Page 26 - profile2012.indd
P. 26
Research Laboratories 研究群
語言與知識處理實驗室
Natural Language and
Knowledge Processing Laboratory
研究人員 研究技師人員
許聞廉 Wen-Lian Hsu 王新民 Hsin-Min Wang 陳克健 Keh-Jiann Chen 張 復 Fu Chang 莊德明 Der-Ming Juang
Distinguished Research Fellow Associate Research Fellow Research Fellow Associate Research Fellow Assistant Research Engineer
研究群介紹
大量資訊以多媒體的形式在網路世界散佈,為了達到智 型學習方法。此方法特別適用於類別很多的應用。我們 系統在2009 Music Informa-
慧型的資訊處理,知識為本的訊息處理是本計劃的核心焦 將延續文件影像分析與光學文字辨識的研究,並且加入 tion Retrieval Evaluation
點,我們進行三個主要長期研究方向:知識擷取,知識應 自然語言的研究。 eXchange (MIREX2009)獲得
用及知識表達。 第一。
3. 以模版技術為基礎的資訊擷取 最基本的自然語言理解要
一、 知識擷取 適當的語意模版有助於從文句中擷取名詞,及其名詞間 3. 中文自然語言問答系統
的關係。我們採取了兩個策略來克服初始階段需要人 中文自然語言問答是一項嶄新 能在一個句子中找出人、
我們期望由計畫中發展的語言處理技術配合擷取的知識能 而充滿挑戰性的研究議題。
自動的分析WWW中的大量文本,從中抽取語言知識及ㄧ般 工導入的問題:(一)利用維基百科的大量資料當做基 我們結合了實驗室各種中文技 事、時、地、物,這在處
常識。 底,我們提出了一套方法來檢定模版的效能一致性;(
二)我們採用一個weakly-supervised的方式,將抽取 術,如問題理解、文句擷取、 理沒有詞界的中文時尤其
1. 建構本體、語言及常識知識庫 出來沒有意義的資訊剃除,藉此來提升資料抽取的正確 專有名詞辨識、候選答案排序、語意模板等,研發出一套問答系統。 重要。
率。 這套系統在2007年日本東京NTCIR舉辦的第二屆中文問答系統競賽
我們在過去二十多年發展了中文處理基礎建設為未來的 中,以55.3%正確率蟬聯第一名。
自動化知識建構打下基礎。這些基礎建設包含標記語料 二、 知識應用
庫、句結構樹資料庫、詞彙庫、中文語法、知識地圖、 4. 專有名詞辨識
廣義知網、中文字構形資料庫、詞彙分析系統及句剖析 我們所發展的注音自動轉國字的軟體─自然輸入法,正確 在文件中標註出人名、地名、機構名等專有名詞極為重要,我們以機
器等。我們將利用完成的詞彙知識架構「廣義知網」與 率接近96%,曾獲得1993年傑出中文資訊產品獎,已經普遍 器學習為基礎所開發的專有名詞辨識系統,在2006 SIGHAN中文專有
中文剖析器來自動分析並抽取網路文件中隱含的語言知 受到大眾的歡迎與接受。最近我們朝著更加國際化的方向 名詞辨識競賽中取得第二名。在2009年國際蛋白質名詞搜尋賽中,榮
識及領域訊息,構建概念知識架構並建立領域知識庫及 前進,以針對常用字串「搜尋」為概念,發展中英文「快 獲第一名。在近期的研究中,利用馬可夫邏輯網路將基因/蛋白質專
中文詞彙知識庫。我們將連結不同的知識庫形成ㄧ個完 打」輸入法。未來,除了文本處理外也將發展口語處理技 有名詞正規化系統與專有名詞辨識元件整合,有效提升專有名詞辨識
整的知識網ConceptNet以提高計算機推理及語言了解能 術以支援不同的應用系統。 與去歧異化的正確率。
力。
1. 知識為本的中文語言處理技術 5. 中文文本蘊涵
2. 機器學習與模版分類 我們將發展強健型的中文結構剖析及語義分析系統,注 文本蘊涵是近年來自然語言處理領域中一個新興且極具挑戰性的題
為了能夠將機器學習方法應用於大型的資料,我們必須 重以概念為中心的中文處理技術,將利用所發展的「廣 目。藉由深度的語意語法分析,系統能精確的辨認出兩文本之間的推
提升這些方法的可擴充性。目前有三個瓶頸:訓練資料 義知網」詞彙知識架構及自動抽取得到的統計、語言語 論關係。本研究群整合現有的自然語言工具及資源,研發出一套中文
的數量,特徵的數量,以及類別的數量。對此,我們分 法及常識訊息作為基礎知識用於分析文件的概念結構, 文本蘊涵辨識系統,在2011年日本東京NTCIR,取得了第二名的成
別提出了(1)以決策樹分割的方法來加速支持向量機 並發展語義自動合成技術以瞭解文件的意義。 績。
的訓練。此方法可以得到千倍的
加速效益而仍然維持分類的正確 2. 多媒體音訊分析及檢索技術 三、知識表達
率。(2)以多重特徵子集的方法 我們的研究目標是開發多媒體音訊分析、
來排列與選取特徵。此方法的學 抽取、辨識、索引及檢索技術。在語音方 我們將研究知識架構的基礎理論及細緻語意的表達模式。 藉由分析近義
習速度遠高於目前最佳的遞迴消 面,我們的研究著重在語音辨識、語者辨 詞的細微差別來找出細緻語意的表達方式及語意的合成機制。我們將改
除法(RFE)。它所獲致的分類 識/分段/分群、語音文件檢索/摘要。我 善並整合當下最重要的一些知識架構如詞網、知網及事件框架網,以達
正確性,以及選取到關鍵特徵的 們的語者確認系統在2006 International 到較佳的整合知識表達系統。我們也將研究知識邏輯及推理與知識結構
數量也比後者好。(3)調適性原 Symposium on Chinese Spoken Lan- 整合的完整架構並應用於自動推理。希冀在廣義知網的本體架構下短語
guage Processing獲得第二名的佳績。 或句子的語意可以由詞彙語義合成。
在音樂方面,我們的研究著重在歌聲旋律
抽取、哼唱式音樂檢索、音樂標籤預測、
基於標籤之音樂檢索。我們的標籤預測
研究群
26 Research Laboratories
27