晉耀紅

　　神州泰岳人工智能研究院院長兼首席科學(xué)家，博士生導(dǎo)師，中國計算機學(xué)會中文信息技術(shù)專委會專委，中國人工智能學(xué)會自然語言處理專委會專委。師從中國自然語言處理著名流派概念層次網(wǎng)絡(luò)（HNC）的創(chuàng)始人黃曾陽教授并于2006年出版專著《HNC（概念層次網(wǎng)絡(luò)）語言理解技術(shù)及其應(yīng)用》。國家863十二五課題（2012~2015）“海量文本多層次知識表示及中文文本理解應(yīng)用系統(tǒng)研制”的課題負責(zé)人。

　　自然語言處理（NLP）是人工智能和語言學(xué)的一部分，致力于使用計算機理解人類語言中的句子或詞語，實現(xiàn)降低用戶工作量并滿足使用自然語言進行人機交互的目的。

　　晉耀紅博士認為，在現(xiàn)階段自然語言處理存在重計算輕語言的傾向，這是比較片面的。因為NLP的研究對象是語言，所以不能脫離語言談NLP，而必須基于語言知識，同時利用計算機技術(shù)來進行NLP的處理。

　　動詞前面的主語是“我”、“狼”、“網(wǎng)易”是動作的發(fā)出者，是施事，主語后的賓語“小明”、“羊”、“Daydream公司”是動作的承受者，是受事。如果顛倒過來，“小明打我”、“羊吃狼”、“Daydream公司收購網(wǎng)易”，那么意思就完全變了。

　　語序作為重要的語法手段，規(guī)定了誰是動作的實施者，誰是動作的承受者。

　　第一個句子非常自然。而第二個句子雖然符合語法，卻讓人忍不住思考，在什么情況下，白菜才能在天上飛。這是因為“小鳥”在語義平面上具有“飛翔”的功能，而“白菜”不具備此功能。

　　語義歧義性是待攻克的難點。

　　在這個情景里面，妻子的意思是如果看見賣西瓜的，就買五個桃子一個西瓜。而丈夫誤解了妻子的意思。

　　誤解的產(chǎn)生及其原因是屬于語用平面的范疇。

　　晉博士談到，泰岳AI研究院在此方面投入了大量研究精力，最新推出的非結(jié)構(gòu)化文本大數(shù)據(jù)分析挖掘平臺DINFO-OEC8.0，通過其獨有的專屬語義模型建設(shè)能力，能夠?qū)崿F(xiàn)語義消歧、語義歸一化/概念化，可解決非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)中語言表達靈活、多樣化的挑戰(zhàn)難題，精準挖掘業(yè)務(wù)語義，提煉非結(jié)構(gòu)化數(shù)據(jù)中業(yè)務(wù)價值信息。

　　晉博士認為，除了語言學(xué)知識，要對語言進行全面分析，計算方法也必不可少，我們很長時間內(nèi)以傳統(tǒng)的統(tǒng)計學(xué)習(xí)方法為主，進入21世紀以后，基于詞嵌入的深度學(xué)習(xí)方法進入了人們的視線并且迅速掀起新的浪潮。不同于之前的統(tǒng)計學(xué)習(xí)，其訓(xùn)練基于淺層的、高度稀疏的特征，并且高度依賴于人工對特征的選擇。深度學(xué)習(xí)方法是基于密集向量表征做多層級的自動特征表征的學(xué)習(xí)，能夠?qū)崿F(xiàn)對特征的自動學(xué)習(xí)。正如DINFO-OEC8.0，我們集成統(tǒng)計學(xué)習(xí)、機器學(xué)習(xí)、深度學(xué)習(xí)等關(guān)鍵自然語言處理技術(shù)，針對泰岳自主研發(fā)的專屬語義模型作了進一步創(chuàng)新與改進，集成深度學(xué)習(xí)計算能力，實現(xiàn)平臺對大規(guī)模訓(xùn)練語料的學(xué)習(xí)與預(yù)測。

　　晉博士談到，目前在圖像識別領(lǐng)域，深度學(xué)習(xí)的識別準確率達到、甚至超過了人類水平；在語音識別領(lǐng)域，深度學(xué)習(xí)幫助語音識別從實驗室走向了商用。而在NLP領(lǐng)域，深度學(xué)習(xí)的應(yīng)用尚未有重大突破，但在文本分類、命名實體識別、詞義消歧、情感分析、機器翻譯領(lǐng)域，采用深度學(xué)習(xí)的應(yīng)用均超過了當時的最優(yōu)方案，取得了不俗的成績。

　　在實際應(yīng)用場景中，如客服熱點的自動挖掘、企業(yè)關(guān)聯(lián)圖譜等，NLP的應(yīng)用經(jīng)常是多個任務(wù)協(xié)同處理，共同輸出結(jié)果。如何將語言知識與計算方法有機組織到一起，如何將各個NLP任務(wù)有效結(jié)合，是NLP應(yīng)用達到實用目標的關(guān)鍵所在。