中文信息处理技术

１４４　中国学术期刊文摘（中文版）　２００７年１３卷第１０期　

技术将气敏材料形成气敏膜，电镜观察　

其气敏膜的微观ＳＥＭ形貌，基本层膜厚　

２　１，并有　０．１～　５　１微球结晶体嵌　入，分布匀一，呈现继续互融生长趋　

势．以静态法测量其气敏特性，结果表　

明传感器对ＮＯ２呈Ｎ型半导体，０．０１０％　气体浓度下灵敏度为７．４５倍；对ＮＯ呈　

Ｐ型半导体，０．０１０％气体浓度下灵敏度　

为０．２５倍；响应时间为９０ｓ．对气体不　同的变化规律说明其的气敏机理与气体　

性能有关．图１２表１参１２　

关键词：多孔电极；平板结构；有机半　导体；杂化；毒气传感器；半导体传感　

器　

Ｏ７１Ｏ１Ｏ９４　５１０・３Ｏ　压电薄膜喷流泵研究＝Ｓｔｕｄｙ　ｏｎ　ｐｉｅｚｏ．　

ｅｌｅｃｔｒｉｃ　ｉｅｔ　ｐｕｍｐ［刊，中］／李欣欣（吉林　

大学机械科学与工程学院，长春１３００２５），　方科，程光明，杨志刚，曾平，／光学精密　

工程．一２ｏ０６，１４（５）．－８５８￣８６３　将压电流体驱动技术和仿生技术、喷流　推进技术结合，提出了一种新型的压电　

喷水推进装置，并对该装置的核心部件　

压电喷流泵进行了研究．详细分析和　介绍了泵的结构及工作原理，设计制作　

了实验用样机，并进行了性能测试．实　

验测试表明，该泵工作性能稳定，喷流　量大，在正弦信号激励下，电压为１９０　Ｖ，　

工作频率为１４０　Ｈｚ时，最大喷流量可达　

到７１４ｍｌ／ｍｉｎ．图８参６　关键词：压电薄膜：喷流泵；喷水推进；　

压电振子　

０７１０１０９５　５１０・３０　Ａ１ＧａＮ／ＩｎＧａＮ／ＧａＮ双异质结构中２ＤＥＧ　

的数值模拟＝Ｎｕｍｅｒｉｃａｌ　ｓｉｍｕｌａｔｉｏｎ　ｏｎ　

ｔｈｅ　２ＤＥＧ　ｉｎ　ｔｈｅ　ＡｌＧａｌ￣ｌ／ＩｎＧ　ＧａＮ　ｄｏｕ—　ｂｌｅ　ｈｅｔｅｒｏｓｔｒｕｃｔｕｒｅｓ旰Ｕ，中］／刘芳（国家　

重点实验室，天津大学激光与光电子研　

究所，天津大学精密仪器与光电子工程　学院，天津３０００７２），王涛，姚建铨，／科　

语文通讯

研讨中文信息处理技术的发展战略

—中国中文信息学会召开特别联席学术会议

随着计算机迅速进入我国的社会生活,

中文信息处理日益引起计算机界和语言学界

的共同重视。加快中文信息处理工作的步伐,

缩小我国跟世界先进国家在信息处理技术上

的差距,促进世界多文种信息处理的发展,

这是历史赋予我们的责任。正是在这样的背景下,中国中文信息学会邀请信息界和语言

学界的部分专家和专业工作者,于1988年10

月8日至13日在安徽举行了特别联席学术会

议。

会议的主要议题有三:一是审定《汉语

信息处理词汇基本术语》,二是审定《信息处理用现代汉语分词规范》,三是研讨《中

文信息处理发展战略》。这三个文本都是“七五”攻关项目。

经过深入讨论,代表们认为,术语的规范是一个学科发展的前提条件,是一项基础性

的工作。由北京语言学院任组长单位协作制

订的《汉语信息处理词汇基本术语》汇集了汉

语信息处理最基本的术语,基本覆盖了汉语

信息处理领域各个主要分支,适应了计算机

科学的发展趋势和汉语信息处理的需要,对汉语信息处理的基础研究、系统研制、推广应

用、教学以及国内外学术交流具有重要意义。

在讨论《信息处理用现代汉语分词规

范》时,代表们充分肯定了研制这一规范的必要性。仅以输入打字为例,就有“看打”

