文本语言表达到概念关系的映射方法研究与资源建设

With the urgent needs of enhancing the intelligence of the internet, Knowledge engineering is attracting high attention from both industry and academia. In comparison with the knowledge engineering (such as DBpedia, Knowledge Graph, YAGO, etc.) mined from structured knowledge resource, textual knowledge engineering suffers from the gap between unstructured natural language texts and conceptual knowledge. Using binary conceptual relations and their language expressions as the research focus, we aim to conduct systematic research on establishing the mapping resources between conceptual relations and their language expressions under the guidance of the theories of linguistics and cognitive linguistics. (1) Using qualia structure and thematic structure to respectively model the conceptual semantics of nouns and verbs, we establish the mapping framework of language expressions and conceptual relations; (2) Based on the semantic connectivity of nouns and verbs, we extract the meaning of knowledge expressed by languages, link language knowledge base with world knowledge base, in order to establish the basic set to map conceptual relations and language expressions; (3) Through the semantic clustering of verbs and the classification of conceptual relations, we explore the following two corresponding problems (i.e., How do language expressions reflect conceptual knowledge? How is conceptual knowledge expressed in languages?), and conduct interactive learning between language and knowledge, so that to expand the mapping resources. The achievements of the research will be expected to lay technological and resource foundation for Chinese textual knowledge engineering.

互联网的智能化需求使知识工程日益受到工业界和学术界的高度关注。与DBpedia、Knowledge Graph、YAGO等基于结构化资源的知识工程相比，文本知识工程的困难在于：在非结构化的自然语言文本与概念知识之间存在鸿沟。如何从文本的语言表达映射到概念知识？本申请在语言学和认知语言学理论的指导下，研究语言表达到概念关系之间的映射方法，并建立映射资源。主要内容包括：（1）用物性结构和论旨结构分别建模名词和动词的概念语义，研究建立语言表达到概念关系的映射框架；（2）基于名词语义和动词语义的相互关联，挖掘语言蕴含的知识含义，链接语言知识库和世界知识库，建立语言表达-概念关系映射基础集；（3）通过动词语义聚类和概念关系归类，研究语言表达如何反映概念知识以及概念知识在语言中如何表示这两个相互对应的问题，实现语言-知识互学习，扩大映射资源规模。本研究将为中文文本知识工程提供关键技术与基础资源。

自然语言理解的一项突出困难是：在非结构化的自然语言文本表示与认知层面的概念知识之间存在鸿沟。自然语言理解迫切需要建立从表层语言单位到深层认知概念层面的映射关系。本项目围绕自然语言文本表达与概念关系的映射进行深入研究。主要研究工作包括：融合语言表达与概念关系的中文深层语义描述体系设计，基于多源异构信息的知识获取方法研究、基于多策略的异构知识映射方法研究、融合语言表达与概念关系的中文深层语义知识资源构建。课题组按项目预订的计划进行，并圆满完成了课题任务书预订的各项指标，在理论模型、关键技术、核心软件、基础资源等方面取得了一系列研究成果。在方法层面：提出了从自然语言文本表达映射到概念关系的系列方法，包括基于多源异构信息的知识获取系列方法和多策略的异构知识映射系列方法，共发表高水平学术论文32篇，其中，在自然语言处理领域顶级会议（ACL，IJCAI，EMNLP，COLING）发表学术论文17篇，申请专利1项。在资源层面：制订了融合语言表达与概念关系的中文深层语义描述体系，构建了融合语言表达与概念关系的中文深层语义知识资源，形成了12万字的精加工深层语义标注资源。突破了浅层语义分析的局限性，实现了从表层语言单位到“概念—框架—情境”的认知层面的映射。在人才培养方面：培养博士研究生4名，硕士研究生8名，其中多位学生获国际会议最佳论文奖及多个学术机构的学术创新奖等奖励。本课题骨干教师袁毓林教授获聘教育部长江学者特聘教授、国家万人计划领军人才。本项目研究成果为中文自然语言理解及文本知识工程提供关键技术与基础资源。