计划中文信息处理与智能人机接口基础数据库的设计和实现.pdfVIP

钱跃良等： 计划中文信息处理与智能人机接口基础数据库的设计和实现 #$% !# 计划中文信息处理与智能人机接口基础数据库的设计和实现! ! 钱跃良 林守勋 刘 群 刘 洋 刘 宏 谢 萦 （中国科学院计算技术研究所 北京 !# ） 摘 要 本文简单分析了中文信息处理与智能人机接口领域基础数据建设的意义以及国 内外的现状，重点介绍了 计划中文信息处理与智能人机接口领域基础数据库的设计 #$% 与实现，并对基础数据的应用和今后的工作设想进行了讨论。 关键词 中文信息处理，智能人机接口，基础数据库 库。目前比较有影响的基础数据库主要是语言学数 引 言 ［］ 据联盟（ ， ! ）提供的数 ’()*’+,’- ./,/ 01(+12,’*3 .0 中文信息处理与智能人机接口技术是计算机与 据库。.0 由.4564 和 789 资助，于 !::; 年在美 人工智能技术的一个重要研究领域，同时也涉及到 国宾西法尼亚大学建立，目的在于建造、收集和发行 语言学、声学、光学、人体工程学等相关领域。开展 语言学数据，用于语言信息处理领域的研究和发展。 中文信息处理和智能化人机接口技术的研究，对于 现在已经有! 多所大学、公司和政府部门加盟，有 我国信息化建设和信息产业的发展具有重要的战略 各种语言学数据 种，涉及英、德、法、西班牙、中、 ;; 意义。中文信息处理与智能人机接口技术的研究范 日和阿拉伯文等多种语言。.0 已经向近 个单 围十分宽广，目前主要的研究内容有：自然语言处理 位发行了数据。在.0 的众多数据中，包括了相当 技术（包括机器翻译、检索和自动文摘等）、文字识别 多的语音数据，覆盖了汉语、英语、德语、西班牙语、 技术（包括印刷体和手写体文字识别等）、语音处理 阿拉伯语等许多主要的语言。同时，语音内容极其 技术（包括语音识别与语音合成等）、计算机视觉与 丰富，包括：新闻广播、口语对话、对讲机对话、手机 图像处理技术、生物特征信息处理技术（包括指纹识 对话以及噪音环境下的对话等，这些语音数据都是 别、虹膜识别、脸像识别、笔迹鉴别和声纹识别等）、 在真实环境下录制的，因此大大增加了语音识别的 多媒体技术、虚拟现实技术和多模式人机交互技术 难度，同时也反映了基础数据建设向自然方向发展 等等。 的趋势。 在开展上述关键技术研究过程中，其核心算法 国际上现在有很多著名的基于评测的国际会 不管采用的是统计方法、规则方法，还是目前流行的 议，这些会议往往也会为参加评测者提供大量的训 基于语料库的方法，总体上讲，都需要一定规模的语 练数据和测试数据。例如信息检索领域的文本检索 ［］ ［］ 料或样本对核心算法进行训练。在这里我们把这些