完成了2025篇文章的標(biāo)注，同時(shí)也獲得了相關(guān)行為的日志信息，我們已對(duì)標(biāo)注情況進(jìn)行初步分析，以進(jìn)一步完善平臺(tái)。

(4) 利用眾包平臺(tái)，正在設(shè)計(jì)實(shí)現(xiàn)句間關(guān)系標(biāo)注的任務(wù)，設(shè)計(jì)工作已基本完成，很快便可發(fā)布加工任務(wù)。

子課題4：知識(shí)與統(tǒng)計(jì)相結(jié)合的多視角文本語(yǔ)義分析技術(shù)研究

(1) 研究了微博語(yǔ)料的分詞方法。不同于規(guī)范的文本，微博的表達(dá)十分隨意，新詞頻現(xiàn)，用詞不囿于通常的規(guī)律。但微博的標(biāo)點(diǎn)句短，非漢字的符號(hào)（包括標(biāo)點(diǎn)）多，利用這一特點(diǎn)，實(shí)現(xiàn)了微博分詞模塊。

(2) 研究了跨語(yǔ)言的情感分析方法，特別是，研究了利用英語(yǔ)的情感詞表自動(dòng)獲取漢語(yǔ)情感詞的方法。這對(duì)于情感語(yǔ)義的分析將是非常重要的基礎(chǔ)資源。

(3) 研究了漢語(yǔ)縮略語(yǔ)的分析和預(yù)測(cè)方法。在網(wǎng)絡(luò)上，存在大量的縮略語(yǔ)現(xiàn)象。如何預(yù)測(cè)縮略語(yǔ)，建立縮略語(yǔ)與完整形式之間的關(guān)系，是分析理解縮略語(yǔ)的基礎(chǔ)。

(4) 研究了中文的指代方法，包括文本內(nèi)的指代關(guān)系和跨文本的同指關(guān)系。在文本內(nèi)的指代關(guān)系分析方面，我們重點(diǎn)研究了漢語(yǔ)零型指代的消解問(wèn)題，在跨文本的指代消解中，重點(diǎn)研究了實(shí)體鏈接問(wèn)題。

② 調(diào)查研究及學(xué)術(shù)交流情況（調(diào)研數(shù)據(jù)整理運(yùn)用、文獻(xiàn)資料收集整理、學(xué)術(shù)會(huì)議、學(xué)術(shù)交流、國(guó)際合作等）

過(guò)去的一年半時(shí)間正好是項(xiàng)目的開(kāi)始期，按照研究的計(jì)劃安排，調(diào)查研究是本時(shí)期最重要的任務(wù)。為此，我們開(kāi)展了如下工作：

(1) 進(jìn)行了大量的數(shù)據(jù)收集和分析：通過(guò)自動(dòng)采集方式爬取了新浪微博、口語(yǔ)對(duì)話、博客、網(wǎng)上新聞等數(shù)據(jù)，同時(shí)，也收集了一定量的語(yǔ)音-文字轉(zhuǎn)換的結(jié)果數(shù)據(jù)。本項(xiàng)目收集上述數(shù)據(jù)的主要原因是，微博是典型的網(wǎng)上語(yǔ)言，而且是最具代表性的非規(guī)范語(yǔ)言特征。而口語(yǔ)對(duì)話則在一定程度上代表了聊天語(yǔ)言現(xiàn)象（包括即時(shí)通信），博客是一種相對(duì)規(guī)范的語(yǔ)言表示。收集語(yǔ)音-文字轉(zhuǎn)換數(shù)據(jù)主要原因是隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，語(yǔ)音將成為重要的信息表示形式。語(yǔ)音的處理通常需要先轉(zhuǎn)換為文本信息，以進(jìn)一步分析語(yǔ)義信息，這就需要分析相關(guān)材料。

(2) 收集查閱了大量的文獻(xiàn)資料。為了便于本項(xiàng)目更有效的開(kāi)展，我們對(duì)國(guó)內(nèi)外的研究進(jìn)行了調(diào)研，重點(diǎn)查閱并收集了近幾年來(lái)相關(guān)研究的文獻(xiàn)資料，包括社交媒體的語(yǔ)言處理、不規(guī)范語(yǔ)言的處理方法、相關(guān)的語(yǔ)言知識(shí)庫(kù)及語(yǔ)料庫(kù)加工方法和加工平臺(tái)的研究狀況。查閱文獻(xiàn)資料100多篇（部）。為本項(xiàng)目的優(yōu)化實(shí)施起到了重要作用。

