中国自然语言处理白皮书
中国人工智能学会
二○一五年十一月
中国自然语言处理白皮书
1
《中国人工智能系列白皮书》编委会
主 任：李德毅
执行主任：王国胤
副 主 任：杨放春 谭铁牛 黄河燕 焦李成 马少平 刘 宏
蒋昌俊 任福继 杨 强
委 员：陈 杰 董振江 杜军平 桂卫华 韩力群 何 清
黄心汉 贾英民 李 斌 刘 民 刘成林 刘增良
鲁华祥 马华东 马世龙 苗夺谦 朴松昊 乔俊飞
任友群 孙富春 孙长银 王 轩 王飞跃 王捍贫
王万森 王卫宁 王小捷 王亚杰 王志良 吴朝晖
吴晓蓓 夏桂华 严新平 杨春燕 余 凯 余有成
张学工 赵春江 周志华 祝烈煌 庄越挺
《中国自然语言处理白皮书》编写组
任福继 王小捷 黄河燕 孙茂松 靳光谨
周国栋 王明文 蔡东风 何婷婷 黄萱菁
常宝宝 王晓龙 黄德根 胡海青 于 浩
朱靖波 古丽拉·阿东别克 昝红英 吴 华
晋耀红 王厚峰 张玉洁 张桂平 谭咏梅
张克亮 全昌勤 孙 晓 陈清财 王荣波
卫志华 钟茂生 徐睿峰 邱锡鹏 沈李斌
张仰森 李 蕾 袁彩霞
中国自然语言处理白皮书
2
目 录
第 1章 引言............................................................................................... 1
第 2章 汉语切分....................................................................................... 2
汉语切分的性能........................................................................... 2
汉语切分的问题........................................................................... 4
小结............................................................................................... 6
第 3章 人机对话....................................................................................... 7
人机对话系统.............................................................................. 7
对话管理技术.............................................................................. 9
小结............................................................................................ 12
第 4章 总结............................................................................................. 13
第 5章 参考文献..................................................................................... 16
中国自然语言处理白皮书
1
第 1章 引言
近年来，随着自然语言处理技术的迅速发展，出现了一批基于自
然语言处理技术的应用系统，这些系统引起了大众的热议。例如，IBM
的Watson在电视问答节目中战胜人类冠军，苹果公司的 Siri个人助
理被大众广为测试，谷歌、微软、百度等公司纷纷发布个人智能助理，
科大讯飞牵头研发高考机器人。这些应用的出现使自然语言处理一时
成为热点话题，人们对这些应用乃至应用背后的技术进行了各种各样
的评论。有的充满期待，希望未来自然语言处理技术能产生越来越多
有价值的应用系统；也有的表示担心，担心技术的发展会对人们自身
的工作机会造成冲击。
