中文信息处理与汉语研究.pptVIP

中文信息处理与汉语研究

——现状和发展提纲中文信息处理研究的格局中文信息处理的现状和发展趋势语言知识资源的建设面向中文信息处理的汉语研究信息的两个层次：符号层——中文/汉语/汉字内容层——符号所承载的意义中文信息处理的两个层次：字符处理（输入、存储、输出等）内容处理（词语切分，词性标注，结构分析，意义理解，推理，翻译……等等）（信号vs.信息）一中文信息处理研究的格局符号层的信息处理拼音文字：小字符集——比较容易非拼音文字：大字符集——难度很大汉字是一个大字符集《说文解字》（东汉）：9353字《玉篇》（南朝）收录16,917字《广韵》（宋代）收字26,194字《字汇》（明朝）收录33,197字《康熙字典》（清朝）收录47,043字《汉语大字典》（1992年）5.6万《中华字海》（1994年）8.6万拉丁字母只有26个符号斯拉夫字母只有33个符号阿尔明尼亚字母只有38个符号泰米尔字母只有36个符号缅甸字母只有52个符号泰文字母只有44个符号老挝字母只有27个符号藏文字母只有35个符号韩文字母只有24个符号日文假名只有48个符号符号层的信息处理汉字输入自动输入键盘输入字形识别声音识别手写体识别印刷体识别在线手写脱机手写整字键盘通用键盘主辅式感应式形码音码形音结合码123456789内容层的信息处理形态丰富的语言（inflectinglanguage）：处理难形态不丰富的语言（analyticlanguage）：处理更难汉语英语老师都来了Allprofessorscamehere.张老师都来了EvenProfessorZhangcamehere.编辑工作很难Editingisverydifficult.如何当好编辑Howtobecomeagoodeditor内容层的信息处理原文原文输入译前编辑词法分析句法分析语义分析语境分析内部表示转换译词选择译后编辑译文输出词形变化句子生成译文机器翻译全过程需要语言知识

！！！内容层处理对符号层处理的反作用拼音串（无声调）xuexidiannaojishu候选字串雪系点脑机树共有14×98×41×15×167×68＝95.8亿种可能性学洗电闹给述学西颠挠记书……候选词串学习电脑级数共有2×1×7＝14种可能性血洗电脑奇数血洗电脑基数……正确文字串学习电脑技术内容层处理对符号层处理的反作用拼音串（无声调）xuexidiannaojishu候选字串雪系点脑机树共有14×98×41×15×167×68＝95.8亿种可能性学洗电闹给述学西颠挠记书……候选词串学习电脑级数共有2×1×7＝14种可能性血洗电脑奇数血洗电脑基数……正确文字串学习电脑技术内容层处理对符号层处理的反作用拼音串（无声调）xuexidiannaojishu候选字串雪系点脑机树共有14×98×41×15×167×68＝95.8亿种可能性学洗电闹给述学西颠挠记书……候选词串学习电脑级数共有2×1×7＝14种可能性血洗电脑奇数血洗电脑基数……正确文字串学习电脑技术内容层处理对符号层处理的反作用拼音串（无声调）xuexidiannaojishu候选字串雪系点脑机树共有14×98×41×15×167×68＝95.8亿种可能性学洗电闹给述学西颠挠记书……候选词串学习电脑级数共有2×1×7＝14种可能性血洗电脑奇数血洗电脑基数……正确文字串学习电脑技术现状01符号层的处理成果已经得到广泛应用；02中文输入/字库/字处理软件/排版/……03内容层的处理目前在词语识别和词性标注方面已经取得重要进展，句子结构分