中心成果 |《中文句法语义分析及其应用》项目成果介绍

 导 语 

自2016年成立至今，语言资源高精尖创新中心（以下简称“中心”）已经走过近五年的建设发展历程，并将于2021年4月迎来五年建设终期评估。近五年来，中心签约23个在研项目，着力建设“语言资源库”、“语言文化博物馆”和“‘语言通’智能服务”三大工程，取得了诸多丰硕成果，具体包括18个语言数据库（集）、11个应用系统。其中，18个语言数据库（集）包括：世界语言基本信息库、一带一路国家语言文化核心资源集、中国周边国家（6国）语言资源集、用于语言识别的世界语言资源集、海外华语资源库、俄汉大规模语汇库与句对库、中阿语言资源集、中俄日韩英对齐4000词汇库、用于句法分析的大规模汉语语料库、汉语国际教育优质学习资源集、全球汉语中介语语料库、面向智能语音教学的汉语中介语语音库、中俄经贸合作信息库与双语合同文本库、冬奥会多语言术语资源库、面向冬奥会的机器翻译资源库、大规模冬奥项目知识图谱资源集、中华经典诗词资源集、汉学研究文献库和人才库等。中心开发的应用系统包括：冬奥术语库系统、冬奥机器翻译系统、智能化冬奥项目问答原型系统、中俄语商通系统、海外华语资源系统、SAIT汉语智能发音教学系统、“文心”智能作文批改系统、全球语言文化资源采录展示系统、《疫情防控外语通》在线查询系统等。本公众号自2020年12月17日起，推出“中心成果”系列文章，陆续介绍中心各项目的资源、系统成果。今日，我们推送《中文句法语义分析及其应用》项目成果。

 项目介绍 

《中文句法语义分析及其应用》项目由语言资源高精尖创新中心特聘研究员、北京语言大学荀恩东教授主持开展。项目于2017年4月立项，2020年9月开展结项工作。

人工智能发展迅速，语言智能是人工智能的重要研究方向，中文句法语义分析是语言智能的核心技术，对推动语言智能的研究与应用有至关重要的作用。目前，在英语等印欧语言中，句法语义分析已取得良好的表现。而中文由于缺少形式标记，存在中文意合和流水句的特点，使得计算机缺少足够的特征去捕捉上下文的信息，中文在该方面始终未取得实质性突破。

本项目以中文句法语义分析作为核心技术研发目标，构建了一个研究和开发的软件平台，获取分析器所需的多层次语言知识，并构建相应的知识库：包括词典知识、规则知识、语块知识、中文动词论元知识等，以探索有知识引导、充分利用大数据和深度学习方法的中文句法语义分析的新方法。

 项目成果 

规范标准

本项目为实现大规模中文句法语义资源建设目标，制定了《语篇句子成分标注规范》《块依存篇章标注规范》。在这两个基础标注规范的指导下，项目组实现了句子结构、“块依存”资源的大规模建设。

资源成果

课题组主要理论研究成果为“意合图”中文语义表征框架。中文句法语义分析是一项语言工程，需要较好的可计算性，并达到较高的形式化程度。课题组充分注意中文的特点，广泛借鉴各类先进语言学理论和计算理论，总结新的理论框架，提出了以“意合图”为表征形式、“块依存”为核心的理论，在面向语言信息处理任务中取得实用效果。

“意合图”指的是面向应用场景的语义表征图，为单根有向图。图中节点对应承载语义概念的语言单元，边为连接两个节点单元的语义关系。“意合图”的生成基于“块依存”。“块依存”指的是以块为基础单元，构建块间语义关系的策略及算法。

意合图示例

“意合图”的构建基于“块依存”文法。在“意合图”的表征形式上，充分借鉴知识和事理图谱三元组集合形式，同时融合复杂特征集的表示形式，使“意合图”的语义表征形式灵活，承载语义内容完备。课题组开展了面向中文句法语义分析的大规模、深层次的多颗粒度语言知识工程。

1、“意合图”标注。针对提出的中文句法语义的“意合图”表示，验证其合理性，同时也为后续工作提供验证数据，项目组启动了中文“意合图”标注工程。目前，定制了“意合图”标注规范和辅助标注软件，已经标注“意合图”约1万句。

2、中文动词内结构标注。对多字中文动词，给出内部结构标注，例如给出结构类型、核心词、是否可离合使用等。标注了动词约2万词，此项工作已经完成。

3、中文“块依存”结构标注。对中文句子区分句法成分组块、句间衔接组块和辅助组块，通过组块序列呈现句子基本骨架。标注了约60万个小句。

4、中文搭配标注。对中文大数据中的组块搭配现象进行了大规模调查，形成了高质量搭配库，规模达900万实例以上。

技术成果

项目组建设开发了中文句法语义分析平台，该平台用于进行句法语义分析器的知识管理和基于网络的协同开发。句法语义分析器为平台的核心组件，平台为分析器的高效运行和功能发挥提供支持。目前这个平台主要功能已经开发完毕。其中，句法语义分析器实现的核心功能包括：

1、词法模块：采用不同方法，设计三个词法分析器，具备中文分词、词性标注和命名实体识别等功能。

2、边界模型：设计10元文法的中文边界模型，用此模型完成二叉树生成。

3、设计块依存分析模型，用于基于词分析与边界识别结果实现语块依存关系识别。

中文句法语义分析平台-演示视频

▼延伸阅读▼