(3) 學(xué)術(shù)會(huì)議與學(xué)術(shù)交流方面，項(xiàng)目各子課題多次進(jìn)行了小組討論。參加了一系列的學(xué)術(shù)會(huì)議，包括2013年在保加利亞舉行的國(guó)際頂級(jí)計(jì)算語(yǔ)言學(xué)會(huì)議ACL，2013年在美國(guó)舉行的國(guó)際權(quán)威計(jì)算語(yǔ)言學(xué)會(huì)議EMNLP，2013年在日本舉行的IJNLP會(huì)議，以及在新加坡、臺(tái)灣等地舉辦的重要語(yǔ)言學(xué)國(guó)際學(xué)術(shù)會(huì)議和計(jì)算語(yǔ)言學(xué)國(guó)際學(xué)術(shù)會(huì)議。在國(guó)內(nèi)，參加了多個(gè)重要會(huì)議，包括2013年全國(guó)計(jì)算語(yǔ)言學(xué)，詞匯語(yǔ)義學(xué)會(huì)以，中文計(jì)算會(huì)議等，項(xiàng)目首席專家還應(yīng)邀在2013年的第14屆漢語(yǔ)詞匯語(yǔ)義學(xué)會(huì)議作特邀報(bào)告，并應(yīng)邀參與哈佛大學(xué)中文文本挖掘的研討會(huì)。此外，還與臺(tái)灣元智大學(xué)、香港理工大學(xué)合作開(kāi)始了相關(guān)的合作研究。

③ 成果宣傳推介情況

在項(xiàng)目實(shí)施中，我們?cè)诙鄠�(gè)不同場(chǎng)合介紹我們的項(xiàng)目情況。2013年在鄭州召開(kāi)的漢語(yǔ)詞匯語(yǔ)義學(xué)會(huì)以（CLSW2013）上，項(xiàng)目首席專家王厚峰作為會(huì)議的特邀報(bào)告人（Keynote Speaker），重點(diǎn)介紹了本項(xiàng)目的情況和研究成果，而后在洛陽(yáng)外國(guó)語(yǔ)學(xué)院、黑龍江大學(xué)、以及應(yīng)邀訪問(wèn)美國(guó)哈佛大學(xué)時(shí)，王厚峰均分別介紹了本項(xiàng)目的研究成果；在2013年6月到臺(tái)灣參加會(huì)議期間，也到交通大學(xué)介紹了本項(xiàng)目的研究情況。此外，我們也在計(jì)算語(yǔ)言學(xué)有影響的國(guó)際會(huì)議、國(guó)內(nèi)會(huì)議報(bào)告相關(guān)的成果，起到了很好的推介作用。

當(dāng)然，在這一年半的時(shí)間里，我們主要注意到了向本領(lǐng)域?qū)W術(shù)期刊和學(xué)術(shù)會(huì)議投稿，今后，我們將注意向國(guó)家社科基金�？�的投稿。

④ 研究中存在的主要問(wèn)題、改進(jìn)措施，研究心得、意見(jiàn)建議

本項(xiàng)研究我們基本上按照計(jì)劃進(jìn)行，并針對(duì)研究中的問(wèn)題按課題進(jìn)行研討，總的來(lái)看，我們按正常方式推進(jìn)。目前暫沒(méi)有特別的建議。

二、研究成果情況

①代表性成果簡(jiǎn)介

我們圍繞項(xiàng)目任務(wù)開(kāi)展了多方面的研究，取得了一系列的成果，下面僅介紹幾項(xiàng)代表性的成果。

(1) 建立了名詞的物性結(jié)構(gòu)體系

根據(jù)Pustejovsky (1995、2006)的物性結(jié)構(gòu)描寫(xiě)框架，結(jié)合漢語(yǔ)的實(shí)際情況，構(gòu)建了一套漢語(yǔ)名詞的物性描寫(xiě)體系。說(shuō)明如下：

（1）形式（formal，簡(jiǎn)寫(xiě)為FAL）：名詞的分類屬性、語(yǔ)義類型和本體層級(jí)特征。比如，“石頭”是“有形物質(zhì)、自然物”；

