第一届中文信息处理发展国际研讨会.docVIP

第一届中文信息处理发展国际研讨会 研讨提纲(讨论稿) 什么是中文信息处理？ 什么是中文？ 　　中文是联合国六种工作语言之一，是中国56个民族所使用的主语言，也是世界上五分之一以上人口的主语言。中文汉字是中国30种文字中使用最广的文字，方块汉字是其基本表现形式。 　　与英文的比较，中文的特点有哪些？ 　　与英文相比较，中文的特点表现在字、词、语块、句子、句模和篇章等七个方面： 　　中文字的特点：字多（一级汉字有3755个，可覆盖现代所用汉字的99.9%，二级汉字有3008个，一、二级汉字可覆盖现代所用汉字的99.99%以上，最常用的汉字有560个，940个常用字，700个次常用字，扫盲标准有1500个字，占现代常用字的95%，一般用字形20902个（ISO/IEC10646（UCS）），汉字字模已有10万字头，但人们估计现代有15万字头。大学毕业生一般可认识4千汉字，中文系毕业生可认识5千字左右，极少数专家可认识9千字。） ，形美，音少（不同的发音只有410余种，加上四声变化,总共1295种），义众，类难，序隐。 　　中文词的特点：定义糊（能够独立运用的有特定的音、形、义的最小句法单位（印欧语系中最小的句法单位是语素——morpheme），词类混，切分难，词频集中，词长短，词义众，识别易，构成与复合便，组句活，词库多。 　　中文语块乃是能够自由造句的基本句法单位。 　　中文句的特点：切分难（句乃能独立交际的最小语法单位），句型（句法上的句子模式称”句型”）多，简练，重意合。 　　句模（句法上的句子模式称”句模”）的特点是数量不多（不足200个）。 　　中文篇章的特点：简练，文体众多。 中文与英文最大的不同在于中文表述较为节省：表现同样意思的中文节省，节省了词的分隔符、性、数、格、时态、形态等的变化，动词可省掉语句的安排，省音节。中文语序多为聚焦型，英语1/2为发散型。魏凌云教授认为中文的特点可用3s表示：简、短、直。但又有三大问题：同音字太多，四声变化与南腔北调。 中文要不要走拉丁化的道路？如何走？估计要走多少年？ 关于中文的拉丁化道路，现在还难有定论。有人要试验，可以试，但不可勉强。要完成拉丁化道路估计不会少于100年。 什么是信息？各种信息各占多少比例？ 　　信息是一个基本概念，不可用基底法定义，用同义法定义也讲不清。 下表是其枚举式定义与统计报道的各种信息分布的比例。 显然，计算机处理信息的能力正从上表的底层由左向右地迅速扩大。 　　当前人们众关心什么信息？ 　　根据IBM公司的调查，当前人们最关心的仍是文本信息。 各种信息的特点如何？各种信息的表现形式如何？各有什么特点？ 　　视频，音频的特点是表现形式直观，表达的信息易于被不同层次的对象接受。　　　超视声频和其他信息现在还鲜有用于计算机处理的例子。其中的文本信息的特点是：易于传播，所需存储空间小。但是交流的群体受到限制。 什么是处理？ 　　处理是指对信息的接收、存储、转化、传送和发布等等操作。 　　处理分几级？ 　　处理分级至少分为：字级处理、概念处理和智能处理这几级． 　　什么是智能处理？ 　　智能处理：能模仿人的智能（归纳，抽象，形式推理、联想和自适应等）的处理． 　　什么是智能？ 智能（Intelligence）一词源于“Legere”。意思是收集、汇集，它通常指人类的脑力劳动，包括感知、学习、推理和判断等;有人把它定义成是随外界变化的一种正确的反应能力。 人的智能现在已能让电脑机器模仿的主要是学习、推理、联想、判断与自适应的智能。 智能的方法有哪些？ 智能的研究方法主要有三类： 认知学派，从人的思维活动出发，用计算机进行宏观功能模拟： 逻辑学派，用逻辑来研究人工智能，即用形式化方法描述客观世界； 行为学派，以与环境的交互作用来研究智能。 智能的水平已达到什么程度？ 智能的发展主要经历了孕育期、基础技术、发展和实用化、知识工程与专家系统四个阶段，当前的主要研究领域：自然语言理解、计算机视觉、机器人学及知识工程。 在可见的未来会发展到什么程度？ 智能的未来发展，将会对知识库、专家系统、推理系统和神经网络等综合应用，达到能够模拟人类比较复杂的思维和行为。 什么是中文信息？ 中文信息主要是指用中文表示的信息。 中文信息已有哪些种类？大概占多少存储？ 古代的经史子集和现代的文体休闲，社会文化等等到处是中文信息。 中文信息在国际上的地位、作用、所占比例如何？ 二战以来国际上以美国英语最为流行。国际文献中80%用英语，15%用法语，4%用西班牙语，1%不到的用俄、阿、中。 国外最重视哪些中文信息？ 国外最重视的中文信息是：医药与农业。 国内人们最关心什么样的中文信息？ 国内最关心的中文信息是：政治、经济、科技。 中文信息处理的内涵、特点、热点各是什么？ 　　中文信息