汉语复句信息处理研究二十年

吴锋文

(信阳师范学院 文学院，河南 信阳 464000)



汉语复句信息处理研究二十年

吴锋文

(信阳师范学院 文学院，河南 信阳 464000)

加强汉语复句信息处理研究对中文信息处理具有重要意义。该文介绍了汉语复句信息工程的概况，将复句知识建模、关系标记识别、非分句识别、复句句法语义关系判定、复句知识库建设等成果条理化，结合已有成果的研究视角、方法及关注焦点来分析复句信息处理的研究现状，并对其发展趋势进行了展望。

信息处理；复句；关系标记；自动识别

1 引言

在汉语研究领域，复句作为重要的语法实体单位，它上连篇章，下含小句，兼具句法、语义和语用等方面的属性，因而成为语法研究的热点，受到学者的广泛关注。复句在基础研究方面成果丰硕，特别是出现了复句研究代表性专著《现代汉语复句新解》(王维贤1994)和《汉语复句研究》(邢福义2001)[1]。

然而，随着科技信息的发展和学科研究的融合，面向信息处理的汉语研究需求日益突出，中文信息处理正成为汉语应用研究的热点。目前，中文信息处理正处于“句处理”攻坚阶段[2]，而句处理现状是对单句自动句法分析研究较多，对复句的信息处理却关注较少。复句在句法、语义方面与单句存有区别，而且它作为连接小句与篇章的“桥梁”，受到的语境制约也相对较多，因而要解决好“句处理”问题，汉语复句的句法语义自动分析问题必须受到重视。为此，邢福义紧跟时代发展趋向，适时提出了“汉语复句信息工程”理念，推动汉语复句应用层面的研究。

为顺应中文信息领域“句处理”发展趋势，推动汉语复句信息工程发展，本文拟对近二十年来(1994-2013)汉语复句在信息处理领域的研究进行系统梳理，勾勒复句信息处理研究的现状，审视研究中存在的问题，并对未来研究趋向进行展望，以期进一步深化汉语复句信息处理研究。

2 汉语复句信息工程概观

当今信息时代，语言成为一种有用的资源。如何对语言资源进行开发与利用，正成为计算语言学和人工智能、人机交互、专家系统等智能化领域的重要议题，这是时代与科技发展的要求。基于这种时代背景和学术使命，华中师范大学语言研究所语言学家邢福义教授带领其研究团队适时启动汉语复句信息工程。

姚双云以小句中枢说为理论指导，对复句信息工程的研究内容、目标以及复句层次关系标注的方法进行了初步探讨[3]。汉语复句信息工程是一个文理交叉的大型跨学科研究课题。这一课题，以汉语句法研究为本，以汉语信息处理研究为用，以汉语复句作为促进学科发展的研究突破口。该课题主要包括5个方面的研究内容：一为汉语复句关系词的覆盖范围、配对情况、搭配强度和关系词的相似度；二为复句关联模式、内部结构特点与外部功能特点；三为关系词和复句复杂特征集的描述与合一运算；四为关系词的自动识别和标注、关联项功能的自动识别和标注、复句句式类别与层次关系的自动识别与标注；五为有标复句标注语料库的构建以及面向复句领域的研究工具的开发。

本工程研究目标包括两个方面。其一，在研究的基础性工作上，建立一个汉语研究专用标注语料库—汉语复句语料库，它包含丰富的句法、语义信息，是汉语复句研究的重要平台；其二，在研究的深度和理论方法追求上，揭示复句关联的内在机制，建立复句关联的基本模型，总结复句句式类别与语义关系的计算机自动判定的方法，有效地提高计算机处理句子的能力。在工程实施过程中，努力将《汉语复句研究》一书的丰富成果形式化，使之应用于语言信息化领域的研究实践，并进一步发掘复句的语法功能，弄清复句功能分类。本工程的研究实践分前、后两期。前期工程专门针对有标复句进行研究，重点研究复句的联结机制，复句关系标记的识别及其标注，分句的确认，分句层次和语义关系的判定等，在前期研究的基础上，逐步探索有标复句向无标复句研究的过渡，从而转向后期的无标复句句法、语义关联的自动判定研究。