（2）構(gòu)成（constitutive，簡(jiǎn)寫(xiě)為CON）：名詞所指的事物的結(jié)構(gòu)屬性，包括：構(gòu)成狀態(tài)、組成成分、在更大的范圍內(nèi)構(gòu)成或組成哪些事物、跟其他事物的關(guān)系，也包括物體的大�。╩agnitude）、形狀（shape）、維度（dimensionality）、顏色（color）和方位（orientation），等等。比如，“石頭”的構(gòu)成是“礦物；可以根據(jù)下列顏色、形狀、作用等屬性進(jìn)行分類：彩色、黑色、紅色、褐色、白色、圓形、柱形、棱角分明、保健，等等”；

（3）單位（unite，簡(jiǎn)寫(xiě)為UNI）：名詞所指事物的計(jì)量單位，也即跟名詞相應(yīng)的量詞；

（4）評(píng)價(jià)（evaluation，簡(jiǎn)寫(xiě)為EVA）：對(duì)名詞所指事物的主觀評(píng)價(jià)、情感色彩。比如，對(duì)“水”的評(píng)價(jià)有“清、清澈、清潔、臟、渾、渾濁”；

（5）施成（agentive，簡(jiǎn)寫(xiě)為AGE）：名詞所指的事物是怎樣形成的，如創(chuàng)造、天然存在、因果關(guān)系等。比如，“椅子”的施成是“制作、做、加工、編制”等等；

（6）材料（material，簡(jiǎn)寫(xiě)為MAT）：創(chuàng)造名詞所指的事物所用的材料。比如，“椅子”的材料是“木頭、竹子、藤子、木、竹、藤、鋼、鐵、塑料、硬板”等等；

（7）功用（telic，簡(jiǎn)寫(xiě)為T(mén)EL）：名詞所指的事物的用途和功能。比如，“椅子”的功用是“坐”等等；

（8）行為（action，簡(jiǎn)寫(xiě)為ACT）：名詞所指的事物的慣常性的動(dòng)作、行為、活動(dòng)。比如，“水”的行為是“流、流動(dòng)、奔騰、翻滾、滴、淌、流淌”等等；

（9）處置（handle，簡(jiǎn)寫(xiě)為HAN）：人或其他事物對(duì)名詞所指的事物的慣常性的動(dòng)作、行為、影響。比如，對(duì)“水”的處置是“打、舀、取、蓄、灑、放、排、倒、噴、潑、玩兒”等等。

目前，已經(jīng)完成了3000個(gè)名詞。下面僅以“商店”為例作說(shuō)明：

商店 shāngdiàn〈名詞，中性〉在室內(nèi)出售商品的場(chǎng)所。

〔1〕物性角色：

形式FOR：機(jī)構(gòu)、場(chǎng)所、人造物；

構(gòu)成CON：可以根據(jù)所出售的東西類型進(jìn)行分類，如：百貨、五金、音樂(lè)器材、工藝品、土特產(chǎn)、綜合，等等；也可以根據(jù)其類型、等級(jí)、地區(qū)等進(jìn)行分類，如：大型、新型、高檔、高級(jí)、連鎖、水上、地下、社區(qū)，等等。

單位UNI：個(gè)體：個(gè)、家、座，等等；集合：批、部分、種、類、排，等等；不定：各、每個(gè)、些，等等；

評(píng)價(jià)EVA：大、小、豪華、信譽(yù)良好、鱗次櫛比，等等；

施成AGE：開(kāi)辦、興建、蓋、建造，等等；

行為ACT：賣(mài)飲料、掛出條幅、開(kāi)門(mén)、開(kāi)始工作、舉辦、開(kāi)設(shè)、開(kāi)張、營(yíng)業(yè)、出臺(tái)促銷手段