那么，自然语言处理当前的技术和应用状况究竟如何，已经取得
了什么进展、未来的发展会如何？人们的什么期待可能变成现实，什
么担心其实还没有必要呢？本白皮书力图对这两个问题作出部分回
应。
本白皮书首先对目前研究人员在自然语言处理技术及应用方面
主要做了什么、做得怎么样进行一些介绍。但是，本白皮书并不准备
也不可能做成一个自然语言处理领域的全面技术综述，而只是分别选
择自然语言处理领域的一个典型技术和一个典型应用进行介绍和分
析。之后，就如何认识当前以及未来的自然语言处理技术和系统给出
我们的观点。白皮书力求不用太多的专业术语，而是以较为浅显的语
言进行阐述。
全书的内容安排如下：在第二章是汉语切分技术的发展介绍和现
状分析，第三章是人机对话系统的发展介绍和现状分析，第四章是总
结，给出我们的观点。
中国自然语言处理白皮书
2
第 2章 汉语切分
自然语言处理领域有许多重要的基础技术，这些技术对自然语言
处理应用系统的性能具有重大的影响，汉语切分就是其中之一。
不同于英语，汉语是以字串的形式出现，词与词之间没有空格，
自动识别字串中的词即为汉语切分。至少在当前，汉语切分是汉语信
息处理的基础，大多数其他汉语信息处理技术和应用都会在汉语切分
的基础上进行。
本章在第一节基于汉语切分的评测结果概要介绍当前汉语切分
技术的总体性能，在第二节通过实例具体介绍其中的主要难点问题，
最后是小结。
汉语切分的性能
汉语切分是汉语语言信息处理技术中开展得最早的研究主题之
一。不仅仅是在国内、在国际上也有很多学者加入到这个主题的研究
中。国际上最有影响的计算语言学联合会 ACL (Association of
Computational Linguistics)下设的特殊兴趣小组 SIGHAN(Special
Interest Group of HAN)从 2003年开始组织汉语切分技术的国际评测，
一直持续到现在。从该系列评测的结果我们可以大致了解当前汉语切
分技术的现状。
表 2-1到 2-3列出了 SIGHAN汉语切分技术评测的部分结果数据
[1]-[4]。由于没有一个评测数据在各届评测中都一直被使用，而不同
评测数据之间的结果难以直接比较。因此，这些表是按不同评测数据
分别列出的。表中列出的都是历年参加评测的所有系统中取得的最好
成绩。性能指标一般包括准确率 P(Precision)、召回率 R(Recall)、F
测度(F-measure)、词典内词的召回率 Rin以及未登录词的召回率 Roov。
这些指标从不同侧面反映技术的性能，所有指标都是值越高越好。
中国自然语言处理白皮书
3
表 2-1 2003和 2005年北京大学评测数据上的最好成绩
P R F Rin Roov
2003
2005
表 2-2 2005和 2006年微软亚洲研究院评测数据上的最好成绩
P R F Rin Roov
2005
2006
表 2-3 2003、2005和 2006年香港城市大学评测数据上的最好成绩
P R F Rin Roov
2003
2005
2006
表 2-4 2010年 SIGHAN评测中系统 A在各领域的成绩
领域 P R F Rin Roov
文学
计算机
医药
财经
2010年 SIGHAN汉语切分技术评测的评测数据来自四个领域：
文学、计算机、医药和财经。表 2-4列出了该年某个参赛系统 A的成
绩[5]。系统 A在文学领域的数据上取得了所有参赛队伍中的最佳成
绩，但是该系统在其他三个领域的成绩均非最佳，在计算机领域取得
中国自然语言处理白皮书
4
最好成绩的是另一个系统，性能为 P=，R=，F=。也就是
说没有一个队在所有不同领域都取得最好成绩。
2012年的 SIGHAN汉语切分技术评测的评测数据来自微博[6]。
性能最好的系统取得了 P=、R=和 F=的成绩。但
是，整句完全切分正确的比例只有 %。
2014年的 SIGHAN汉语切分技术评测的评测数据采用的是多领
域混合数据 [7]。性能最好的系统取得了 P=、R= 和
F=的成绩。
上述性能的取得多采用基于字的序列标注模型，如条件随机场
CRF(Conditional Random Field)。2014年之后,出现了一些基于深层神
经网络 DNN(Deep Neural Network)技术的汉语切分模型[8][9][10]。不