在华中师范大学语言研究所和计算机科学系部分师生通力合作下，复句信息工程进展顺利，已完成了复句语料库和基于复句语料库的分词系统的开发，在复句语料自动标注、关系标记与非分句的识别、关联模式的形式化描写，以及复句句法语义判定研究等方面已取得了阶段性成果，有标复句的信息处理正如火如荼地开展。

而且，以邢福义和胡金柱教授为领队的联合研究团队，近几年先后主持教育部重大基金项目“面向中文信息处理的复句联结机制及形式化策略分析”和国家社科基金 “有标复句层次关系的信息化研究”和“基于规则的复句关系标记自动标注与实现策略研究”等课题，致力于汉语复句及其关系标记的信息处理研究，逐步实现汉语复句研究从基础层面向应用层面的融合与转变。

3 汉语复句信息处理研究现状

近二十年来，汉语复句应用层面的研究正逐渐融入计算科学领域，为汉语复句研究开辟了新的道路，成为计算语言学的重要议题。相关研究成果主要集中在复句知识建模、复句关系标记的识别、非分句语段的识别、复句句法语义关系判定、复句知识库工程建设等方面。

3.1 复句知识建模

语言知识建模，是实现自然语言理解的关键性技术。张仕仁围绕着汉语复句的计算机处理问题，提出采用盒式图和复杂特征集表示复句结构形式与意义结构，并探讨了汉语复句的自动分析问题。通过对复句结构的分析，把复句归结为分句、联合结构、偏正结构3种基本成分，并用盒式图表示这些结构，以此构造出各式各样的复句来。为了能正确地划分复句基本结构的类型，采用了复杂特征集描述，并构造出一棵复句的“功能结构树”[4]。该文是研究汉语复句信息处理的较早文献。

此外，胡金柱、邢福义、王琳、肖升等引入本体论思想，探索复句本体建模问题。胡金柱、邢福义介绍了本体研究现状，引入本体元模型建模方法，在汉语小句元模型的基础上构造汉语复句静态本体模型，以期推动汉语本体语义网的研究，使中文信息处理水平努力提升到句子的层面[5]。王琳利用本体元建模方法构建汉语小句元模型，并采用本体网络语言OWL描述小句本体，对小句进行语义分析，然后利用构成的小句元模型再去描述复句模型，最后生成整个复句的OWL表示[6]。肖升在分析复句结构和逻辑连接词的基础上，采用面向对象方法构建有标复句的本体模型[7]。

3.2 复句关系标记的识别

复句关系词语是复句句法、语义关系的形式标志，因而关系词语的识别是复句信息处理的基础性工作。近十年来学界主要从机械匹配、机器学习、语料库、规则和统计、标记搭配判断等方面对关系标记识别问题进行了研究。

邹嘉彦将关系标记的信息表示为五元组，采用机械匹配的方法来确定关系词语和复句关系，并进行语料篇章关系词的标注实验[8]。高维君将机器学习技术应用于汉语复句关系词的歧义辨别，将汉语关联词语的消歧识别转化为决策树分类器，提高了汉语关系词语识别的正确率[9]。李文翔等以语料库为资源，采用数据挖掘算法提取反映关联词语用法的各种特征信息，并将这些信息整理为关联词语的知识库，作为关联词识别的依据，并对有歧义的关联词语提出了基于决策树的消歧方法[10]。胡金柱、沈威采用概率统计方法，构建关系标记的渡越矩阵，并对容易产生歧义的“结果”和“如”进行关系标记自动标注的个案测试，其测试结果较为理想[11]。沈威、姚双云(2007)探讨了基于规则方法的关系词语识别策略，将关系词的识别过程分解为关系词表的建立、规则库的建立、利用关系词表和规则库进行关系词标注3个步骤[12]。尹蔚、罗进军对选择标记“是……，还是……”的识别问题进行个案研究，总结出影响有标复句合用型关系词识别率的一些规律，分别为关系标记的语序制约律、相互制约律、句法空间制约律、亲密度制约律[13]。

复句关系标记识别研究中，伪关系词的筛除与过滤是难点。为解决这一问题，胡金柱、舒江波提出一种基于基于词性标记和关系词搭配理论的正向算法提取复句语料中的关系标记。首先采用正向选择算法，利用词性标记的特点对复句实例中的词语进行剪枝，优化匹配效率，得到初始的关系词集，然后根据关系标记的搭配理论对候选词集进行处理，过滤掉伪关系词，最终标记出复句中的关系词[14]。胡金柱、雷利利从关系词的搭配关系出发，采用解空间树得到关系标记所有的搭配集合，并对解空间树进行剪枝，去掉无用搭配集，过滤掉伪关系标记，最终识别出复句关系标记，测试表明，解空间树和剪枝算法对复句关系词判定的正确率达到98.9%[15]。

