NLP(自然语言处理)-ch1.ppt

促进我国计算语言学研究的世界化 我国计算语言学已经取得不少成绩，但是，与国际水平相比，差距还很大。2010年8月23日-27日第23届国际计算语言学会议在北京召开，与会代表700多人，这说明我国的计算语言学研究已经引起了国际计算语言学界的广泛关注。 计算语言学是国际性的学科，我们不仅要学习和了解国外计算语言学的研究成果和最新动态，而且要参与到国际计算语言学的研究中去，用国际的水平和国际的学术规范来要求我们的研究，促进我国计算语言学研究的世界化。 Web上用户最多的10种语言的用户数、网络渗透率、网络增长率、网络用户百分比 汉语2011年的互联网渗透率为37.2% 2011年该语言的互联网渗透率是指该语言使用互联网的人数与预计2011年使用该语言的总人数之比。例如，汉语使用互联网的人数为509,965,013人，预计2011年使用汉语的总人数为1,372,226,042人，则汉语2011年的互联网渗透率为 509,965,013 / 1,372,226,042 = 37.2%。 在2011年，日语的网络渗透率已经达到78.4%，德语的网络渗透率已经到达79.5%。汉语2011年的互联网渗透率只有37.2%，高于十大网络语言的平均网络渗透率36.4%，是一种非常重要的网络语言。 信息爆炸 在信息时代，科学技术的发展日新月异，新的信息、新的知识如雨后春笋地不断增加，出现了“信息爆炸”（information explosion）的局面。现在，世界上出版的科技刊物达165000种，平均每天有大约2万篇科技论文发表。专家估计，我们目前每天在互联网上传输的数据量之大，已经超过了整个19世纪的全部数据的总和；我们在新的21世纪所要处理的知识总量将要大大地超过我们在过去2500年历史长河中所积累起来的全部知识总量。而所有的这些信息主要都是以语言文字作为载体的，也就是说，网络世界主要是由语言文字构成的。 网络搜索 在互联网上，一个基本的搜索过程分成这样几步：提交搜索请求→发送→筛选分类→查找索引→选择网页→结果排名→呈现结果。 谷歌搜索研究团队曾指出：“一个搜索请求会被分发到数千个数据中心，然后根据关键词进行匹配，再根据数百个指标对得到的数据进行排名。这个复杂的过程通常在一秒内完成，但平均每个谷歌搜索的关键词往返于用户电脑和数据中心的距离约为2400公里（1500英里）。”[1]也就是说，用户检索看起来似乎是一个简单的秒级行为，其实背后隐含了很多语言学的分析。 检索的后台操作程序一般分为高层和低层两部分，高层是对用户搜索意图（search intention）的分析，是一种自上而下的分析，低层则是对搜索词语自身结构、语义的分析，是一种自下而上的分析，搜索过程中的意义分析主要是这两者的结合。 自然语言分析技术在网络搜索中起着举足轻重的作用。[1] 引自2012年03月12日的新浪科技报道，。 COLING 1962 年美国成立了“机器翻译与计算语言学学会”，每年开一次年会。1965 年在美国纽约成立了国际计算语言学委员会（International Committee of Computational Linguistics，简称 ICCL），每两年召开一次国际会议，叫做 COLING，COLING第一任主席是Bernard Vauquois（法国著名数学家和Grenoble 大学应用数学研究所自动翻译中心CETA主任）。 与此同时，美国出版了学术季刊《美国计算语言学杂志》（American Journal of Computational Linguistics），后改名为《国际计算语言学杂志》（International Journal of Computational Linguistics）。 COLING第一任主席 B. Vauquois-- 历届COLING 1965 New York 1967 Grenoble 1969 Stockholm 1971 Debrecen 1973 Pisa 1976 Ottawa 1978 Bergen 1980 Tokyo 1982 Prague （中国学者冯志伟首次参加COLING） 1984 Stanford 1986 Bonn 1988 Budapest 历届COLING 1990 Helsinki 1992 Nantes 1994 Kyoto 1996 Copenhagen 1998 Montréal 2000 Saarbruecken 2002 Taipei 2004 Geneva 2006 Sydney 2008 Manchester 2010 Beijing 2012 Munbai