项目名称: 大规模汉语历时语料库建设及词汇语义变迁研究

项目编号: No.61472017

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 计算机科学学科

项目作者: 胡俊峰

作者单位: 北京大学

项目金额: 80万元

中文摘要: 语言变迁研究作为社会语言学的一个重要课题,在过去半个世纪中取得了显著成就,然而借助自然语言处理和语义挖掘技术对此进行的研究却比较少。一方面是因为,计算方法给出的是统计结果,无法达到社会语言学家的精确性要求;另一方面是因为,目前尚缺乏切分和词性标注并经人工校对的大规模历时语料库。本课题拟以申请者现有工作基础出发,从三方面开展研究工作:(1)汉语历时语料库建设:拟建以现代汉语为主体的,包含部分古代汉语语料的大规模历时语料库;同步建设网上语料库检索与数据可视化应用平台。(2)历时本体挖掘算法研究以及汉语历时词汇本体知识库建设。(3)基于历时词汇本体的现代汉语词汇语义变迁研究与词汇义项标注知识库建设。综合上述三方面的工作,该研究旨在构建大规模历时语料库(包括历时词汇本体知识)的同时,呈现一个完整的采用计算方法实现语言变迁研究的应用示范。

中文关键词: 历时语料库;本体挖掘;语言变迁;中文信息处理;词义消岐

英文摘要: The study of language change and variation has achieved a significant growth in the past half-century, but there is seldom research conducted from the aspect of Natural Language Processing (NLP) or semantic mining. One reason is that these computational based approaches just give statistical trends and fail to meet the accuracy needs of sociolinguists. The other reason is that there is not enough segmented, POS labeled and proofread diachronic corpus to support such research. Based on the solid existing work, this project is to carry out from the following three aspects. (1) Corpus construction: the construction of a large-scale diachronic corpus mainly on modern Chinese, togather with a Web based corpus searching tools and data visualization platform; (2) Research on ontology mining and diachronic corpus based ontologies construction; (3) Research on diachronic ontologies based semantic change mining, and lexical sense disambiguation knowledge-base construction. Through the study mentioned above, this project aims to build a large-scale Chinese diachronic corpus (including diachronic ontologies) and to construct a public research platform based on the corpus, which also supplies a demonstration study on diachronic language variation by the computational based algorithm.

英文关键词: Diachronic Corpus;Ontology Minging;Language Change and Variation;Chinese Language Processing;Word Sense Disambiguation

成为VIP会员查看完整内容
1

相关内容

专知会员服务
68+阅读 · 2021年8月20日
专知会员服务
79+阅读 · 2021年7月3日
专知会员服务
71+阅读 · 2021年5月21日
专知会员服务
155+阅读 · 2020年4月21日
面向司法案件的案情知识图谱自动构建
专知会员服务
125+阅读 · 2020年4月17日
【SIGMOD2020-腾讯】Web规模本体可扩展构建
专知会员服务
29+阅读 · 2020年4月12日
微软翻译又添新语言 —— 文言文
微软研究院AI头条
0+阅读 · 2021年8月26日
NLP 与 NLU:从语言理解到语言处理
AI研习社
15+阅读 · 2019年5月29日
面向新闻媒体的命名实体识别技术
PaperWeekly
18+阅读 · 2019年4月17日
中文NLP福利!大规模中文自然语言处理语料
新智元
37+阅读 · 2019年2月13日
一份超全的NLP语料资源集合及其构建现状
七月在线实验室
33+阅读 · 2019年1月16日
语料库构建——自然语言理解的基础
计算机研究与发展
11+阅读 · 2017年8月21日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
20+阅读 · 2021年2月28日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
小贴士
相关VIP内容
专知会员服务
68+阅读 · 2021年8月20日
专知会员服务
79+阅读 · 2021年7月3日
专知会员服务
71+阅读 · 2021年5月21日
专知会员服务
155+阅读 · 2020年4月21日
面向司法案件的案情知识图谱自动构建
专知会员服务
125+阅读 · 2020年4月17日
【SIGMOD2020-腾讯】Web规模本体可扩展构建
专知会员服务
29+阅读 · 2020年4月12日
相关资讯
微软翻译又添新语言 —— 文言文
微软研究院AI头条
0+阅读 · 2021年8月26日
NLP 与 NLU:从语言理解到语言处理
AI研习社
15+阅读 · 2019年5月29日
面向新闻媒体的命名实体识别技术
PaperWeekly
18+阅读 · 2019年4月17日
中文NLP福利!大规模中文自然语言处理语料
新智元
37+阅读 · 2019年2月13日
一份超全的NLP语料资源集合及其构建现状
七月在线实验室
33+阅读 · 2019年1月16日
语料库构建——自然语言理解的基础
计算机研究与发展
11+阅读 · 2017年8月21日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员