Page 29 - profile2014.indd

語言與知識處理實驗室

2. 多媒體音訊分析及檢索技術 的效能。我們將基於過去所發展的Sinica中文剖析器、語
我們的研究目標是開發多媒體音訊分析、抽取、辨識、 意角色標記及e-Hownet等資源及工具，持續增進分析之
索引及檢索技術。在語音方面，我們的研究著重在語者 效能。
辨識、口語語言辨識、語音轉換、語音文件檢索/摘要。
在音樂方面，進行中的研究課題包括歌聲旋律抽取、音樂 7. 語意導向式的機器翻譯
標籤預測、音樂情緒辨識、音樂檢索。我們的音樂標籤 我們採用語法深層結構，然後在每個詞上附著其詞意，並
預測系統在2009 Music Information Retrieval Evalua- 在樹狀結構的每個節點上標註其語意格位。我們使用一個
tion eXchange (MIREX2009)獲得第一，整合聲學與視覺 整合式的統計模型找出最佳之語法深層結構、詞意，及
情緒高斯模型的自動音樂影片生成技術則在ACM Multi- 語意格位的組合。在得到源始端的語意正規型式後，我
media 2012獲得Grand Challenge First Prize。 們利用在最佳路徑上自動學習的參數及模版，產生對應
的目標端語意正規型式及最後的句子。除此之外，對每
3. 中文自然語言問答系統 一個無法產生對應結構之句子，我們將生成一個在搜尋柱
中文自然語言問答是一項嶄新而充滿挑戰性的研究議題。 內之替代路徑，使其具有最大之指定函數值 (基於BLEU
我們結合了實驗室各種中文技術，如問題理解、文句擷 分數及可能機率值)。
取、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。這套系統在2007年日本東京NTCIR舉 8. 中文自然語言理解
辦的第二屆中文問答系統競賽中，以55.3%正確率蟬聯第 我們將用之前所建立之不同分析模組 (如中文分詞、句法
一名。 剖析、語意角色標註、邏輯型式轉換等)，來建立一個中
文自然語言理解系統。我們會首先為這個長期的研究計劃
4. 專有名詞辨識 建立一個中文機器閱讀程式，使本計劃可以用閱讀測驗
在文件中標註出人名、地名、機構名等專有名詞極為重 來評估。我們將從國小課本開始，然後再進一步到中學
要，我們以機器學習為基礎所開發的專有名詞辨識系統， 課本，並最後到真正專業領域之應用 (例如智慧型問答系
在 2006 SIGHAN 中文專有名詞辨識競賽中取得第二名。 統)。
在2009年國際蛋白質名詞搜尋賽中，榮獲第一名。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
詞辨識與去歧異化的正確率。
5. 中文文本蘊涵
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，研發出一套中文文本蘊涵辨識系統，
在2011年日本東京NTCIR，取得了第二名的成績。

6. 情感分析與意見探勘
主觀資訊的分析是自然語言處理中最具應用性的研究領域
之一，且相關技術需深入理解文本內容及特定領域知識。
我們在新聞、部落格、網路論壇、評論、讀者回應及對
話文本中研究意見、情感、主觀性、表情、情緒、觀點等 圖：手機上的中英文快打輸入法 Déjà vu。
資訊，並為中文及英文文件，研發分析主觀資訊的技術。
利用這些技術，我們建立了一個網路貼文的情感視覺化系
統Feelit，以及一個協助母語為中文之語言學習者以英文
表達情感的寫作輔助系統RESOLVE，兩者都達到相當好

29