过，从目前的情况来看，基于 DNN的技术与之前的技术相比，尚未
取得很显著的性能提高。例如，在 NLPCC2015数据集上的评测结果
如表 2-5所示[10]。可以看到，基于 DNN模型的汉语切分技术的性能
与之前的 CRF模型相比有所提高，但与 DNN在图像、语音信息处理
上取得的重大进展相比，还是比较小的。
表 2-5 CRF模型与 DNN模型在 NLPCC2015数据集上的性能比较
模型 P R F
FDNLP(CRF)
GRNN(一种 DNN模型)
汉语切分的问题
上面一节给出了一些汉语切分技术的宏观结果数据，本节介绍一
些在进行汉语切分时具体会遇到的问题。
目前已知的汉语切分难点问题主要存在于两个方面：切分歧义和
未登录词。
中国自然语言处理白皮书
5
切分歧义主要分为两类：交集歧义和组合歧义。在简单情况下，
交集歧义是指连续出现的三个字中，中间的字既可以和前面的字组成
词，也可以和后面的字组成词，如(s1)和(s2)中的三个字“地面积”。
城区地面积水已消除。 (s1)
我国多数湿地面积无明显变化。 (s2)
在(s1)中，“地面积”三个字中间的“面”字与前面的“地”组成
一个词“地面”；而在(s2)中，“面”字与后面的“积”组成一个词“面
积”。中间的字和前后哪个字组合成词，需要依据上下文来确定。
组合歧义是指连续出现的两个字可能是两个词，也可能是一个
词，如(s3)和(s4)中的“把手”。
驯兽师把手伸进鳄鱼嘴里。 (s3)
为您找到最新的门把手报价。 (s4)
在(s3)中，“把手”两个字是两个词；而在(s4)中，“把手”两个字
组成一个词。同样，这两个字究竟是一个词还是两个词，需要依据上
下文才能确定。
目前，对于上述两类歧义问题，研究人员已经提出了诸多解决办
法。大部分有效的解决方法都是基于统计技术的，虽然有的技术已经
获得很好的性能，但是，迄今为止，还并不存在一种能保证在任何情
况下都取得正确结果的技术。
未登录词指的是未在词典中出现过的词。比如，随着新事物的不
断出现，产生了“博客”、“微博”、“沪港通”等等原来并不存在的新
词；也由于人们在语言上的不断创造，出现了“给力”、“喜大普奔”、
“人艰不拆”等网络流行语。为处理这类问题出现了诸多的新词发现
技术。
更大量的未登录词来源于各种专有名词(通常称为命名实体)，如
人名(包括中国人名、外国人名、网名等等)、地名、组织机构名、商
品名、书名、电影名等等。这些未登录词在不断产生，且在使用中也
中国自然语言处理白皮书
6
可能伴随切分歧义，导致切分任务变得更为复杂。例如：“他沉浸在
世博园满眼的绿色中”中，出现了“世博园”这个新的专用名词，而
且该词的第一个字“世”与前一个字“在”可以组成一个词“在世”，
最后一个字“园”与后一个字“满”也可以组成一个词“园满”。为
处理这类问题出现了诸多的命名实体识别技术。
相比切分歧义，未登录词是当前切分技术中面临的更主要、更困
难的挑战。
小结
从上述介绍至少可以得到如下几点结论：
1．汉语切分的性能在稳步提高。随着研究人员不断地研究各种
语言现象，探索新的机器学习技术和新的特征，对汉语切分中的一些
基本的难点问题，如交集歧义、组合歧义等，得到了比较清楚的认识，
有一些较好的解决办法。
2．新语言现象的出现导致切分性能的下降。微博等社交媒体上
产生的大量新词语、新命名实体以及新语言组织方式，对已有技术产
生了较大的冲击。随着社交媒体的日益广泛使用，新语言现象出现的
范围也越来越广，不断给汉语切分任务带来新的挑战。
3．跨领域、跨风格文本带来的汉语切分困难。同一切分系统如
何能在较小训练代价下对跨领域、跨风格文本上均取得较稳定的性能
还是一个尚需要进一步探索解决的问题。
4．最后几个百分点的困难。机器自动切分的结果的确在不断逼
近人类的切分结果。但是，可以看到，越到后面，性能提高的代价越
大，迄今为止，似乎还没有看到能跨越最后几个百分点的技术方向。
中国自然语言处理白皮书
7
第 3章 人机对话
人类自然语言的主要功能之一是交际，双人或多人的对话是最常
见的语言使用场合，因此，人机对话是自然语言处理技术最为典型的
应用之一。
图灵早年提出的测试机器是否具有智能的图灵测试正是以人与
机器进行对话为判定依据的。近年来，随着智能设备深入人们的日常
