|
|
|
以自然语言处理服务于自动标引、词语计算和汉语教学 |
|
|
|
|
|
|
|
分领域分话题对外汉语教学
|
|
|
对外汉语教学不仅有学生汉语水平等级的差别，进行因材施教，而且应该有面向教学领域，即学科的差别。例如，在掌握一定的汉语基础后，学生可能会针对从事不同行业（如经济、旅游等）的目标，重点进行该行业的语言学习，如商务高级汉语教学（国家汉办正在组织研制四个HSK专项考试：HSK少儿、商务、旅游和文秘）。
领域汉语教学分类词表：
无论是面向不同行业的专业汉语教学，还是HSK专项考试，首先面临的难题就是词语表的问题。例如，在旅游汉语教学中，我们究竟应该教给学生哪些旅游方面的词语？在考试中，学生应该掌握哪些旅游词语才能在中国从事旅游行业，我们应该考察哪些词语？对于不同等级学生的教学和考试，词语如何分级？这些都归根结底为领域词语的选择问题，根据分类词表的特点（领域性和等级性），词表的构建工作实际上包括两个子问题：
A：如何将领域中的词语聚集成群并抽取出来（词语按领域聚类）。
B：如何将领域中的词语按照流通程度或使用频率进行分级（词语按流通度分级）。
与词典编撰类似，这两个问题也得到了较好的解决，例如，我们去年为北京大学、对外经贸大学完成的HSK（商务）词表就是很好的例子。
超链接至：新词语发现
超链接至：词语分类聚类
超链接至：HSK商务词表
领域汉语教学教材素材：
与词表类似，领域汉语教学在教材取材方面也有自己的特点。与通用汉语教学教材不同，领域教学教材主要偏向于本领域中的素材，因此构建和实时更新领域语料是其关键。
已经构建了一个超大规模的分类语料库，分类后的语料库共100万个文件，约10亿字。分类主题层级最多为4级，如“科技_电脑_软件_操作系统”，大类15类，总共类目两百多个，小类具体到某个主题（话题），如“体育-运动会-奥运会”。
在此基础上，已经实现了一个层级多标记、自适应的文本分类系统。系统不仅可以完成上面所说的层级分类（244个），能为类目交叉的文本标记上多个类目名称，取得了92%以上的准确率和召回率。而且还能够根据用户需求，动态增加用户自定义的类目主题。同时，文本分类系统集成了主题词自动标引模块，能为文章自动标注上反映文章核心内容的主题词（以关键词表示），如一篇题为《万科处心积虑‘打’广州 已经获取大片土地储备》的文章，交给系统处理后，输出标引结果为“房地产、万科、土地储备”（约80%的专家认可率）。这一模块可以补充分类系统，提供非常细致的主题的文本聚类功能。
超链接至：文献自动标引
超链接至：在线辅助教学：中文助手
|
|
|
|
|