姚双云在大规模语料库分词处理基础上，探讨了关联词搭配模式自动发现的基本方法[16]。通过评估关联词搭配的3个重要参数(搭配距离、搭配强度MI值、搭配强度Z值)，并设定阈值，超过阈值的模式自动作为候选搭配模式。实验表明，该方法有助于发现以往未被注意的复句句法搭配模式。

3.3 非分句语段的识别*所谓“非分句”，是指出现在复句中的缺乏“分句”相对独立地位的各种短语性语段。如“成功的基础是奋斗，奋斗的收获是成功，所以，天下唯有不知而艰辛奋斗的人，才能走上成功的高峰。”中划横线部分就是一个名词性非分句语段成分。

复句句法语义关系的判定，其前提是要确定分句的数目，排除各种短语语段的干扰。胡金柱、俞小娟结合语言学的相关理论，提取出识别短语字段的因素，并对这些因素进行主成分分析，进而得出短语字段识别的综合影响因素以及与原始的具体因素之间的关联，采用主成分分析法识别复句中的非分句[17-18]；李琼在界定非分句的基础上，采用基于词性信息和句法信息的方法来识别复句中的短语字段[19]；李琼还探讨了基于语义知识的非分句的识别策略[20]。此外，王立霞、孙宏林探讨了现代汉语介词短语边界识别问题[21]。这些研究的开展，为复句层次关系自动识别研究奠定了基础。

3.4 复句句法语义关系判定

计算机对汉语复句进行自动句法分析，其核心任务是对分句间的层次构造和语义关联进行自动判定。这方面主要成果有鲁松、李晋霞、洪鹿平、周文翠、刘云、罗进军、吴锋文以及胡金柱、舒江波等。

鲁松、宋柔从机器翻译角度，研究判定汉语描述型复句分句间的内在联系的形式化处理方法，给出了完整的关系判定规则，并提出了采用中心分句动态判定方法来解决部分复句处理规则局部性的问题[22]；鲁松、白硕等以复句的层次关系研究为对象，将多重复句的层次结构形式化为层次关系树，并采用上下文无关文法表示多重复句，提出一种基于具有预测机制、自底向上、部分数据驱动的确定性移进-规约算法来处理多重复句的层次关系[23]。李幸、宗成庆在分析汉语标点符号用法和句法功能的基础上，提出一种新的面向汉语长句的层次化句法分析方法，对复句层次关系处理具有一定借鉴意义[24]。

周文翠采用统计方法，借鉴支持向量机(SVM)理论来识别无标并列复句。该文首先从语言学角度角度提取主语、谓语等相关特征，并根据《知网》语义分类将特征量化，然后构建并列复句模型来识别并列复句[25]。遗憾的是，该研究局限在两个分句之间，因而并没有涉及到分句间的层次判定分析。而洪鹿平通过确定逗号的功能来判断复句的切分点，将复句转化为分句的有序集，在此基础上，采用条件随机场(CRF)理论来判定分句间的语义关系[26]，也没有涉及分句间的层次判定分析。

李晋霞、刘云着重探讨了二重复句的自动分析问题[27]。他们认为，一个多重复句的层次划分实质上是分句之间相互选择、匹配构成不同层次复句子模块的过程。该文总结出能够实现二重复句自动层次划分的几种复句标记联结模式，并指出关系包孕、关系词音节数量对复句层次划分的影响。

罗进军从句法识别的角度，提出建立有标复句表里关联模态，并结合关系标记语表序列聚类的方法来识别有标复句层次关系[28]，但该方法对歧义型有标复句格式的句法分析仍将无能为力。

为解决复句自动句法分析中关系词的省略和嵌套问题，刘云提出关系词语“离析度”思想，引入信息频率和权重值的思想来评估复句关系词的离析度，以关系词离析度思想来解决复句层次关系识别问题，并总结归纳出“最邻近优先匹配原则”、“前者前优先，后者后优先”等复句层次分析的规则[29]；汪梦翔在关系词“离析度”基础上，阐述了关系词离析度在复句自动句法分析中的应用问题[30]。

