中国计算机学会中文信息技术专业委员会-2012年会主会日程

NLP&CC 2012

欢迎Welcome

日程概览Program

ADL32-Tutorials

评测研讨Workshop

大会日程Conference

事项提醒Attention

住宿预订

达到会场

会场介绍

班车预订

学术大会（Main Conference）

周六，2012年11月3日（Saturday Nov 3, 2012）
10:00–20:30	一楼门厅（Lobby）
	注册（Registration）
17:00–20:00	二楼自助餐厅（Cafeteria, Second Floor）
	晚餐（Dinner）
19:00–21:00	蕴香厅（Yunxiang Hall）
	TCCI会议（TCCI Business Meeting）
周日，2012年11月4日（Sunday Nov 4, 2012）
07:30–08:45	一楼门厅（Lobby）
	注册（Registration）
08:45–09:00	宴会厅（Banquet Hall）
	开幕（Opening）
09:00–10:00	特邀报告：张宏江博士，移动互联网：机遇与挑战 Invited Talk by Dr. Hong-jiang ZHANG, Mobile Computing: the Opportunities and Challenges
	Chair: ZHAO Dongyan
	显示摘要show abstract 隐藏摘要hide abstract Abstract：很多人或许已经发现，互联网正在变得越来越“轻”了：终端更轻、内容更轻、应用(Apps)更轻，并集中体现于移动互联网。从惠普、微软到金山，从PC、互联网到移动互联网，从计算领域的科学家到公司CEO，张宏江博士经历了多次转折和转变，正是这样的经历，让他对于软件、互联网、移动互联网的技术发展和产业转折有着更加独到的理解。移动互联网如何影响软件和互联网企业？移动互联网产业有哪些机遇和挑战？行业转型互联网过程中需要哪些技术和应用创新？张宏江博士的报告将与我们分享移动互联网的行业机遇、发展方向和创新趋势。显示讲者简介show biography 隐藏讲者简介hide biography Keynote Speaker：张宏江博士金山软件CEO 前微软杰出科学家, 微软亚洲工程院院长, 微软亚太研发集团首席技术官张宏江博士现任金山集团CEO，执行董事。之前张宏江博士担任微软亚太研发集团首席技术官，将微软亚太研发集团打造成为微软在全球的核心研发基地，拥有三千多研发人员，涵盖基础研究、技术孵化、产品开发和战略合作。　张宏江博士也是微软亚洲研究院创始人之一，曾担任副院长，取得了大量一流的科研发成果和创新技术，使微软亚洲研究院成为了世界一流的计算机科学研究机构。由于他此期间的的杰出贡献和学术成就，张博士被授予微软第一批十位“杰出科学家”。张宏江博士是国际著名的多媒体领域的专家，开拓者和意见领袖，曾担任IEEE多媒体学刊的主编，是国际计算机协会(ACM)和电气电子工程协会（IEEE）双院士。张博士已出版四本学术专著、发表近400篇学术论文，拥有100余项国际专利，是计算机领域影响因子最高的科学家之一（h-index=84）。他的许多研究成果已成为相关研究领域的经典参考文献，并成为多项研究工作的科技基础。由于在多媒体研究领域开拓性贡献，张博士荣获2010年IEEE技术成就奖（Technical Achievement Award），2012年ACM多媒体技术成就奖（ACM SIGMM Technical Achievement Award）。为奖励他在研发和技术转换方面的杰出贡献，张博士在2008被授予“美国杰出亚裔工程师”奖。张宏江博士毕业于中国郑州大学，获电子工程学士学位，之后获丹麦科技大学电子工程博士学位。加盟微软之前，张宏江博士曾任美国硅谷的惠普中央实验室任经理，为惠普建立了多媒体实验室；此前还在新加坡国立大学系统科学研究院工作。目前张博士还任中国科技大学博士导师和清华大学客座教授。
10:00–10:15	花园（Garden）
	合影（Group Photo）
10:15–10:45	宴会厅（Banquet Hall）
	茶歇（Coffee/Tea Break）
10:45–11:55	宴会厅（Banquet Hall）
	Machine Translation 1
12:00–14:00	二楼自助餐厅（Cafeteria, Second Floor）
	午餐（Lunch）
14:00–15:20	宴会厅（Banquet Hall）	第一会议室（Meeting Room 1）	第二会议室（Meeting Room 2）
	Web Mining 1	Applications on Language Computing 1	Machine Translation 2
15:20–15:50	宴会厅（Banquet Hall）/二楼（Second Floor）
	茶歇（Coffee/Tea Break）
15:50–17:10	宴会厅（Banquet Hall）	第一会议室（Meeting Room 1）	第二会议室（Meeting Room 2）
	Web Mining 2	Applications on Language Computing 2	Open Fund Poster/Demo
18:00–20:30	宴会厅（Banquet Hall）
	Poster/Demo Presentations and Banquet（Poster/Demo Presentations and Poster/Demo List）
周一，2012年11月5日（Monday Nov 5, 2012）
09:00–10:00	特邀报告，翟成祥博士 Invited Talk by Dr. Chengxiang ZHAI, Natural Language Processing for Information Retrieval: Challenges and Opportunities
	Chair: ZHOU Ming