功用TEL：出售商品，等等；

處置HAN：裝飾、拆除、走進(jìn)、出入、洗劫、沖擊、哄搶，等等

定位ORI：里、從、中、去、在、附近、到、向、通往、位于，等等。

〔2〕句法格式：

S1：CON + __

如：音樂(lè)器材～| 電腦～ | 工藝美術(shù)～ | 大型～ | 新型～ | 工藝品～ | 百貨～ | 高級(jí)～ | 普通～ | 五金～| 土特產(chǎn)～| 食品～ | 春節(jié)用品～ | 社區(qū)～ | 服裝～ | 網(wǎng)絡(luò)～ | 化妝品～ | 零售～ | 移動(dòng)電話～ | 兒童～ | NBA～ | 化學(xué)品～ | 建材～ | 煙酒～ | 專業(yè)～ | 珠寶首飾～ | 連鎖～ | 批發(fā)～ | 個(gè)體～ | 計(jì)算機(jī)～

S2：Num + UNI + __

如：兩個(gè)～ | 許多～ |各種～ | 一家～ | 一座～| 一些～ | 一（大）批～ | 一排～

S3：EVA +（的+）__

如：大～ | 小～ | 鱗次櫛比的～ | 信譽(yù)良好～ | 豪華～

S4：AGE + __

如：開(kāi)辦～ | 蓋～ | 建造～

S5： __ + ACT

如：～賣(mài)飲料 | ～掛出條幅 | ～開(kāi)門(mén) | ～開(kāi)始工作 | ～開(kāi)設(shè) | ～開(kāi)張 | ～營(yíng)業(yè) | ～開(kāi)放 | ～出臺(tái)促銷手段 | ～舉辦 | ～打烊 | ～配備 | ～關(guān)閉 | ～停業(yè)

S6：__ + TEL

如：～出售商品

S7：HAN + __

如：裝飾～ | 拆除～ | 進(jìn)入～ | 走進(jìn)～ | 出入～ | 洗劫～ | 沖擊～ | 檢查～ | 焚燒～ | 打砸～ | 哄搶～ | 看守～

S8：ORI + __ / __ + ORI

如：～里 | ～中 | 在～ |～內(nèi) | 到～ | 從～| ～附近 | 往～ | 去～

名詞物性結(jié)構(gòu)有利于信息處理中文本蘊(yùn)涵推理計(jì)算，尤其對(duì)于一些名詞結(jié)構(gòu)中隱含謂詞的還原有著重要的意義。

(2) 制定了多視圖的漢語(yǔ)樹(shù)庫(kù)標(biāo)注規(guī)范并實(shí)現(xiàn)了樹(shù)庫(kù)輔助標(biāo)注工具

提出一套多視圖的漢語(yǔ)樹(shù)庫(kù)體系，這套體系以依存視圖為核心，在句法層面上僅僅標(biāo)注中心語(yǔ)和語(yǔ)法角色兩類信息，然后通過(guò)設(shè)計(jì)一套層次生成程序和結(jié)構(gòu)功能映射規(guī)則和算法推導(dǎo)出層次信息和短語(yǔ)結(jié)構(gòu)功能信息，從而自動(dòng)轉(zhuǎn)換出相應(yīng)的短語(yǔ)結(jié)構(gòu)樹(shù)；在語(yǔ)義層面上，通過(guò)對(duì)部分語(yǔ)法標(biāo)簽的細(xì)化進(jìn)一步標(biāo)注語(yǔ)義角色標(biāo)簽，并通過(guò)虛詞的格傳遞來(lái)保證語(yǔ)法依存和語(yǔ)義依存在中心語(yǔ)上的一致性。最終生成的多視圖樹(shù)庫(kù)含有語(yǔ)法依存視圖、短語(yǔ)結(jié)構(gòu)視圖和語(yǔ)義依存視圖等三個(gè)視圖。如下是依存視圖的示例：

目前已有的句法結(jié)構(gòu)的語(yǔ)料基本都是單一地針對(duì)一種句法體系，如短語(yǔ)結(jié)構(gòu)或依存結(jié)構(gòu)，不能滿足實(shí)際應(yīng)用的需求。我們構(gòu)建多視圖的樹(shù)庫(kù)，有助于實(shí)際使用者根據(jù)需求選擇不同視圖，或同時(shí)使用不同視圖的信息。

為了進(jìn)行了多視圖樹(shù)庫(kù)構(gòu)建的工作，我們開(kāi)發(fā)了一套支持多視圖樹(shù)庫(kù)標(biāo)注的工具，該工具除基本標(biāo)注功能外，還包含人機(jī)互動(dòng)校對(duì)和與語(yǔ)法詞典交叉驗(yàn)證的功能。用戶可以方便地添加、刪除依存弧，修改依存標(biāo)簽、檢索特定標(biāo)簽等。下圖是操作界面。