生活和工作中，各大公司纷纷推出具有一定人机对话能力的个人助
理，使得人机对话应用一度成为热点话题。
本章在第一节介绍人机对话系统的概况，在第二节介绍作为其核
心技术之一的对话管理技术，最后是小结。
人机对话系统
目前的人机对话系统大致可以分为两大类：一类是面向特定任务
的；另一类是开放性的，系统没有特定的任务要求。
面向特定任务的人机对话系统通过与用户进行对话来获取特定
信息，从而完成特定任务。例如，在早期MIT计算机科学实验室研
制的用于机票预定的对话系统 ATIS (Air Traffic Information System)
中，机器需要在与用户的对话过程中获取用户的机票预定信息，如出
发地、出发日期、航班号等；在最近北京邮电大学智能科学与技术中
心研制的会议室预定系统MRBS(Meeting Room Booking System)中，
机器通过与用户对话获取用户要预定的会议室的时间、大小、人数、
价格等信息。目前，仅从对话系统获取任务相关信息的角度来看，针
对特定任务的对话系统可以到达较好的性能。图 3-1是 ATIS系统的
一个工作记录片断。图 3-2是MRBS系统的一个工作记录片断。可以
看到，系统都能在对话中逐步获取相关的任务信息。
中国自然语言处理白皮书
8
User: I'd like to fly from Philadelphia to San Francisco.
ATIS: What data will you be travelling on?
User: Next Tuesday.
ATIS: These are the flights from Philadelphia to San Francisco on Tuesday
January 16.
User: Do any stop in Dallas?
ATIS: I'm sorry I got stuck just before the word stop in.
User: IS there a flight which stops in Dallas?
ATIS: This is the with-stop flight from Philadelphia to San Francisco stopping in
Dallas on Tuesday January 16.
图 3-1 ATIS人机对话系统的对话片段
User : 我想在北京找一个 300人的会议室
MRBS : 有 300人在北京开的会议，对吗？
User : 恩，对的
MRBS : 还有其他需求吗？
User : 下周三开会
MRBS : 日期初步定在下周三，要开多长时间呢？
User : 还是下周五吧，开两天。
MRBS : 是下周五开，开两天，您预算多少呢？
图 3-2 MRBS人机对话系统的对话片段
而开放性的人机对话系统没有在对话过程中获取特定任务信息
的要求，更多的是对用户输入进行响应，自由交互，具有某种聊天的
性质，因此也常称为聊天系统。早期的 ELIZA系统、最近的 Siri、小
黄鸡等都属于此类系统。这类系统可以对用户的各种话语进行响应，
包括回答关于天气状况的问题(此时类似于问答系统)、进行没有目标
中国自然语言处理白皮书
9
限定的闲聊等等。Siri、小黄鸡系统都曾经成为热点话题，有很多用
户测试的记录。从已有的记录来看，完全开放的聊天系统需要面对的
任务是非常具有挑战性的，目前的系统还难以达到人们的预期。
人机对话系统的基本结构如图 3-3所示。其中包括三个主要的部
分。语言理解、对话管理和语言生成。语言理解部分理解用户的语言
输入，语言生成部分产生系统的语言输出，这两部分在自然语言处理
的许多其他应用中都是不可缺少的，也同样直接影响对话系统的性
能。但是对于人机对话系统而言，最为独特的是对话管理部分。是否
有对话管理可用于区分对话系统和问答系统。下一节介绍对话管理技
术。
图 3-3 人机对话系统的基本结构
对话管理技术
对话管理从语言理解部分获取输入信息，维护对话过程中的系统
内部状态，并基于状态生成对话策略，为产生对话言语提供依据。好
的对话管理需要自然地控制对话流程，带来良好的用户体验。
在简单的对话系统中，如不限定领域的聊天系统 ELIZA，系统不