“听打”“想打”三类。“六五”期间,重点

解决了汉语的“看打”问题。而现在,“想

打”的要求日益增大。人们妥在计算机上写作、编辑。这样,以语言的物质外壳—语音

为对象,采用拼音输入的办法将受到欢迎。拼

音输入遇到的一个大困难就是如何解决同音

重码间题。大家认为,以词语为输入单位是

一条重要的出路。再加上建立词语库、机器

翻译、自然语言理解等需要,于是,制订《信息处理用现代汉语分词规范》就被提上了日程。以北京航空航天大学为组长单位协

作制订的这个规范,吸收了有关部门发布的

标准和实践经验,同时从信息处理的实际出发,制订出目前计算机界能够接受的分词单

位规则。它对汉语信息处理由字输入飞跃到

词语输入,具有重要的意义。

ZHU入NTIJIANGZUO

中文信,息处理概述

白水

。什么是中文信息处理?中文是“中国的语言文字,特指汉族的语言文字”(见《现代汉语词典》)。这里的“中国的语言文字”不等于中国各民族的语言文字。它的含义是:中文是中国的官方语言,换句话说,汉

族的语言文字是中国的官方语言。例如,当我们说中文是联合国的工作语言之一,这个中文就指

的是中国的官方语言,或汉族的语言文字。

什么是“信息”呢?信息是一个极为广泛的概念,定义有好多种,但通常的理解是,凡是能通过视觉、听觉、嗅觉、味觉、触觉等器官或仪器获取,并具有一定交际功能的东西均可视为信

息。信息既具有一定的形式,又具有一定的内容或意义,是一个统一体。但是,我们所要处理的信息只包括通过视觉和听觉得到的信息,最多还包括通过触觉得到的东西(盲文)。从这里不难看

出,中文信息不仅包括汉字信息,而且包括汉语信息。

所谓处理,就是用电子计算机对信息进行各种加工,概括地说,不外乎图象信息和语音信息的识别、模拟、分析和转换。

因此,我们可以说,中文信息处理指的是利用计算机对汉语书面形式和口语形式这两种信息进行各种加工,而加工的结果是形成各种信息处理系统,如中文情报检索系统、汉语语音识别系

统、英汉机器翻译系统,等等。

但是,中文信息处理这个术语常有两种误解,一是把它的概念缩小,等同于汉字信息处理,

另一是把它的概念扩大,理解为中国各民族语言文字的信息处理。

汉字信息处理系统只是中文信息处理系统的一部分,也是非常关键的一部分。具体地说,它是一个工具,没有这样的工具,中文信奉处理系统建立不起来,因为汉字是当前我们社会上通行

的文字。但是,汉字信息处理系统研制成功,一般只是解决了汉字的编码、输入、存储、编辑和输出问题。至于加工或处理什么,如何加工,那是中文信息处理的内容。中文信息处理系统(纯

口语的系统和拼音文字的系统除外)除了以汉字信息处理系统作为自己的必备部件外,本身还带有为不同目的服务的各种应用软件。它的另一特点是一般都以词作为加工的基本单位(汉字频率统