(3) 漢語(yǔ)句際關(guān)系的標(biāo)注體系

提出了漢語(yǔ)復(fù)句層次上句際層級(jí)結(jié)構(gòu)和邏輯關(guān)系的語(yǔ)料標(biāo)注體系。結(jié)構(gòu)關(guān)聯(lián)方面主要借鑒了英語(yǔ)RST理論，語(yǔ)義關(guān)聯(lián)方面主要借鑒了英語(yǔ)的PDTB篇章樹(shù)庫(kù)。小句之間通過(guò)各種語(yǔ)義關(guān)系的連接而形成一棵完整的層級(jí)結(jié)構(gòu)樹(shù)。提出了漢語(yǔ)句際的邏輯關(guān)系類型，這是漢語(yǔ)篇章分析的基礎(chǔ)。體系如下表所示：

第1層：CLASS

第2層：TYPE

第3層：SUBTYPE

聯(lián)合關(guān)系

(multi-nuclear)

并列(conjunction)

[CONJ]

○1等立(coordinate) [COOR]

○2時(shí)序(temporal) [TEMP]

○3選擇(alternative) [ALT]

○4遞進(jìn)(progression) [PROG]

○5順承(succession) [SUCC]

主從關(guān)系

(single-nuclear)

對(duì)比(comparison)

[COMP]

○6轉(zhuǎn)折(contrast) [CONT]

○7讓步(concession) [CONC]

推論(inference)

[INF]

○8因果(cause) [CAUS]

○9結(jié)果(result) [RESU]

○10目的(purpose) [PURP]

條件(condition)

[CON]

○11假設(shè)(hypothetical) [HYP]

○12條件(condition) [COND]

總分(specification)

[SPE]

○13解證(explanation) [EXPL]

○14分述(list) [LIST]

分總(summary)

[SUM]

○15總括(generalization) [GENE]

(4) 口語(yǔ)對(duì)話語(yǔ)料中對(duì)話行為的標(biāo)注規(guī)范

對(duì)話行為（dialog act）指在對(duì)話中（dialog）言談?wù)叩男袨橐鈭D。自動(dòng)分析對(duì)話行為可以幫助識(shí)別言談?wù)叩囊鈭D、幫助構(gòu)建對(duì)話模型、提升口語(yǔ)機(jī)器翻譯系統(tǒng)的性能等。本項(xiàng)目第一次構(gòu)建了漢語(yǔ)領(lǐng)域完整的對(duì)話行為標(biāo)簽集。首先，對(duì)一個(gè)語(yǔ)句進(jìn)行言語(yǔ)切分（utterance segmentation），明確標(biāo)示出言語(yǔ)的界限；然后，每個(gè)言語(yǔ)片段標(biāo)示出一個(gè)明確的、惟一的對(duì)話行為標(biāo)簽。

Tag (Abbr.)

Description

Example

Statement

(S)

State a belief or an event

陳述一個(gè)信念或一個(gè)事件

我接下來(lái)圖片看一下啊先

Request

(R)

Express a speaker’s desire that the hearer do something

期望聽(tīng)者做出一個(gè)動(dòng)作或某種響應(yīng)

就是這個(gè)圖片 請(qǐng)接收一下

Open-question

(Q)

A question that can not be answered with only “yes” or “no”

不能單純用“是”和“否”來(lái)回答的問(wèn)句

產(chǎn)生費(fèi)用怎么算?

Yes-No-question

(QYN)

A closed question which can be answered by either a “yes” or “no”

是非問(wèn)句

這些圖片，你是從gettyimages上面找的么？

Opinion

(O)

(B)

Express opinions or unsatisfactory towards something or some services

對(duì)事情或服務(wù)發(fā)表評(píng)價(jià)或發(fā)出抱怨

那么貴？

Yes-answer

(AY)

A positive answer to a Yes-no-question

是非問(wèn)句的肯定回答

對(duì)的

No-answer

(AN)

A negative answer to a Yes-no-question

是非問(wèn)句的否定回答

不是

Answer

(AQ)

An answer to an open-question

開(kāi)放問(wèn)句的回答

咱們的圖片按照授權(quán)方式不同，分了2種

Response-ack

(RA)

