張成琦（湖南涉外經(jīng)濟(jì)學(xué)院，長沙　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言理解應(yīng)用中相關(guān)的問題，闡述了問題存在的根源以及解決辦法。

關(guān)鍵詞：智能搜索；信息獲取；自然語言處理；自然語言理解

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，人們對信息的需求也是越來越多，質(zhì)量要求越來越高，這些所涉及到的都是當(dāng)前計算機(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，也鑒于它們在自然語言理解實驗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

自然語言理解技術(shù)就是研究讓計算機(jī)理解人們?nèi)粘Ｋ玫恼Z言，通過研究希望建立一種人和計算機(jī)之間友好的交互關(guān)系，關(guān)系建立主要有2種思路，一是實驗?zāi)Ｐ退悸罚环N是直接應(yīng)用模型思路。實驗?zāi)Ｐ退悸罚敲嫦蛉斯ぶ悄芩谕鉀Q的一般語言理解問題，主要是研究讓計算機(jī)理解人的一般語言能力，能在計算機(jī)上建立一套計算機(jī)能夠識別的語言庫。按照這個思路，最終可能建成言語分析或生成所需的自然語言理解知識庫。而直接應(yīng)用模型策略是直接以應(yīng)用為目標(biāo)，無論哪種情況，都是專門針對某一具體領(lǐng)域采用解決自然語言理解的基本策略。

2　智能搜索

搜索其實采用的就是過濾器模型，通過標(biāo)注和匹配兩項工作，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的搜索類型，是基于語義搜索，搜索對象小到一句話，大到一段文字。不過它的主要對象是自然語言文本，智能搜索是自然語言處理的重要環(huán)節(jié)，它在使用過程的相關(guān)問題也就成為大家討論的焦點(diǎn)。

（1）標(biāo)注。搜索對象是標(biāo)注的結(jié)果，而標(biāo)注就是產(chǎn)生對文本的描述，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)由自然語言理解前端句法語義分析器進(jìn)行分析生成句法樹，然后，系統(tǒng)通常以名詞短語作為搜索的關(guān)鍵詞在經(jīng)過標(biāo)注的文獻(xiàn)庫中搜索目標(biāo)對象；（3）實現(xiàn)智能搜索。智能搜索的大致過程是這樣的，對兩個或多個不同的文檔進(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)對象，最終實現(xiàn)了智能搜索的目的。

3　信息獲取技術(shù)

信息獲取相對于信息搜索來說，技術(shù)更先進(jìn)，更成熟，它是一門綜合性極強(qiáng)的技術(shù)，同時以深入的語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言處理技術(shù)的綜合應(yīng)用，具有很好的研究價值。下面就信息獲取的基本內(nèi)涵、語言處理技術(shù)以及信息獲取的基本過程等方面內(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)，然后填入一個數(shù)據(jù)庫中供用戶查詢使用的過程。獲取的過程包含三個方面的內(nèi)容：一是模板元素，主要涉及文章中的專有名詞、時間詞、數(shù)量詞和詞組等；二是模板關(guān)系，主要涉及命名實體之間的各種關(guān)系；三是腳本模板，主要涉及事件之中的各個實體、屬性或關(guān)系；（2）語言處理技術(shù)。中文信息的處理包含三個種自然語言處理的技術(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)合適的漢語詞切分和詞類標(biāo)注軟件。二是短語句法及語義分析，主要涉及句法成分的識別與標(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）信息獲取的過程。信息獲取過程有4個環(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，存放在模式庫中，供用戶選用。二是詞法、句法及語義分析，并做各種文本標(biāo)注。借助合適的詞典、構(gòu)詞規(guī)則等知識庫的支持，比如名詞短語有人的名字、機(jī)構(gòu)的名稱以及產(chǎn)品名稱等，再比如動詞短語有事件描述與事實陳述等。三是確定信息的最終形式，主要通過上下文文關(guān)聯(lián)、指代、引用等分析和推理方式實現(xiàn)。四是結(jié)果輸出，比如生成一個關(guān)系數(shù)據(jù)庫或給出自然語句陳述等。

參考文獻(xiàn)：

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

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