俞士汶,穗志方,朱学锋
(北京大学 计算语言学教育部重点实验室,北京 100871)
今年是中国中文信息学会成立30周年。人生三十而立。在这30年间,学会从成立走向辉煌,确实值得庆贺。学会拟在《中文信息学报》组织一期专刊介绍本领域所取得的成果。笔者有幸也收到约稿函。记得10年前,为纪念学会成立20周年,也出了一本文集《辉煌二十年》,俞士汶在为其撰写的《计算语言学的应用研究和基础研究》一文中写道: “最重要的,(北大)计算语言所将集成这些单项的研究成果,构成综合型语言知识库。期待这个综合型语言知识库在语言信息处理的研究和汉语语言学的研究中发挥更大的作用。” 10年过去了,综合型语言知识库伴随着学会的辉煌而成长,就在今年被推荐申报国家科学技术进步奖,经评审获二等奖,已在公告中。笔者将本文作为一件菲薄的贺礼,奉献给中国中文信息学会成立30周年。
语言知识库是自然语言处理系统的重要组成部分。汉语与英语、日语不同,缺乏形态变化和形式标记,汉语语言知识库的建设尤显迫切和艰巨。基于对母语知识与文化的认知, 北京大学计算语言学研究所(ICL/PKU)从1986年开始研究汉语计算模型和语言知识形式化描述方法,并着力构建语言知识库。历时25年,建成综合型语言知识库(Comprehensive Language Knowledge Base, CLKB)[1]。2011年申报国家科技进步奖的CLKB 包括6个语言知识库、10项规范与标准、核心基础软件工具集和4个应用系统,它们相互支撑,形成一个有机的整体。……