Confirm that the previous request was received/accepted

對(duì)上一句需求性言語(yǔ)作出響應(yīng)

好的

Statement-ack

(SA)

Confirm that the previous statement was received/accepted

對(duì)上一句陳述作出響應(yīng)

client:抬頭 北京鼎尚利合餐飲管理有限公司

server:好的！收到！

Explain-why

(EW)

Explain further the reason of the previous utterance

對(duì)上一句言語(yǔ)進(jìn)一步解釋原因

client:手機(jī)和直郵能改嗎？

server:這個(gè)修改不了

server:用途由內(nèi)部系統(tǒng)生成

Conversational opening

(CO)

Greetings and other ways of starting a conversation

開(kāi)始一個(gè)對(duì)話

你好

Conversational closing

(CC)

Various ways of ending a conversation

結(jié)束一個(gè)對(duì)話

Bye Bye

Conversational continuer

(CT)

Various ways of continuing a conversation

延續(xù)一個(gè)對(duì)話

呵呵

Thanks

(TH)

Express appreciation and thanks

表示感謝等禮貌用語(yǔ)

麻煩了，謝謝

Downplayer

(D)

A backwards-linking label often used after THANKS to down play the contribution

對(duì)感謝用語(yǔ)作出禮貌性的回應(yīng)

不客氣

Confirmation

(CF)

Verify or confirm a previous information

對(duì)上一句言語(yǔ)信息進(jìn)一步確認(rèn)

Server:大概從1000-3000不等。

Server:圖片價(jià)格大概1000-3000/張不等。

Entity

(EN)

Using non-verbal entity to convey information

用不成句的實(shí)體詞語(yǔ)傳輸信息

菲爾?米克爾森

Cut

(Cut)

The first part that constitutes a complete utterance

被切斷的一個(gè)言語(yǔ)的前半部分

server:咱們那張圖呀<CUT>

server:定下來(lái)了不哈？<QYN>

Chat

(CHAT)

Chat unrelated to business

完全與業(yè)務(wù)無(wú)關(guān)的閑聊

Uncertainty

(U)

Uncertain information

不確定的信息

(5) 設(shè)計(jì)實(shí)現(xiàn)了眾包平臺(tái)，并發(fā)布了單數(shù)人稱代詞的標(biāo)注任務(wù)

為了便于知識(shí)資源的加工，我們開(kāi)發(fā)了一個(gè)眾包平臺(tái)，界面如下所示：

基本框架如下：

基于眾包平臺(tái)發(fā)布了單數(shù)人稱代詞的指代關(guān)系標(biāo)注。見(jiàn)如下界面：

通過(guò)眾包模式（Crowdsourcing）建設(shè)大規(guī)模的語(yǔ)料庫(kù)，可以讓大量的非專業(yè)人員參與語(yǔ)料庫(kù)標(biāo)注的工作，這有助于降低加工成本，提高加工效率。

(5) 設(shè)計(jì)實(shí)現(xiàn)了面向網(wǎng)絡(luò)短文本的漢語(yǔ)切詞模塊

網(wǎng)絡(luò)語(yǔ)言超出了通常規(guī)范語(yǔ)言的很多限制，使得計(jì)算機(jī)處理變得十分困難。而計(jì)算機(jī)分析中文的第一步通常是切詞。一般切詞工具在新聞文本上可以達(dá)到95%的F 值，在微博上則只有大約82% 。為此，我們特別研究了面向網(wǎng)絡(luò)短文本的漢語(yǔ)切詞方法，特別是針對(duì)微博的切詞方法。

現(xiàn)有的切詞方法大都使用有指導(dǎo)的序列標(biāo)注模型，如CRF�；�本思想是對(duì)每個(gè)漢字賦予一個(gè)標(biāo)記，如，某個(gè)字是一個(gè)詞的開(kāi)始字(標(biāo)B)或者不是一個(gè)詞的開(kāi)始字(標(biāo)N)。已有的研究表明，有指導(dǎo)方法得到的切詞效果有著明顯的優(yōu)勢(shì)。但是，有指導(dǎo)的方法需要大量的有標(biāo)訓(xùn)練數(shù)據(jù)，而構(gòu)建有標(biāo)訓(xùn)練數(shù)據(jù)既費(fèi)時(shí)又費(fèi)力。如何充分利用現(xiàn)有數(shù)據(jù)的特點(diǎn)便成為一個(gè)重要的問(wèn)題。通過(guò)觀察，我們發(fā)現(xiàn)，與一般的新聞文本相比，微博數(shù)據(jù)有明顯的自然標(biāo)記信息。下表是我們對(duì)一般新聞和微博中各類符號(hào)分布統(tǒng)計(jì)的比較值：

