大数据时代的自然语言处理： 前沿与进展.pdf

大数据时代的自然语言处理： 前沿与进展 孙茂松 清华大学计算机科学与技术系 第十四届中国少数民族语言文字信息处理 学术研讨会 2013年9月14 日，兰州 1 目录 1. 引言 2. 三个重要前沿及其进展 （1）基于深度学习的句子结构预测 （2）开放域信息抽取 （3）知识图谱 3. 题外话 目录 1. 引言 2. 三个重要前沿及其进展 （1）基于深度学习的句子结构预测 （2）开放域信息抽取 （3）知识图谱 3. 题外话 现实世界、网络空间与人类认知 • 三位一体：有史以来深度和广度最蔚为壮观的虚实结合的空间 – “人本传感器”：中国网民规模达5.64亿，微博用户3.09亿 （2013年1月） – “人本传感器”信号：仅新浪微博每日发布超过1亿条微博（2012年12月） 人类 认知 人本传感器 阅 感知/认知 社会行为 写 读 现实 网络 中文 大数据 世界 空间 时空中的人、物、事 4 机器阅读理解互联网 • 人类 “管中窥豹式”阅读难以形成对虚实空间完整准确的认识 • 机器阅读理解网络空间的中文信息是实现网络洞察力的关键 人类 认知 人本传感器 阅 感知/认知 社会行为 写 读 现实 网络 中文 大数据 世界 空间 时空中的人、物、事 5 机器阅读理解互联网 • 人类 “管中窥豹式”阅读难以形成对虚实空间完整准确的认识 • 机器阅读理解网络空间的中文信息是实现网络洞察力的关键 人类 形式化 认知 人类认知