|
|
隨著中國(guó)的經(jīng)濟(jì)迅速發(fā)展和對(duì)外交往的日益頻繁,中文在國(guó)際上的地位也逐步提高。盡管中文被認(rèn)為是世界上**難學(xué)的語(yǔ)言之一,但近年來(lái),世界上學(xué)中文的人還是不斷增加,這些人遍布亞洲、歐洲、美洲、非洲。而學(xué)習(xí)中文的人也不單純是學(xué)習(xí)語(yǔ)言、文化、歷史專業(yè)的學(xué)生,許多國(guó)家學(xué)習(xí)經(jīng)濟(jì)、貿(mào)易、法律專業(yè)的大學(xué)生也開始學(xué)習(xí)中文,他們認(rèn)為掌握中文會(huì)對(duì)就業(yè)和工作有幫助。
中文信息處理分為漢字信息處理與漢語(yǔ)信息處理兩部分,具體內(nèi)容包括對(duì)字、詞、句、篇章的輸入、存儲(chǔ)、傳輸、輸出、識(shí)別、轉(zhuǎn)換、壓縮、檢索、分析、理解和生成等方面的處理技術(shù)。用計(jì)算機(jī)來(lái)處理漢語(yǔ)信息,就是漢語(yǔ)信息處理,又稱中文信息處理。
中文信息處理是有關(guān)中文信息的采集、存儲(chǔ)、傳輸和利用,是指利用電子計(jì)算機(jī)和現(xiàn)代通信、照明、排版、等自動(dòng)化技術(shù)對(duì)漢字信息進(jìn)行輸入輸出整理、加工、轉(zhuǎn)換、傳輸、復(fù)制、等各種處理的一項(xiàng)新興的科學(xué)技術(shù)。其交叉性使之成為“信息科學(xué)”的分支;其綜合性應(yīng)用使之成為“系統(tǒng)工程”的一個(gè)實(shí)例。它涉及到語(yǔ)言文字學(xué)、計(jì)算機(jī)科學(xué)、信息科學(xué)、工程心理學(xué)、數(shù)理統(tǒng)計(jì)學(xué)、聲學(xué)、自動(dòng)識(shí)別技術(shù)、人工智能、網(wǎng)絡(luò)技術(shù)、文獻(xiàn)檢索學(xué)等等。故可以說(shuō)它是一門新興的多邊緣科學(xué)。中國(guó)要實(shí)施的信息處理技術(shù)手段,中文信息化是一項(xiàng)重要的資源開發(fā)工作。中文信息網(wǎng)已逐漸成為我國(guó)現(xiàn)代化社會(huì)的神經(jīng)系統(tǒng),它將促進(jìn)人民文化和社會(huì)生產(chǎn)效率迅速提高。中文信息處理工程已建立起現(xiàn)代化中文語(yǔ)言文字信息系統(tǒng),使凝聚在語(yǔ)言文字中的知識(shí)信息發(fā)揮更大效能,使?jié)h語(yǔ)漢字得到**利用。
目前中文信息處理能力與國(guó)際上水平差距還很大。例如:自動(dòng)分詞和詞性標(biāo)注,至今還未開發(fā)出一個(gè)像日語(yǔ)分詞系統(tǒng)那樣被廣為接受的分詞標(biāo)注系統(tǒng)。從采用的方法可以看出,隨著研究的不斷深入,基于統(tǒng)計(jì)的方法已逐漸暴露自身的缺陷,統(tǒng)計(jì)方法不可能解決所有的問題,還是需要結(jié)合基于規(guī)則的方法,才能在精度上得以突破;
中文信息處理句法分析和語(yǔ)義分析問題;中文信息處理應(yīng)用研究的問題,比如信息輸入中的鍵盤輸入和漢字識(shí)別發(fā)展已經(jīng)成熟,但語(yǔ)音識(shí)別卻很實(shí)現(xiàn),困難是要適應(yīng)不同人之間的語(yǔ)音變化以及外界的噪音干擾;中文信息處理研究分散而且存在著低層次重復(fù)、缺乏統(tǒng)一規(guī)范和標(biāo)準(zhǔn)的問題;現(xiàn)代漢語(yǔ)研究領(lǐng)域和計(jì)算機(jī)領(lǐng)域的隔絕狀態(tài)沒有出現(xiàn)根本性改變;漢語(yǔ)文和少數(shù)民族語(yǔ)言文字的信息處理技術(shù)與國(guó)際水平相比,還有相當(dāng)大的差距。
NLPIR大數(shù)據(jù)語(yǔ)義智能分析平臺(tái)是根據(jù)中文數(shù)據(jù)挖掘的綜合需求,融合了網(wǎng)絡(luò)精準(zhǔn)采集、自然語(yǔ)言理解、文本挖掘和語(yǔ)義搜索的研究成果,并針對(duì)互聯(lián)網(wǎng)內(nèi)容處理的全技術(shù)鏈條的共享開發(fā)平臺(tái)。
NLPIR大數(shù)據(jù)語(yǔ)義智能分析平臺(tái)主要有精準(zhǔn)采集、文檔轉(zhuǎn)化、新詞發(fā)現(xiàn)、批量分詞、語(yǔ)言統(tǒng)計(jì)、文本聚類、文本分類、摘要實(shí)體、智能過(guò)濾、情感分析、文檔去重、全文檢索、編碼轉(zhuǎn)換等十余項(xiàng)功能模塊,平臺(tái)提供了客戶端工具,云服務(wù)與二次開發(fā)接口等多種產(chǎn)品使用形式。各個(gè)中間件API可以無(wú)縫地融合到客戶的各類復(fù)雜應(yīng)用系統(tǒng)之中,可兼容Windows,Linux, Android,Maemo5, FreeBSD等不同操作系統(tǒng)平臺(tái),可以供Java,Python,C,C#等各類開發(fā)語(yǔ)言使用。
隨著信息技術(shù)在我國(guó)社會(huì)生活各個(gè)領(lǐng)域應(yīng)用的深入,中文信息處理正在成為人們工作和生活中不可或缺的手段,中文信息處理將具有更加廣闊的市場(chǎng)。這將促使中文信息處理方面的高效中文搜索引擎、實(shí)時(shí)機(jī)器翻譯、大規(guī)模中文文本處理、跨平臺(tái)中西文自動(dòng)識(shí)別轉(zhuǎn)換、泛中文語(yǔ)義理解、中文電子商務(wù)等技術(shù)實(shí)現(xiàn)重大突破。中文信息處理已成為我國(guó)信息技術(shù)研究、發(fā)展、應(yīng)用和產(chǎn)業(yè)的基礎(chǔ),在互聯(lián)網(wǎng)日益成長(zhǎng)的今天,中文信息處理技術(shù)將會(huì)更加成熟并創(chuàng)新。
|