文本類型

漢字

英文字

數(shù)字

標(biāo)點(diǎn)符號(hào)

一般新聞

85.7%

0.6%

0.7%

13%

微博

66.3%

11.8%

2.6%

19.3%

顯然，微博中的非漢字比例大幅上升，比一般新聞的非漢字比例增加一倍以上。對(duì)于漢語(yǔ)分詞而言，英文字母，數(shù)字以及標(biāo)點(diǎn)符號(hào)都是自然的斷詞符號(hào)：自然標(biāo)記符后面的漢字是詞的開(kāi)始字（B），同樣，自然標(biāo)記前面的一個(gè)漢字則是詞的末尾字。可以充分利用這些自然標(biāo)注改進(jìn)網(wǎng)絡(luò)短文本的切詞處理。我們基于上述觀察，自動(dòng)獲得了大量的特殊標(biāo)注信息，并利用這些信息設(shè)計(jì)了切詞模塊，實(shí)驗(yàn)表明，我們所提方法與已有的方法相比，F(xiàn)值有顯著提升，達(dá)到了 87.5%。

注：2010年立項(xiàng)的重大項(xiàng)目主要填寫(xiě)2012年6月以來(lái)的研究成果情況。

序號(hào)	成果名稱	作者	成果形式	刊物名或出版社、刊發(fā)或出版時(shí)間	字?jǐn)?shù)	轉(zhuǎn)載、引用、獲獎(jiǎng)等情況
1	采用無(wú)標(biāo)注語(yǔ)料的動(dòng)詞和形容詞主觀性評(píng)級(jí)	徐戈，蒙新泛，王厚峰	論文	軟件學(xué)報(bào)，2013（5）	1.5萬(wàn)字
2	The Acquisition of Chinese Ergative Verbs and the Verification of Relevant Rules in Semantic Role Labeling	汪夢(mèng)翔等	英文 論文	CLSW 2013, LNAI 8229, Springer-Verlag Berlin Heidelberg
3	Improving ChineseWord Segmentation on Micro-blog Using Rich Punctuations	張龍凱等	英文論文	Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics, Sofia, Bulgaria, August 2013
4	Learning Entity Representation for Entity Disambiguation	何正焱等	英文論文	Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics, Sofia, Bulgaria, August 2013
5	“對(duì)不起”話語(yǔ)標(biāo)簽的形成及功能	汪夢(mèng)翔等	論文	湖北社會(huì)科學(xué)，2013（8）	7500
6	Judgment, Extraction and Selective Restriction of Chinese Eventive Verb	汪夢(mèng)翔等	英文 論文	Proceedings of 2013 International Conference on Asia Language Processing (IALP 2013) IEEE Computer Society
7	Exploiting Hierarchical Discourse Structure for Review Sentiment Analysis	Fei Wang, Yunfang Wu	英文論文	Proceedings of 2013 International Conference on Asia Language Processing (IALP 2013)
8	基于多步聚類的漢語(yǔ)命名實(shí)體識(shí)別和歧義消解	李廣一，王厚峰	論文	中文信息學(xué)報(bào)，2013（5）	1萬(wàn)字
9	Generalized Abbreviation Prediction with Negative Full Forms and Its Application on Improving Chinese Web Search	Xu Sun, Wenjie Li, Fanqi Meng, Houfeng Wang	英文論文	International Joint Conference on Natural Language Processing, Oct. 2013
10	Exploring Representations from Unlabeled Data with Co-training for Chinese Word Segmentation	張龍凱等	英文論文	Proceedings of the EMNLP2013，Oct.2013
11	Efficient Collective Entity Linking with Stacking	何正焱等	英文論文	Proceedings of the EMNLP2013，Oct.2013