维护任何内部状态，也没有显式的对话管理模块，系统只是检测当前
的外部输入，并依据一些转换规则对输入进行转换产生输出。例如，
中国自然语言处理白皮书
10
可以设计形如 I am You are的规则，当检测到用户输入为 I am John
时，用规则进行替换，生成输出 You are John。这种系统一般不能用
于完成特定的信息获取任务。
研究人员迄今已经探索不少对话管理技术，包括基于有限状态自
动机的方法、基于语义框架的方法、基于代理的方法和基于统计的方
法等。
基于有限状态自动机的方法适用于结构化较好的任务。其对话进
程是预先设定好的，用户只能按预定的顺序回答系统的提问，以提供
任务信息。这种对话管理技术不能处理语言理解的不确定性，灵活性
较差，用户体验不好。
基于语义框架的方法允许用户以较为灵活的方式进行对话。系统
能根据当前语义框架的状态来提出下一个问题，也可以处理一些语言
理解部分的不确定性输入，但是系统的控制算法通常较复杂。
基于代理的方法将对话建模成两个代理通过协作来完成任务。代
理具有推理能力，可以进行错误检测和纠正，可以实现混合主导型对
话。但是这种系统需要大量专家知识来构建逻辑推理系统，构建成本
高。
基于统计的方法，主要指的是基于马尔可夫决策过程
MDP(Markov Decision Process)的方法。MDP需要状态完全可观测，
而在状态不完全可观测时，可以采用部分可观测马尔可夫决策过程
POMDP(Partially observable Markov decision process)。POMDP模型将
人机对话建模成一个在不确定状态序列下取得最大长期回报的决策
问题。因此，它具有建模语音识别和语义理解中存在的不确定性的能
力，也可以建模系统产生的对话语言给对话带来的长期影响。POMDP
模型从数据中学习模型参数，进行策略求解，其求解算法的复杂性较
高。目前，简单的应用系统多采用基于有限状态自动机的方法，而基
于 POMDP的方法得到更多的研究关注。
中国自然语言处理白皮书
11
虽然有上述多种对话管理技术，但是由于对话系统的复杂性，对
话管理不仅要通过对话获取任务信息，还要有效地引导整个对话过
程，为用户带来好的用户体验。同时，考虑到对话还处于语音识别和
语言理解技术目前仍不完美的条件下，因此，对话管理需要处理的难
点问题还比较多，以下仅列出其中几个。
轮次交替问题：对话的一个典型特点是存在对话双方或多方的交
替发言，交替形式也多种多样。比如，双发对话时可能一方轮流说一
句，也可能出现某方连续说几句的情况。因此，在口语对话时，很重
要的一个问题就是要决定机器在何时开始说话。简单的基于物理信
号，如设置静默等待时间等方式，在很多预订信息服务中是不可行的。
因为，在这些服务中，用户经常需要进行现场考虑。如果设置的等待
时间过短，用户可能还正在考虑，并没有完成表述；而等待时间过长，
用户会觉得对话不流畅，用户体验不好。而基于内容的轮次交替还依
赖语音识别和语言理解的性能。
主题转换问题：即使在面向特定任务的对话中，一次完整的对话
也很可能需要涉及多个不同的主题。例如，在预订会议室的对话中，
双方至少需要涉及到会议召开的时间、地点、人数、预算等若干不同
主题的内容。对话管理需要能随着对话的进行完成各个主题中相应信
息的获取任务。在对话时，无论不同主题间是否存在依赖关系，对话
都需要在不同的主题间跨越。因此，在对话时，决定何时从一个主题
转换到另一个的主题，是用户管理需要完成的一个重要任务。进而，
友好的人机交互在允许机器主导主题转换的同时，也应该允许用户自
主进行主题转换，而此时，对话管理需要依据其状态决定是否跟随进
行主题的转换。
任务变化问题：目前的任务型对话管理大多是针对特定(类型)任
务的，构建对话管理模型时需要对任务需求进行明确的定义，以使任
务中可能涉及的主题在规定的范围中变化。但是，现实世界的任务有
中国自然语言处理白皮书
12
无穷多种(类型)，如何使一个对话管理模型能快速适应新的任务(类
型)，是一个需要进一步探索的问题，这个问题与汉语切分中语料领
域和风格发生变化时如何保持系统性能稳定类似。
小结
从上面的介绍可以看到，面向特定任务的人机对话系统在任务明
确定义时可以较好地完成获取信息的任务。但是，对话过程的管理还
