摘要：自然语言处理系统的性能和鲁棒性在很大程度上取决于建模过程中是否有足够的深度标注语料。传统的人工标注方法难以满足大规模、高质量的深度语料标注需求,该文提出了基于群体智慧的语料标注方法,设计了标注模型,并就用户能力评测、语料筛选、任务管理、协作标注、行为分析、质量控制、决策加总、考核激励等具体环节进行分析,提出了解决方案。项目实践表明:基于群体智慧的语料标注方法在应对创新性很强的自然语言处理研究项目时具有明显的优势。

摘要：目前汉语中介语语料库标注代码设计没有统一标准,不同语料库的分词及词性标注代码和偏误标注代码不一致等问题,造成了语料共享困难及标注工具的重复开发。本文从汉语中介语语料库标注代码设计的问题出发,考察了目前具有代表性的四个汉语中介语语料库,分析了各库标注代码设计的优缺点,对汉语中介语语料库标注代码设计的原则及宜采用的标注代码系统提出了一些见解,以期为汉语中介语语料库标注代码设计的标准化提供参考。

摘要：随着大数据技术和人工智能技术的迅速发展,语料库建设受到了人们越来越多的关注。传统语料标注方式依赖人为标注结果,凭借规范的语料库构建流程,能够保证语料的质量,但语料标注的效率较慢。针对上述问题,提出了一种采用人工智能技术辅助语料库建设的策略,首先,提前训练语料标注模型,然后,在标注过程中,结合语料库标注模型提供的用于辅助标注的预测结果,最后,实现基于人工智能技术的语料库标注系统。该系统利用人工智能技术提供机器预测结果,辅助判别最终标注结果,从而提高了标注效率。

摘要："全球汉语中介语语料库"(1)是因应汉语作为第二语言教学的学科建设和科学研究的需要而设计建设的一个迄今为止规模最大的汉语中介语语料库,在设计理念、建设策略与方式、标注内容与方法、数据统计、检索方式等方面具有首创性,是语料库建设2.0时代具有代表性的语料库。其动态建设功能可以使该库随着应用研究的不断深入而发现自身的问题与不足,并加以改进,逐步成为精品资源,更好地为汉语教学与研究服务。

摘要：笑话作为国家级非物质文化遗产,历史悠久,普遍存在于人们的日常生活中,是最贴近人们生活的艺术体裁之一,笑话的理解也是人工智能发展需要攻克的难题之一。该文构建的大规模中文笑话语料库为人工智能以及语言学研究提供了有利的资源支撑。该文首先归纳总结笑话语料库所依据的笑话相关理论基础,然后对语料库构建中语料标注、语料分析等工作做了详细的介绍,最后在语料库的基础上,分别将笑话与故事、微博、歇后语/谚语以及新闻四种体裁分别做了识别工作,验证了笑话简洁、具有一定的情节、富含情感等特征。同时通过与等长的负例构成的数据集进行笑话识别,验证了所提出特征的有效性。

摘要：《红楼梦》中英文平行语料库的建立,能够方便翻译学者充分利用语料库的诸多优势,系统、全面地进行研究。然而,在其创建过程中还存在包括建立语言模型、设计标记类别、双语句级对齐等诸多困难。本文结合我们在尝试解决这些问题时的具体思路和办法,探讨了对语料进行划分、标注、对齐等操作的可行性方案,旨在对中英文双语平行语料库的创建有所借鉴和帮助,为全面、系统地研究《红楼梦》及其三个译本提供一条有效途径。

摘要：本文探讨如何将手工标注的"精加工"平行语料库与教学细节有效结合,以辅助翻译教学。在课程教学目标的指引下,语料库可以作为教学内容的有机组成部分参与教学过程;语料库中的习题及答案设计,与利用语料库设计的课后练习相配合,对于加深和巩固知识点的理解和掌握大有裨益。语料库中的"学习历史"和"练习成绩"栏还可以帮助教师随时了解学习者的学习状况,以设定下一个教学步骤。

摘要：论述当前语料库建设的最新发展趋势以及建立我国大规模、国家级科学技术语料库对应用于科技信息领域的自然语言处理技术、知识技术等智能信息技术研究发展的意义和重要性,探讨国家科技语料库的建设目标、设计原则、加工功能、组成结构及其他一些相关问题,目的是推动我国科技语料库的建设,并得到国家有关部门的关注与支持。

摘要：针对渔业标准实体关系抽取任务中存在重叠关系导致的效果不好问题,提出了基于双重注意力机制的实体关系抽取方法。首先,提出了一种句式分类标注策略,以解决渔业标准文本中重叠关系难以标注的问题;其次,提出了结合双重注意力机制与BERT-BiLSTM-CRF(Bidirectional Encoder Representations from Transformers-Bi-directional Long Short-Term Memory-Conditional Random Field)的渔业标准实体关系抽取模型,分别利用字级别注意力机制和句子级别注意力机制优化权重分配、消除噪音,进而提高关系抽取的准确性;最后,为验证所提出方法的有效性设计了对比试验,结果表明,基于双重注意力机制的实体关系抽取方法在DLOU-FSI(Fishery Standard Interaction)数据集(36万字符)上准确率、召回率、F1值分别达到了92.67%、92.31%、92.49%。研究表明,该方法可有效解决渔业标准关系抽取任务中存在的重叠关系问题,提升了渔业标准实体关系抽取的整体效果,为构建渔业标准知识图谱提供参考。

摘要：文章探索了中古汉语研究型语料库的设计原则和具体构建方法。首先,明确了中古汉语语料库设计的总原则,并针对语料库构建过程中的每一个环节设立了分原则;其次,把语料库构建过程分为语料选取、语料加工、语料库管理及检索系统研发三大块,勾勒出了每一模块构建的具体流程和方法,并对构建环节中遇到的具体问题及对策做出了阐述。文章是对中古汉语研究型语料库构建过程和方法的总结,可以辅助人们更加深入地了解该语料库的总体概况和使用方法,对语料库理论的发展也可起到一定的补充作用。