科技创新与应用Ｉ　２０１５年第２５期　信息技术　中文信息处理中自动分词技术的研究与展望　郭淑妮　（内蒙古民族大学计算机科学与技术学院，内蒙古通辽０２８０００）　摘要：当前／，，－４￣１在工作和学习中需使用中文信息处理技术获取自己需要的资源，基于人们需求不断增加，必须提升．＆－４Ｊ＇ｌ搜索资　源的效率，提升中文信息处理相关技术，让中文信息处理与时俱进，满足人们实际需求。中文信息处理包含多种关键技术，为提高　信息处理能力必须多种技术同时发挥作用。中文信息处理自动分词技术是信息处理技术瓶颈，文章就文信息处理自动分词技术　展开研究。　关键词：中文信息处理技术；自动分词技术；研究　２１实际是电子信息时代，计算机在人们生活中占据重要地位。　中文是我国第一语言，中文信息化处理在计算机中应用能够有效满　足人们对信息的需求。中文信息处理主要对中文进行转换、传输、存　贮、分析等加工目前我国虽然在中文信息处理方面取得一定进步，　但某些关键技术仍旧有待完善，自动分词技术就是其中之一。　１自动分词技术的研究现状及面临的困难　随着人们对中文信息处理技术要求不断提升，中文信息处理自　动分词技术已经成为影响信息处理的关键技术之一。因此，必须对　自动分词技术深入研究，分析其现状及存在的问题。　自动分词技术研究目前已经取得一定成效，一些比较实用的自　动分词技术已经被应用，这些分词技术在精确度以及分词速度上已　经能够满足人们一些基本需求，但在一些特殊需求上仍需要进一步　提升精确度和分词速度，当前自动分词技术面临的问题主要有以下　三点：　（１）中文一些词语概念难以界定，很多词语具有多重意思；（２）　未登录词的识别；（３）歧义切分字段的处理。　我国上世纪９０年代制定的《现代汉语分词规范》中明确规定了　一些分词原则，与分析相关操作可根据该规范展开。进行分词前需　制定标准化、实例化的分词词表，并在实践中不断进行修改完善，该　词表制作存在一定难度。　我国词典虽然处于不断完善过程中，但其必然存在最大容量，　而中文内涵是无限的。因此，必然有一些词汇没有被收录到词典中，　尤其是一些新产生的词汇在词典更新前往往无法从词典中搜索到。　因此，必须建立标准化分词词表并不断进行完善，持续改进。　汉语难以实现自动分词功能，究其原因是汉语语义多样性引起　的，不同中文从不同角度理解便可得出不同结论，且传统中文信息　传递主要以书写为主。因此，无论如何分词都难以消除中文分词歧　义。中文信息处理中自动分词技术已经成为自动分词技术实际运用　的最大障碍，相关专家学者必须针对该问题结合当前先进算法提升　自动分词技术，解决歧义切分字段的处理。　２歧义字段的定义及分类　中文句子经常会出现多种切分出现多种语义的状况。中文处理　信息技术汇总将这种状况称之为歧义字段，一般可将其分为交集型　歧义字段、覆盖型歧义字段、多义型或组合型。　交集型歧义字段：举例来说，假设Ａ、Ｂ、Ｃ分别代表字串，该字　串由一个或多个子串组成，即其中Ａ、Ｂ、Ｃ可自由分割，此时若出现　字段中Ａ、Ｂ、Ｃ均为分词表中对应的词，则将其称之为交集型歧义　字段。例如对于“美国会”这一交集型歧义字段，可将其且分为“美／　国会”以及“美国／会”两种结果。调查表明，中文信息处理中交集型　歧义字段在歧义字段中占据比例约为８５％，解决交集型歧义字段问　题是中文信息处理重中之重。　覆盖型歧义字段：若Ａ、Ｂ代表一个或多个子串组成的字段，将　其分段为Ａ、Ｂ、ＡＢ等均为分词表中的词。此时ＡＢ则被称为覆盖型　歧义字段，例如“把手”可分为“把／手”，均可独立作为分词，“十／分”　也是覆盖型歧义字段。一般情况下覆盖型歧义字段在中文信息处理　—．１０６——　中遇到几率不高，一旦出现便会造成中文信息处理故障，因此需慎　重对待。　３中文自动分词算法分类　３．１基于机械匹配的中文自动分词算法　机械匹配算法基本思想是先建立词库，将所有可能出现的词纳　入其中，如需处理给定汉字串ｓ，则按照某种特定分词原则将其与　词库中某些分词相匹配。如果Ｓ中分割的子串本身是词则继续对其　进行分割，直至最后剩余部分为空；如果ｓ中分割的子串本身不是　词则取Ｓ子串进行匹配。机械匹配算法仅依靠分词进行匹配，因此　在系统实现上以及操作上较为简单，针对某些基本中文信息处理有　一定成效，目前已经得到广泛应用。　根据每次匹配时优先考虑长词还是短词可将机械匹配算法分　为最大匹配法和最小瓶匹配法；根据分割匹配汉字串是是正向还是　反向又可将其分为正向匹配法和反向匹配法。　３．２基于统计语言模型的中文自动分词算法　随着网络时代到来，越来越多学者都认识到网络电子文本是重　要自动分词资源，利用相关手段在电子资源库中直接获取需要的知　识在未来必将成为自动分词重要组成部分，基于统计语言模型的中　文自动算法在这样的环境下诞生了。　基于统计语言模型分词算法基本思想是对分词在中文汉字相　邻位置出现概率的可信度进行统计，将相关统计信息作为分析依　据。　４自动分词技术展望——人工智能技术的中文自动分词方法　人工智能技术就是利用智能系统具备的神经网路以及专家系　统进行中文信息处理自动分词功能，以实现中文信息处理自动化。　该种算法的主要思想是利用智能系统模仿进行语言识别。　神经网络分词算法是模拟人脑进行分词处理以及数值据算的　一种智能算法，该算法主要将知识隐式方法输入神经网络并存储，　通过系统自学及训练修改的方式达到有效分词效果。专家系统分词　算法主要指从模拟人脑出发将知识分词看做推理过程，将汉字串按　照语法、语义、句法等从结构上分离开来。　５结束语　中文信息处理技术在过去一段时间获得长足发展，已经能够满　足人们对中文信息处理基本需求，从长远角度来看为更进一步促进　中文信息发展必须度仍旧存在的问题进行深入分析探讨，中文信息　处理自动分词技术是其中关键一环。因此，必须对其展开深入研究，　使其适应时代发展需求。　参考文献　【１】贾惠波．中文信息处理中自动分词技术的研究与展望［Ｊ】．计算机工　程与应用．２０１２（５）：５６—５９．　【２】梁南元．书面汉语自动分词系统［Ｊ］．语言文字应用．２０１１（３）：９８．　作者简介：郭淑妮（１９８１，１２一），女，山东威海人，硕士研究生，内　蒙古民族大学计算机科学与技术学院，研究方向：中文信息处理，语