有很多需要提高的，尤其在语音识别和语义理解还存在不确定性的条
件下。因此，目前情况下，希望得到在大范围内具有人-人对话体验
的人-机对话系统还是不太现实的。
中国自然语言处理白皮书
13
第 4章 总结
前面两章分别介绍了汉语切分技术和人机对话系统的现状，并进
行了一些分析，本书不打算也不可能逐一对各种技术和应用都进行单
独的分析。总体而言，自然语言处理的研究和应用在各个方面都处于
持续发展中，这种发展的趋势在近几年尤为有力。因为自然语言处理
领域在近几年出现了一个非常好的发展时期。具体表现在如下几个方
面。
由于来自互联网产业和传统产业信息化的各种应用需求的推动，
更多的研究人员和更多的经费支持进入了该领域，有力地促进了自然
语言处理技术和应用的发展。
语言数据的不断增长、可用的语言资源的持续增加、语言资源加
工能力的稳步提高，为研究人员提供了发展更多语言处理技术、开发
更多应用、进行更丰富评测的平台。
机器学习技术，尤其是近年来深度学习技术的飞速发展，刺激了
对新的自然语言处理技术的探索。同时，来自其他相近学科背景、来
自工业界的人员的不断加入，也为自然语言处理技术的发展带来了一
些新思路。
计算和存储设备的飞速发展，提供了越来越强大的计算和存储能
力，使得研究人员有可能构建更为复杂精巧的计算模型，处理更为大
规模的真实语言数据。
在这些有利条件的支持下，我们相信自然语言处理技术在未来会
继续取得更多地成果，相信自然语言处理技术是值得大家期待的技
术、能产生不断满足大家期待的新应用。
但是，另一方面，我们也希望大家在看到自然语言处理技术的进
展时有一个清醒的认识。以下以语义分析为例阐述这点。
语义分析是当前自然语言处理研究的一个核心。研究人员在词
中国自然语言处理白皮书
14
汇、句子和篇章等多个层次都开展了语义研究。以词汇语义计算为例，
词义消歧是其中的一个重要的主题。例如，“打”至少有十几个不同
的义项。表 4-1列出了几个示例。词义消歧的任务就是为给定上下文
的“打”选择合适的义项。例如，在句子“打他的人打车走了”这句
话中为两个“打”选择正确的义项。
义项解释 例句
1 殴打 打人、打架
2 攻打 打敌人、打仗
3 编织 打毛衣
4 搅拌 打蛋
5 标记 打标签
表 4-1 “打”的几个义项示例
在已有的英语词义消歧国际评测中，如果义项是粗粒度的(例如，
上述“打”的第 1个和第 2个义项合并为一个，不加区分)，那么平
均性能可以达到 90%以上。大家如果据此数据认为词义消歧技术已经
比较成熟了，那么就可能会误解为何还有那么多的研究人员持续开展
词义消歧任务的研究，就可能会误解为何有些任务中还不把词义消歧
技术加入进去提高系统性能。
而实际上，如果义项不是粗粒度的，而是细颗粒度的(比如上述
“打”的第 1个和第 2个义项是需要区分的)，那么在已有的英语词
义消歧国际评测中取得的平均性能不超过 70%！基于这个数据，大家
应该就不会认为词义消歧技术已经成熟了，而是还有很长的路要走。
进一步，如果我们按人的标准来评价计算机程序的消歧性能，要
求计算机程序在消歧的同时能解释各个义项间的微妙差别，能解释这
种义项选择背后发生了什么。那么，其性能会更差。
中国自然语言处理白皮书
15
因此，大家在关注自然语言处理技术进展的时候一定需要对技术
任务有更多的理解，否则，很有可能产生不同程度的误解。
基于此，我们希望进一步指出的是：自然语言处理技术虽然在不
断发展中，但是，在未来很长一段时间中，它还只能作为一种技术工
具在有限深度上对语言进行处理，还不可能完全达到人类理解自然语
言的水平。因此，当前我们对于自然语言处理技术和应用的合适态度
可能是：既不要期待它能很快就像人一样地去完成各种自然语言处理
和理解的任务，也不用害怕它会完全取代人的工作。
中国自然语言处理白皮书
16
第 5章 参考文献
[1] Richard Sproat,Thomas Emerson. The First International Chinese
Word Segmentation Bakeoff. In Proceedings of the Second
SIGHANWorkshop on Chinese Language Processing. 2003.
