Institute of Information Science
語言與知識處理實驗室
Principal Investigators:
許聞廉 Wen-Lian Hsu(Chair) 王新民 Hsin-Min Wang 古倫維 Lun-Wei Ku
陳克健 Keh-Jiann Chen 蘇克毅 Keh-Yih Su

[ 相關網站 ]
文獻處理實驗室詞庫小組實驗室機器學習與分類實驗室智慧型代理人系統實驗室
語音語言與音樂處理實驗室

[研究群介紹]
大量資訊以多媒體的形式在網路世界散佈,為了達到智慧型的資訊處理,知識為本的訊息處理是本計劃的核心焦點,我們正在進行三個主要的長期研究課題:知識擷取,知識表達及知識應用,尤其是相關於中文的處理。

一、 知識擷取
我們期望由計畫中發展的語言處理技術配合擷取的知識能自動的分析WWW中的大量文本,從中抽取語言知識及一般常識。
1. 建構本體、語言及常識知識庫
我們在過去二十多年發展了中文處理基礎建設為未來的自動化知識建構打下基礎。這些基礎建設包含標記語料庫、句結構樹資料庫、詞彙庫、中文語法、知識地圖、廣義知網、中文字構形資料庫、詞彙分析系統及句剖析器等。我們將利用完成的詞彙知識架構「廣義知網」與中文剖析器來自動分析並抽取網路文件中隱含的語言知識及領域訊息,構建概念知識架構並建立領域知識庫及中文詞彙知識庫。我們將連結不同的知識庫形成一個完整的知識網ConceptNet以提高計算機推理及語言了解能力。
2. 以模版技術為基礎的資訊擷取
適當的語意模版有助於從文句中擷取名詞,及其名詞間的關係。我們設計了一種模版近似對應的方法,並採取了一種半自動學習的策略,能夠將大量使用者標註過的語料學習後,進行模版的摘要。使得摘要過的模版應用到新的領域也有不錯的對應率。

二、知識表達
我們將研究知識架構的基礎理論及細緻語意的表達模式。藉由分析近義詞的細微差別來找出細緻語意的表達方式及語意的合成機制。我們將改善並整合當下最重要的一些知識架構如詞網、知網及事件框架網,以達到較佳的整合知識表達系統。我們也將研究知識邏輯及推理與知識結構整合的完整架構並應用於自動推理。希冀在廣義知網的本體架構下短語或句子的語意可以由詞彙語義合成。

三、知識應用
我們所發展的注音自動轉國字的軟體─自然輸入法,正確率接近96%,曾獲得1993年傑出中文資訊產品獎,已經普遍受到大眾的歡迎與接受。最近我們朝著更加國際化的方向前進,以針對常用字串「搜尋」為概念,發展中英文「快打」輸入法。未來,除了文本處理外也將發展口語處理技術以支援不同的應用系統。
1. 知識為本的中文語言處理技術 我們將發展強健型的中文結構剖析及語義分析系統,注重以概念為中心的中文處理技術,將利用所發展的「廣義知網」詞彙知識架構及自動抽取得到的統計、語言語法及常識訊息作為基礎知識用於分析文件的概念結構,並發展語義自動合成技術以瞭解文件的意義。

2. 多媒體音訊分析及檢索技術 我們的研究目標是開發多媒體音訊分析、抽取、辨識、索引及檢索技術。在語音方面,我們的研究著重在語者辨識、口語語言辨識、語音轉換、語音文件檢索/摘要。在音樂方面,進行中的研究課題包括歌聲旋律抽取、音樂標籤預測、音樂情緒辨識、音樂檢索。我們的音樂標籤預測系統在2009 Music Information Retrieval EvaluationeXchange (MIREX2009)獲得第一,整合聲學與視覺情緒高斯模型的自動音樂影片生成技術則在ACM Multimedia2012獲得Grand Challenge First Prize。

3. 中文自然語言問答系統 中文自然語言問答是一項嶄新而充滿挑戰性的研究議題。我們結合了實驗室各種中文技術,如問題理解、文句擷取、專有名詞辨識、候選答案排序、語意模板等,研發出一套問答系統。這套系統在2007年日本東京NTCIR舉辦的第二屆中文問答系統競賽中,以55.3%正確率蟬聯第一名。

4. 專有名詞辨識 在文件中標註出人名、地名、機構名等專有名詞極為重要,我們以機器學習為基礎所開發的專有名詞辨識系統,在 2006 SIGHAN 中文專有名詞辨識競賽中取得第二名。在2009年國際蛋白質名詞搜尋賽中,榮獲第一名。在近期的研究中,利用馬可夫邏輯網路將基因∕蛋白質專有名詞正規化系統與專有名詞辨識元件整合,有效提升專有名詞辨識與去歧異化的正確率。

5. 中文文本蘊涵 文本蘊涵是近年來自然語言處理領域中一個新興且極具挑戰性的題目。藉由深度的語意語法分析,系統能精確的辨認出兩文本之間的推論關係。本研究群整合現有的自然語言工具及資源,研發出一套中文文本蘊涵辨識系統,在2011年日本東京NTCIR,取得了第二名的成績。

6. 情感分析與意見探勘 主觀資訊的分析是自然語言處理中最具應用性的研究領域之一,且相關技術需深入理解文本內容及特定領域知識。我們在新聞、部落格、網路論壇、評論、讀者回應及對話文本中研究意見、情感、主觀性、表情、情緒、觀點等資訊,並為中文及英文文件,研發分析主觀資訊的技術。利用這些技術,我們建立了一個網路貼文的情感視覺化系統Feelit,以及一個協助母語為中文之語言學習者以英文表達情感的寫作輔助系統RESOLVE,兩者都達到相當好的效能。我們將基於過去所發展的Sinica中文剖析器、語意角色標記及e-Hownet等資源及工具,持續增進分析之效能。

7. 語意導向式的機器翻譯 我們採用語法深層結構,然後在每個詞上附著其詞意,並在樹狀結構的每個節點上標註其語意格位。我們使用一個整合式的統計模型找出最佳之語法深層結構、詞意,及語意格位的組合。在得到源始端的語意正規型式後,我們利用在最佳路徑上自動學習的參數及模版,產生對應的目標端語意正規型式及最後的句子。除此之外,對每一個無法產生對應結構之句子,我們將生成一個在搜尋柱內之替代路徑,使其具有最大之指定函數值 (基於BLEU分數及可能機率值)。

8. 中文自然語言理解 我們將用之前所建立之不同分析模組 (如中文分詞、句法剖析、語意角色標註、邏輯型式轉換等),來建立一個中文自然語言理解系統。我們會首先為這個長期的研究計劃建立一個中文機器閱讀程式,使本計劃可以用閱讀測驗來評估。我們將從國小課本開始,然後再進一步到中學課本,並最後到真正專業領域之應用 (例如智慧型問答系統)。
Image
圖:手機上的中英文快打輸入法 Déjà vu。

相關資訊

Academia Sinica 資訊科學研究所 Academia Sinica