吴锋文从复句信息处理角度出发，对复句的层次关系识别问题进行了系列研究[31-33]。为解决关系词省略和关系词不能标示分句间层次组合顺序的局限，全面考察了3句式复句标记联结模式与层次关系之间的制约规律，将有标复句分为充盈态与非充盈态两类。标记充盈态模式与复句实例层次关系间存在“一对一”的映射关系，其复句实例可以采用基于规则方法来识别；标记非充盈态模式与复句实例间不存在“一对一”的映射关系，其层次关系的判定需要引入分句间的语义分析。在界定分句语义关联度基础上，从主谓句法成分角度对分句关联进行深层知识挖掘，提取出直接聚层关联的分句间存在的10组典型特征，构建了一种基于分句语义关联度判定的复句分析法。此外，还对“二标三句式”、“一标三句式”复句的层次关系判定问题进行个案研究[34-35]，归纳出复句层次关系判定的若干句法语义规则，实验表明了该研究的有效性。

胡金柱、舒江波尝试采用分句语义关联理论来解决复句层次关系识别中的难点，从句法和语义角度总结出分句语义关联的3大类、14个小类的特征，并根据特征之间的相互约束规律和分句特征的统计规律来确定分句关联特征分析的先后顺序，在此基础上讨论分句间语义关联度的计算方法，根据分句间的关联度来确定分句的层次归属[36]。

3.5 复句语言知识库的构建

实践表明，中文信息处理的开展，需要语言知识库的支持。为适应研究的需要，复句语言知识研究也引起学者关注：邢福义、姚双云探讨了复句语料库的建设及其在复句信息工程中的应用问题[37]；为改进现有分词系统对复句关系词标注结果不准的状况，杜超华、胡金柱在中国科学院ICTCLAS 分词软件的基础上，研发了基于复句语料库的分词系统[38]；刘云开展了汉语虚词知识库的研究，该虚词知识库中包含大量复句关系词语的相关句法、语义、语用信息[39]；胡金柱、吴锋文紧扣“句处理”需求，开发汉语复句知识库，初步研制了一个包含436个复句关系标记的复句知识子库，并探讨了关系标记信息的形式化表征与运算问题[40-41]。

4 汉语复句信息处理研究展望

总体而言，近二十年汉语复句应用层面的研究取得了一些可喜的成就：汉语复句信息处理的两项基础性工作——复句关系词的识别及非分句的识别与标注，都取得一定进展；汉语复句句法语义关系判定问题逐渐受到学界的关注，特别是复句语料库、基于复句语料库的分词系统以及复句知识库的建设，都将为汉语复句信息工程推向纵深发展奠定坚实的基础。

当然，我们也要清醒认识到，汉语复句应用层面的研究起步较晚，研究还极其薄弱。目前复句信息处理研究，无论是复句关系词、非分句的识别，还是复句句法语义关系判定，都是在受限领域里进行的。可以说，已有研究虽已触及到汉语复句信息工程的“冰山一角”，但更多问题还需进一步去发掘和探索。展望汉语复句信息处理研究的未来，需要着重做好以下几方面的工作。

首先，需要进一步加强汉语复句研究的“两栖学者”联合攻关势态。当前信息时代，语言学的多边缘化趋势日益明显，语言学科的发展要跟上时代步伐，必须面向社会，面向应用，其研究成果必须服务于社会经济的发展[42]。中文信息处理需要的，并不是现在汉语学界已有知识的照搬，而是需要根据计算机的“能力”去总结和发掘汉语的规律，使之具有可操作性。但就汉语复句研究而言，长期以来学界研究关注点在于基础研究，是基于“人际理解”的，而不是基于“机器理解”的，没有考虑到汉语信息处理的需求，使得已有成果不能完全适应中文信息处理的需要。在新的时代，中文信息处理研究需要文、理不同学科研究团队的联合攻关已成为共识，汉语复句研究必需结合社会的应用需求，实现研究思路的转变，为适应中文信息处理的需求而加强面向机器的应用型研究。这种研究思路的转变，需要汉语言学界和计算机学界两支队伍紧密结合起来，需要整合不同学科(除语言学、计算机科学，还涉及到逻辑学、人脑科学、信息传播学等)之间的研究资源，大力培养既懂语言学又会计算机科学的“两栖人才”。

