張成琦（湖南涉外經(jīng)濟(jì)學(xué)院，長(zhǎng)沙　410205）

智能信息處理技術(shù)的應(yīng)用與研究

張成琦（湖南涉外經(jīng)濟(jì)學(xué)院，長(zhǎng)沙410205）

摘要：智能信息處理主要涉及智能搜索和信息處理等方面的功能，應(yīng)用的主要技術(shù)是自然語(yǔ)言處理和理解。本文發(fā)現(xiàn)、總結(jié)了智能搜索和信息獲取在自然語(yǔ)言理解應(yīng)用中相關(guān)的問(wèn)題，闡述了問(wèn)題存在的根源以及解決辦法。

關(guān)鍵詞：智能搜索；信息獲?。蛔匀徽Z(yǔ)言處理；自然語(yǔ)言理解

隨著信息化技術(shù)的不斷發(fā)展與深入，特別是網(wǎng)絡(luò)技術(shù)的逐漸普及，人們對(duì)信息的需求也是越來(lái)越多，質(zhì)量要求越來(lái)越高，這些所涉及到的都是當(dāng)前計(jì)算機(jī)智能信息處理技術(shù)方面急需解決的難題，鑒于智能搜索和信息獲取理論成熟性、深度，也鑒于它們?cè)谧匀徽Z(yǔ)言理解實(shí)驗(yàn)中取得了較好的效果，重點(diǎn)討論下智能搜索、信息獲取。

1　兩種思想策略

自然語(yǔ)言理解技術(shù)就是研究讓計(jì)算機(jī)理解人們?nèi)粘Ｋ玫恼Z(yǔ)言，通過(guò)研究希望建立一種人和計(jì)算機(jī)之間友好的交互關(guān)系，關(guān)系建立主要有2種思路，一是實(shí)驗(yàn)?zāi)Ｐ退悸?，一種是直接應(yīng)用模型思路。實(shí)驗(yàn)?zāi)Ｐ退悸?，是面向人工智能所期望解決的一般語(yǔ)言理解問(wèn)題，主要是研究讓計(jì)算機(jī)理解人的一般語(yǔ)言能力，能在計(jì)算機(jī)上建立一套計(jì)算機(jī)能夠識(shí)別的語(yǔ)言庫(kù)。按照這個(gè)思路，最終可能建成言語(yǔ)分析或生成所需的自然語(yǔ)言理解知識(shí)庫(kù)。而直接應(yīng)用模型策略是直接以應(yīng)用為目標(biāo)，無(wú)論哪種情況，都是專門針對(duì)某一具體領(lǐng)域采用解決自然語(yǔ)言理解的基本策略。

2　智能搜索

搜索其實(shí)采用的就是過(guò)濾器模型，通過(guò)標(biāo)注和匹配兩項(xiàng)工作，從原始數(shù)據(jù)中篩選出滿足要求的數(shù)據(jù)。搜索有很多的類型，智能搜索是搜索中最高級(jí)的搜索類型，是基于語(yǔ)義搜索，搜索對(duì)象小到一句話，大到一段文字。不過(guò)它的主要對(duì)象是自然語(yǔ)言文本，智能搜索是自然語(yǔ)言處理的重要環(huán)節(jié)，它在使用過(guò)程的相關(guān)問(wèn)題也就成為大家討論的焦點(diǎn)。

（1）標(biāo)注。搜索對(duì)象是標(biāo)注的結(jié)果，而標(biāo)注就是產(chǎn)生對(duì)文本的描述，標(biāo)注的關(guān)鍵要素就是標(biāo)注用詞，而通常包含主題詞與自由詞兩種類型。使用主題詞存在的問(wèn)題比較多，具體表現(xiàn)在詞表不夠用，內(nèi)容陳舊，而且涉及內(nèi)容過(guò)于復(fù)雜。鑒于此原因，使用自由詞標(biāo)注彌補(bǔ)了使用主題詞的缺陷，同時(shí)不需要理解全文，效率較高；（2）理解搜索要求。用戶提出的查詢數(shù)據(jù)的要求通常用都是很零散的，用戶提出的數(shù)據(jù)查詢要求，輸入系統(tǒng)、經(jīng)由自然語(yǔ)言理解前端句法語(yǔ)義分析器進(jìn)行分析生成句法樹，然后，系統(tǒng)通常以名詞短語(yǔ)作為搜索的關(guān)鍵詞在經(jīng)過(guò)標(biāo)注的文獻(xiàn)庫(kù)中搜索目標(biāo)對(duì)象；（3）實(shí)現(xiàn)智能搜索。智能搜索的大致過(guò)程是這樣的，對(duì)兩個(gè)或多個(gè)不同的文檔進(jìn)行標(biāo)注，如果標(biāo)注的結(jié)果完全一致，那么說(shuō)明被標(biāo)注結(jié)果相應(yīng)的內(nèi)容也是一致，那所標(biāo)注的內(nèi)容也就是用戶所查找的目標(biāo)對(duì)象，最終實(shí)現(xiàn)了智能搜索的目的。

