日本国立国会图书馆馆长长尾真先生，于2008年11月8日在第8届中日自然语言处理共同促进会议上，作了题为“跨越语言障碍”的学术报告。对主要内容摘记如下：

一、 语言与语言学

1. 语言表达中所存在的规则，现在手工收集这些规则，已经达到了极限。（博主注：这就是针对海量数据情况下，为什么统计学习方法超过规则方法的原因，专家针对海量数据提取所有规则几乎是不可能的事情，所以现在的主流方向是统计学习方法，有时候结合一些规则效果还会有所提高。）

2. 通过对单词在句子、句子在文章里的出现情况进行分类，可以确定他们的含义。（博主注：我没有整明白这句话的确切含义，是不是通过单词或句子的语境，来理解单词或句子的含义呢？）

 二、语言资源建设

1.  多语言语料库建设：NICT（日本情报通信研究机构）正在收集中日平行语料库，他们的目标是收集1000万句对，目前已经收集了100万句对。

2. 语音语料库的应用：依靠语音语料库，日本国会的速记使用语音系统代替或辅助，并准备明年开始实施。（博主注：如果中文也能做得这么好，那么有名的“亚伟速录”是否会受到严重挑战？）

3. 语料库相关软件的建设：开发多语言、平行语料库的处理软件，建设语料库与词典并普及它们的应用。现在处理上亿单词的语料库，超级计算机可以在一两天就得到结果。

4. 语料库应该是中性的，可以用于各种用途。（博主注：语料库是中性的，这个问题不大，一般根据应用的不同，对语料库的标注是有侧重的，比如POS标注词性，而情感分析用标注，则标注带褒贬等情感极性的标记。）

 三、语言翻译

1. 构建实例库与词典： 通过分析可比语料库可以抽出“改写实例”（博主注：一般称为复述实例吧），利用词汇与短语的“复述”可以自动构建词典（博主注：这里的“词典”似乎是同义词词典或者主题词词典。）

2. 类义词典的自动构建：对包含同义词和上下位类关系的句子进行分析，从而构建类义词典；通过分析专业领域的文章，构建相应的术语词典以及概念词典，可以阐明改领域的知识结构。

3. 机器翻译的课题：多语言翻译、语言网格、机器翻译质量的提高、大规模翻译实例数据库建设。

 四、信息检索的课题

1.  信息的可靠性问题：推测信息的可靠性；人们对搜索到的信息可以相信到什么程度？通过与学术内容和事实相比较来推测信息的可靠性。

2. 危险信息的监测：可疑信息源的检测、相关信息的历时追踪、对某一时间点突然猛增的一系列相关信息进行及时扑捉。（博主注：这个就是舆情监测与分析需要去解决的问题，已经热了一阵子了）。

3. 抄袭文章与图片的检测：检测出由某个文件的某一部分与另一文件的某一部分相同或相似，检测出某一图片或漫画与另一图片或漫画的相似程度。（博主注：关于文档复制检测的研究比较多了，CNKI等公司就有类似的论文抄袭检测工具。但关于图片或漫画的抄袭检测研究和相关系统，我几乎没看过，难道是因为日本的漫画业太发达了，街头卖的抄袭作品太多，所以推动了学术界研究这个？  ）。

4. 对话系统：广博的知识与报纸热门话题的积累（博主注：把百科知识和热门事件输入到电脑，让他们无所不知，就和一个陌生人刚到一个新城市一样，多看看这个城市的小报，很快就知道这个城市的一些特点了），对话情景信息的获取，推测对方所具有的知识（博主注：根据用户输入的查询式的专指度，有时能在一定程度上推测用户输入词语的专业程度，从而推测改用户是一般用户而是特殊用户），推测对方的意图。

 

转载本文请联系原作者获取授权，同时请注明本文来自章成志科学网博客。
链接地址：https://wap.sciencenet.cn/blog-36782-46490.html

上一篇：长尾真报告摘记：数字图书馆的发展
下一篇：“下一代”图书馆目录（Next Generation Library Catalogs)[zz]