其次，需要进一步加强汉语复句语义识别研究，实现无标分句的句法语义消歧。随着复句关系词语与非分句识别研究的开展，集中力量研究汉语复句句法语义关系识别将是复句信息工程的重心。在复句层次关系识别方面，鲁松、白硕、罗进军等作出了开拓性工作，但对因缺乏关系标记而出现分句层次归属歧义的情形仍无能为力；周文翠、洪鹿平等采用统计策略研究复句分句的语义识别，为复句的语义识别奠定了基础，但没有涉及到分句间的层次构造的处理；胡金柱、吴锋文关于分句语义关联的研究才刚起步。加强汉语复句的语义识别仍是任重道远，要最终解决复句句法语义关系识别问题，无标分句的层次归属消歧研究将是无法跨越的“沟坎”。只有首先突破对无标分句层次归属消歧处理，才能实现有标复句向无标复句信息处理研究的过渡。

再者，需要进一步加强复句知识库资源建设。研究表明，语言知识库在中文信息处理中具有重要作用。汉语言知识库建设已取得一定进展，如《现代汉语语法信息词典详解》、虚词知识库、汉语知网、HNC 词语知识库以及汉语框架语义知识库(CFN)的开发与利用，已在学界产生一定影响。但由于知识产权方面的原因，这些语言知识库的兼容性、通用性不强，而汉语复句的专用知识库建设又很滞后。因而，集中力量开发一个集复句分类系统、关系词知识库、分句聚层组合规则库、分句句法语义特征集于一体的复句本体知识库[43]，将是今后汉语复句应用研究面临的重要任务。

[1] 吴锋文.新时期以来汉语复句基础研究综观[J].信阳师范学院学报(哲社版).2013，33(1)：78-84.

[2] 陆俭明.关于句处理中所要考虑的语义问题[J].语言研究,2001，21(1)：1-12.

[3] 姚双云.小句中枢理论的应用与复句信息工程[J].汉语学报.2005，5(4)：71-79.

[4] 张仕仁.汉语复句的结构分析[J].中文信息学报.1994，8(4)：43-54.

[5] 胡金柱，邢福义.复句静态本体模型初探.第三届HNC与语言学研究学术研讨会论文集[C].北京:北京师范大学出版社,2006.

[6] 王琳.基于本体的汉语复句语义分析[D].武汉:华中师范大学硕士学位论文.2006.

[7] 肖升，胡金柱.面向对象有标复句本体建模[J].计算机应用研究.2010，27(2)：552-554.

[8] 邹嘉彦，连兴隆.中文篇章中的关联词语及其引导的句子关系的自动标注.中文信息处理国际会议论文集[C].北京:清华大学出版社,1998：288-297.

[9] 高维君，姚天顺，黎邦洋，等.机器学习在汉语关联词语识别中的应用[J].中文信息学报.2000，14(3)：1-8.

[10] 李文翔.基于语料库的关联词识别方法[J].计算机工程与应用.2004，41(7)：50-52.

[11] 胡金柱，沈威.基于渡越矩阵的复句关系词自动标注初探[J].微计算机信息.2007，24(30)：200-202.

[12] 沈威，姚双云.基于规则的复句中的关系词标注探讨[J].福建电脑.2007，23(4)：6-7.

[13] 尹蔚，罗进军.从“是p,还是q”有标选择复句看合用型关系词的自动识别[J].中南大学学报(社科版).2007，19(6)：740-743.

[14] 胡金柱，舒江波，姚双云，等.面向中文信息处理的复句关系词提取算法研究[J].计算机工程与科学.2009，37(10)：90-93.

[15] 胡金柱，雷利利.多重复句关系标记搭配的求解模型研究[J].计算机工程与科学.2011，39(11)：177-182.

[16] 姚双云，胡金柱，肖升，等.关联词搭配的自动发现[J].计算机应用研究.2011，28(12)：4426-4429.

[17] 胡金柱，俞小娟.基于规则库和聚类分析的复句短语字段的自动识别研究[J].华中师范大学学报.2008，52(2)：190-194.

[18] 俞小娟，胡金柱.用主成分分析法研究短语字段的判别因素[J].计算机技术与发展.2008，18(10)：116-119.