3　信息獲取技術(shù)

信息獲取相對(duì)于信息搜索來(lái)說(shuō)，技術(shù)更先進(jìn)，更成熟，它是一門綜合性極強(qiáng)的技術(shù)，同時(shí)以深入的語(yǔ)言處理基本理論和技術(shù)作為支撐，研究多種基本的自然語(yǔ)言處理技術(shù)的綜合應(yīng)用，具有很好的研究?jī)r(jià)值。下面就信息獲取的基本內(nèi)涵、語(yǔ)言處理技術(shù)以及信息獲取的基本過(guò)程等方面內(nèi)容進(jìn)行一些基本的討論。

（1）信息獲取的內(nèi)涵。信息獲取是指從一段文本中抽取指定的一類信息，并將其形成結(jié)構(gòu)化的數(shù)據(jù)，然后填入一個(gè)數(shù)據(jù)庫(kù)中供用戶查詢使用的過(guò)程。獲取的過(guò)程包含三個(gè)方面的內(nèi)容：一是模板元素，主要涉及文章中的專有名詞、時(shí)間詞、數(shù)量詞和詞組等；二是模板關(guān)系，主要涉及命名實(shí)體之間的各種關(guān)系；三是腳本模板，主要涉及事件之中的各個(gè)實(shí)體、屬性或關(guān)系；（2）語(yǔ)言處理技術(shù)。中文信息的處理包含三個(gè)種自然語(yǔ)言處理的技術(shù)：一是詞切分和詞性標(biāo)注。主要技術(shù)是建立信息獲取的詞切分方法，開發(fā)合適的漢語(yǔ)詞切分和詞類標(biāo)注軟件。二是短語(yǔ)句法及語(yǔ)義分析，主要涉及句法成分的識(shí)別與標(biāo)注，關(guān)鍵詞提取，搜索特征集的提取、索引等。三是句群分析，主要涉及句間成分的傳遞、指代、引用信息表的建立和使用，以及概念關(guān)系的推理等；（3）信息獲取的過(guò)程。信息獲取過(guò)程有4個(gè)環(huán)節(jié)，一是描述信息，就是指利用信息模式描述大家感興趣的信息，比如＜公司名＞＜產(chǎn)品名＞。這樣在系統(tǒng)中預(yù)定義類似的信息模式，存放在模式庫(kù)中，供用戶選用。二是詞法、句法及語(yǔ)義分析，并做各種文本標(biāo)注。借助合適的詞典、構(gòu)詞規(guī)則等知識(shí)庫(kù)的支持，比如名詞短語(yǔ)有人的名字、機(jī)構(gòu)的名稱以及產(chǎn)品名稱等，再比如動(dòng)詞短語(yǔ)有事件描述與事實(shí)陳述等。三是確定信息的最終形式，主要通過(guò)上下文文關(guān)聯(lián)、指代、引用等分析和推理方式實(shí)現(xiàn)。四是結(jié)果輸出，比如生成一個(gè)關(guān)系數(shù)據(jù)庫(kù)或給出自然語(yǔ)句陳述等。

參考文獻(xiàn)：

［1］傅承德.自然語(yǔ)言理解的方法與策略［M］.河南人民出版社,2001：185.

［2］陳力為.計(jì)算機(jī)語(yǔ)言學(xué)研究與應(yīng)用［M］.北京語(yǔ)言學(xué)院出版社,1993：134.