[2] Thomas Emerson. The Second International Chinese Word
Segmentation Bakeoff. In Proceedings of the Fourth SIGHAN
Workshop on Chinese Language Processing. 2005.
[3] Gina-Anne Levow. The Third International Chinese Language
Processing Bakeoff: Word Segmentation and Named Entity
Recognition. In Proceedings of the Fifth SIGHAN Workshop on
Chinese Language Processing. 2006.
[4] Guangjin Jin, Xiao Chen. The Fourth International Chinese
Language Processing Bakeoff: Chinese Word Segmentation,
Named Entity Recognition and Chinese POS Tagging. In
Proceedings of the Sixth SIGHAN Workshop on Chinese
Language Processing. 2008.
[5] Hongmei Zhao, Qun Liu. The CIPS-SIGHAN CLP 2010 Chinese
Word Segmentation Bakeoff. In Proceedings of CIPS-SIGHAN
Joint Conference on Chinese Language Processing. 2010.
[6] Huiming Duan, Zhifang Sui, Ye Tian, Wenjie Li. The
CIPS-SIGHAN CLP 2012 Chinese Word Segmentation on
MicroBlog Corpora Bakeoff. In Proceedings of the Second
CIPS-SIGHAN Joint Conference on Chinese Language
Processing. 2012.
[7] Huiming Duan, Zhifang Sui, Tao Ge. The CIPS-SIGHAN CLP
2014 Chinese Word Segmentation Bake-off. In Proceedings of
中国自然语言处理白皮书
17
the Third CIPS-SIGHAN Joint Conference on Chinese Language
.
[8] Wenzhe Pei,Tao Ge, Baobao -Margin Tensor Neural
Network for ChineseWord of the
52nd Annual Meeting of the Association for Computational
Linguistics, 293–303, Baltimore, Maryland, USA, June 23-25
2014.
[9] Jianqiang Ma,Erhard Hinrichs. Accurate Linear-Time Chinese
Word Segmentation via Embedding Matching. Proceedings of
the 53rd Annual Meeting of the Association for Computational
Linguistics and the 7th International Joint Conference on Natural
Language Processing, 1733–1743, Beijing, China, July 26-31,
2015.
[10] Xinchi Chen, Xipeng Qiu, Chenxi Zhu, Xuanjing
Recursive Neural Network for Chinese Word Segmentation.
Proceedings of the 53rd Annual Meeting of the Association for
Computational Linguistics and the 7th International Joint
Conference on Natural Language Processing, 1744–1753,Beijing,
China, July 26-31, 2015.
第1章 引言
第2章 汉语切分
汉语切分的性能
汉语切分的问题
小结
第3章 人机对话
人机对话系统
对话管理技术
小结
第4章 总结
第5章 参考文献