12	Chinese Discourse Relation Recognition Using Parallel Corpus	Yifeng Xu, Yunfang Wu	英文論文	9th International Conference on Computational Intelligence and Security
13	基于生成詞庫(kù)論和論元結(jié)構(gòu)理論的語(yǔ)義知識(shí)體系研究	袁毓林	論文	中文信息學(xué)報(bào)，2013(6)	1.2萬(wàn)
14	基于中文維基百科的詞語(yǔ)語(yǔ)義相關(guān)度計(jì)算	萬(wàn)富強(qiáng),吳云芳	論文	中文信息學(xué)報(bào)，2013(6)	1.0萬(wàn)
15	社交網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)挖掘	范超，王厚峰	論文	中文信息學(xué)報(bào)，2014（1）	1.2萬(wàn)
16	漢語(yǔ)詞類劃分應(yīng)重視“排他法”	周韌	論文	漢語(yǔ)學(xué)習(xí),2014(1)	1.4萬(wàn)
17	也談與“的”字結(jié)構(gòu)有關(guān)的謂詞隱含	宋作艷	論文	漢語(yǔ)學(xué)習(xí),2014(1)	1.2萬(wàn)
18	基于句式結(jié)構(gòu)的漢語(yǔ)圖解析句法設(shè)計(jì)	彭煒明等	論文	計(jì)算機(jī)工程與應(yīng)用，2014（3）	1.2萬(wàn)字
19	現(xiàn)代漢語(yǔ)“對(duì)象格”自動(dòng)識(shí)別研究	汪夢(mèng)翔等	論文	計(jì)算機(jī)工程與應(yīng)用，2014（8）	1.2萬(wàn)字
20	中文信息處理的詞法問(wèn)題	彭煒明等	論文	中文信息學(xué)報(bào)，2014（2）	1.2萬(wàn)字
21	股市市場(chǎng)情感詞表的自動(dòng)挖掘與構(gòu)建	王菲， 吳云芳	論文	2014漢語(yǔ)詞匯語(yǔ)義學(xué)研討會(huì)議(CLSW2014)	1.0萬(wàn)字
22	基于序列模式的應(yīng)答需求句識(shí)別	徐藝峰， 吳云芳	論文	2014漢語(yǔ)詞匯語(yǔ)義學(xué)研討會(huì)議(CLSW2014)
23	The Processing of Dummy Verbs in Semantic Role Labeling	汪夢(mèng)翔等	英文 論文	CLSW 2014 將在LNAI Springer-Verlag Berlin Heidelberg出版
24	基于依存語(yǔ)法構(gòu)建多視圖漢語(yǔ)樹(shù)庫(kù)	邱立坤、金澎、王厚峰	論文	中文信息學(xué)報(bào)	10000	（已錄用）
25	Collaborative Topic Regression with Multiple Graphs Factorization for Recommendation in Social Media	Qing Zhang, Houfeng Wang	英文論文	Proceedings of the 25th International Conference on Computational Linguistics		（已錄用）
26	Building a Multi-view Chinese Treebank	Likun Qiu, Yue Zhang, Peng Jin and Houfeng Wang	英文論文	Proceedings of the 25th International Conference on Computational Linguistics		（已錄用）
27	“把”字句的自動(dòng)釋義與句式變換研究	王璐璐 孫薇薇 袁毓林	論文	計(jì)算機(jī)工程與應(yīng)用	1.3萬(wàn)字	（已錄用）
28	基于規(guī)則的漢語(yǔ)名名組合的自動(dòng)釋義研究	魏雪、袁毓林	論文	中文信息學(xué)報(bào)	1.3萬(wàn)字	（已錄用），擬在2014（3）發(fā)表
29	共指消解研究方法綜述	宋洋，王厚峰	論文	中文信息學(xué)報(bào)	1.5萬(wàn)字	（已錄用）
30	Feature-Frequency-Adaptive Online Trainingfor Fast and Accurate Natural Language Processing	Xu Sun, Wenjie Li, Houfeng Wang, Qin Lu	英文論文	Computational Linguistics		(已錄用，在線版已發(fā)：http://www. mitpressjournals. org/doi/pdf/10.1162/ COLI_a_00193)
31	一種基于文檔詞匯特征變化的突發(fā)事件檢測(cè)方法	王厚峰， 張龍凱	專利	中華人民共和國(guó)知識(shí)產(chǎn)權(quán)局		（已申報(bào)）

課題組供稿