liba2002@
12
liba2002@
10
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
汉语理解研究的应用前景
既是新一代计算机的核心课题，又是知识产业的三大 突破口之一 专家系统、数据库、CAD、CAI、MIS、OA系统，无一不 需要用自然语言做人机界面 具有篇章理解和篇章生成能力的自然语言理解系统可 用于专家系统、知识工程、自动机器翻译、情报检索、 自动文摘、注释和编辑出版、CAI，办公室自动化、语 言材料自动统计等领域 从知识产业的角度理解，自然语言软件具有相当重要 的地位
liba2002@
11
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
发展策略
增加对汉语理解研究的投资 从系统工程的观点来考虑，应统一规划集中力量研究开发 一部能够为各类汉语处理系统服务的现代汉语机器词典和 一个大型的现代汉语语料库系统 加强汉语理解研究攻关的组织和管理工作，尽可能联合国 内在自然语言理解研究方面取得一定成果的单位进行攻关， 特别要注意将计算机界和语言学界两股力量拧成一股力量 注意汉语理解研究要做到系统性、工程性、集成性，又要 注意其基础性和前瞻性 扩大与其他国家的技术交流，学习与借鉴别人的优秀成果 抓住Internet网络应用发展的机遇，推动汉语理解技术和 产业的进一步发展
liba2002@
2
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
汉语自然语言理解与生成国内现状
五十年代中期，已开展俄文对中文的翻译工作，六十 年代中期中断，其成果也是很初级的。 八十年代初中科院计算所，北京语言学院研究所刘涌 泉，刘倬等研究员开始研究中英文翻译系统。在国内 第一次商品化的中英文翻译软件是由电子部中国软件 总公司的董振东教授研发的“译星”系统，该系统以 句译为主，水平在当时算是高的 九十年代中期，由中科院陈肇雄，黄河燕等研究员开 发的翻译软件曾经在国内名噪一时，他们的翻译软件 可以是句译，也可以扩大到成段或成篇的翻译。其句 译的软件由香港一家公司支持配备了硬件，生产出批 量上市的“快译通”产品，受到中学生、一些涉外公 司企业雇员的欢迎。
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
语言
词汇
语法
词
熟语
词法
句法
词素
构形法
构词法
词组 构词法
造句法
图6-1 语言的构成
liba2002@
1
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
自然语言理解国外研究现状
机器翻译是自然语言理解最早的研究领域。40年代末 期，人们期望能够用计算机翻译剧增的科技资料。美 苏两国在1949年开始俄-英和英-俄文字的机器翻译研 究。 70年代初期，对语言理解对话系统的研究取得进展。 代表性的有伍兹（Woods）的LUNAR系统、威诺甘德 （Winogand）的SHRDLU系统和香克（Schank）的 MARGIE系统等是语言理解对话系统的典型实例。 到了80年代出现有突破性的进展。大约从1983年开始， 国外自然语言软件进入了商品市场，标志着进入了一 个新的起点，语言产业作为一种新的产业在世界上崛 起。
l理与应用 中文信息处理技术——原理与应用
基于语法的汉语自然理解系统
汉语理解系统的组成 一．文本的输入 二．文本预处理 三．计算机自动分词 四．词法分析
liba2002@
8
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
liba2002@
6
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
汉语理解与生成的难点与问题
汉语的构词法和造句法结构方式基本相同，且 理论上汉语的结构可作任意扩展，结构与结构 的组合很灵活，相互之间又缺乏明显的形式标 记，使计算机分析时困难增多 汉语句子间界限不清，句中无主谓一致关系， 而且缺略现象比较严重 语义和语用在表意文字汉语里有时比句法占有 更重要的地位，但目前汉语理解时如何利用语 义和语用这个问题尚未解决 汉语理解还必须面对汉语语言学研究落后这一 现实
liba2002@
5
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
汉语理解与生成的难点与问题
汉语量词特别丰富 汉语是词根语，采用连续书写形式，词与词之 间没有自然界限，计算机理解汉语时要多一个 步骤：自动分词。 大多数汉语词本身不能明显地表达语法意义， 句法主要靠虚词和语序。 汉语的名词修饰名词十分自由，有时加“的”， 有时不加“的”， 连动式、兼语式是汉语的二种特殊形式的句型， 印欧语或日语无直接对应句型
liba2002@
3
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
直到1978年，中国国内才开始起步研究汉语理解，而 且当时只有少数大学或研究所的少数人员在研究经费 匮乏、研究设备短缺的困难条件下进行分散式研究 八十年代中、后期情况有所好转。1984年成立了中国 人工智能学会自然语言理解学会，中国中文信息学会 自然语言处理专委会和计算语言学专委会也相继成立 了。在国际上新一代计算机激烈竞争影响下，自然语 言理解研究在中国也得到了应有的重视 90年代后期，随着Internet网络技术的普及和发展，中 文信息处理技术开始渐渐复苏，并推动汉字信息处理 及汉语理解技术的更快发展。 在自然语言理解的理论研究方面，也取得了不少的成 果，初步形成了我国当前NLC方面的一些流派，并有自 己的一套理论、模型和系统。
liba2002@
9
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
基于语义的汉语自然理解系统
有关汉语自然理解系统的方法问题或主 流技术的讨论，可以说是众说纷纭。 黄昌宁教授（现任微软亚洲研究院高级 研究员兼博士后工作站负责人）提出了 有关语料库方法和统计语言模型的观点。
基于语义的汉语自然理解系统
概念实际上是一种深层语义，语义只限于语言 学范畴内的东西，是不能独立于语种的，但是 概念不受语种的限制，是在整个知识领域中定 义的，它不单是更深层次的语义，而且可以将 信息交互中的语言放到更大的范围内去理解。 典型示例：中国科学院声学研究所研究员黄曾 阳先生提出的HNC理论及其应用情况。 HNC是“Hierarchical Network of Concepts（概 念层次网络）”的简称，它以概念化、层次化、 网络化的语义表达为基础，因此称它为概念层 次网络理论。
liba2002@
4
中文信息处理技术——原理与应用 中文信息处理技术——原理与应用
汉语理解与生成的难点与问题
采用目前的这种计算机体系结构来实现自然语 言理解，汉语比英语具有更大的一个困难是： 英语是形合(merplotactic)语言，造句要求词的 形态变化符合规则，注重句法平面。汉语是意 合(semotactic)的语言，造句要求词的意义搭配 符合情理，注重语义平面。 用计算机对汉语进行理解和生成，面对的困难 和问题要比印欧语系的英语、俄语等多一些。 除了自然语言理解研究面对的共性问题外，汉 语理解和生成还有其他方面的的困难和问题。