[19] 李琼，胡金柱.现代汉语复句中短语字段的自动识别初探[J].宁夏大学学报.2008，30(1)：6-10.

[20] 李琼.基于语义知识的书读前后非分句语言片段识别[J].湖北社会科学.2010，24(3)：128-131.

[21] 王立霞，孙宏林.现代汉语介词短语边界识别研究[J].中文信息学报.2005，19(3)：80-86.

[22] 鲁松，宋柔.汉英机器翻译中描述型复句的关系识别与处理[J].软件学报.2001，12(1)：83-93.

[23] 鲁松，白硕，李素建，等.汉语多重关系复句的关系层次分析[J].软件学报.2001，12(7)：987-995.

[24] 李幸，宗成庆.引入标点处理的层次化汉语长句句法分析方法[J].中文信息学报.2006，20(4)：8-15.

[25] 周文翠，袁春风.并列复句的自动识别初探[J].计算机应用研究[J].2008，25(3)：764-766.

[26] 洪鹿平.汉语复句关系自动判定研究[D].南京:南京师范大学硕士学位论文.2008.

[27] 李晋霞，刘云.面向计算机的二重复句层次划分研究[C].第7届计算语言学联合学术会议论文.2003.

[28] 罗进军.基于句法识别的有标复句层次关系研究[J].汉语学报.2009，9(1)：83-89.

[29] 刘云.复句关系词语离析度考察[J].语言教学与研究.2008，30(6)：15-21.

[30] 汪梦翔.关联词离析度在有标复句层次自动分析中的应用[J].云南师范大学学报(哲社版).2011，54(4)：148-152.

[31] 吴锋文，胡金柱，肖明，等.基于规则的汉语复句层次关系自动识别研究[J].华文教学与研究.2010，10(1)：85-92.

[32] 吴锋文.基于关系标记的汉语复句分类研究[J].汉语学报.2011，11(3)：63-73.

[33] 吴锋文.基于主谓语知识挖掘的分句语义关联研究[J].语言文字应用.2011，20(4)：132-142.

[34] 吴锋文.面向信息处理的“二标三句式”复句层次关系判定[J].信阳师范学院学报(哲社版).2012，32(1)：88-93.

[35] 吴锋文.面向信息处理的“一标三句式”复句层次关系判定[J].北方论丛.2012，54(1)：64-68.

[36] 胡金柱，舒江波，罗进军.汉语复句中分句的语义关联特征[J].语言文字应用.2010,19(4)：121-130.

[37] 邢福义，姚双云.复句语料库的建设及利用[C].第三届HNC与语言学研究学术研讨会.2005.

[38] 杜超华，胡金柱.基于复句语料库分词系统研究[J].计算机与数字工程.2007,35(5)：43-45.

[39] 刘云.汉语虚词知识库的建设[M].武汉:华中师范大学出版社.2009.

[40] 胡金柱，吴锋文，李琼，等.汉语复句关系词库的建设及其利用[J].语言科学.2010，9(2)：133-142.

[41] 吴锋文.面向中文信息处理的三句式有标复句层次关系自动识别研究[D].武汉:华中师范大学博士学位论文.2010.

[42] 许嘉璐.设想和现状——试论中文信息处理与现代汉语研究[J].中文信息学报.2001，15(2)：1-8.

[43] 吴锋文.从信息处理看汉语复句分类研究[J].信阳师范学院学报(哲社版).2011，31(4)：79-83.

Chinese Compound Sentences Processing: Past 20 Years

WU Fengwen

(College of Liberal Arts, Xinyang Normal University, Xinyang, Henan 464000, China)

The study on Chinese Compound Sentences is essential to the information processing. This paper summarizes the past researches on compound sentences, including compound sentences modeling, relation markers recognition, structure recognition, compound sentences parsing and corpus construction. It also reveals the prospects and possible research trends in further studies.

information processing; compound sentences; relation markers; automatic recognition

吴锋文(1981—)，博士，副教授，主要研究领域为汉语语法，中文信息处理。E⁃mail：wufw@mail．ccnu．edu．cn

1003-0077(2015)01-0013-06

2013-05-12 定稿日期： 2013-10-11

国家社科基金(14CYY035，11BYY052)；教育部人文社科基金(12YJC740110)；信阳师范学院第五批青年骨干教师资助计划

TP391

A