	显示摘要show abstract 隐藏摘要hide abstract Abstract: Accurate content understanding is essential to effective information retrieval (IR). It is thus not surprising that IR researchers have paid attention to natural language processing (NLP) ever since the field was born. Yet, despite the obvious importance of NLP to IR and signficant progress made in research of NLP in the past several decades, researchers have so far failed to show any significant impact of NLP techniques on standard ad hoc information retrieval systems (i.e., search engines). As a result, the modern search engine systems still mainly rely on the simplest representation of text, i.e., bag of words representation, which was developed more than five decades ago. In this talk, I will review the major research work done so far on using NLP techniques to improve IR systems, and analyze why NLP has not been able to make a sigificant impact on IR. I will then present a broader view of an IR system as a task engine, which would open up promising new opportunities for applying advanced NLP techniques to develop more intelligent and more effective IR systems. Finally, I will discuss a set of interesting research challenges that have to be solved in order to build truly intelligent IR systems. 显示讲者简介show biography 隐藏讲者简介hide biography Keynote Speaker: Dr. ZHAI, Chengxiang, Assistant Professor, UIUC ChengXiang Zhai is an Associate Professor of Computer Science at the University of Illinois at Urbana-Champaign, where he also holds a joint appointment at the Institute for Genomic Biology, Statistics, and the Graduate School of Library and Information Science. He received a Ph.D. in Computer Science from Nanjing University in 1990, and a Ph.D. in Language and Information Technologies from Carnegie Mellon University in 2002. He worked at Clairvoyance Corp. as a Research Scientist and a Senior Research Scientist from 1997 to 2000. He is interested in multiple research areas, including information retrieval, text mining, natural language processing, machine learning, and bioinformatics, and has published over 130 research papers. He is an Associate Editor of ACM Transactions on Information Systems, and Information Processing and Management, and serves on the editorial board of Information Retrieval Journal. He is a program co-chair of ACM CIKM 2004 , NAACL HLT 2007, and ACM SIGIR 2009. He is an ACM Distinguished Scientist, and received a number of awards, including the 2004 Presidential Early Career Award for Scientists and Engineers (PECASE), the ACM SIGIR 2004 Best Paper Award, Alfred P. Sloan Research Fellowship, IBM Faculty Award, HP Innovation Research Program Award, Microsoft Beyond Search Program Award, and UIUC Rose Award for Teaching Excellence.
10:00–10:30	宴会厅（Banquet Hall）
	茶歇（Coffee/Tea Break）
10:30–11:50	宴会厅（Banquet Hall）
	Fundamentals on Language Computing 1
12:00–14:00	二楼自助餐厅（Cafeteria, Second Floor）
	午餐（Lunch）
14:00–15:20	多功能厅（Multi-Function Hall）	第一会议室（Meeting Room 1）	第二会议室（Meeting Room 2）
	NLP for Social Networks	Fundamentals on Language Computing 2	Industrial Demo
15:20–15:50	二楼（Second Floor）
	茶歇（Coffee/Tea Break）
15:50–17:10	多功能厅（Multi-Function Hall）	第一会议室（Meeting Room 1）	第二会议室（Meeting Room 2）
	IR & QA	Fundamentals on Language Computing 3	Industrial Demo
17:30–19:00	二楼自助餐厅（Cafeteria, Second Floor）
	晚餐（Dinner）

详细安排

Machine Translation 1 返回时间：2012年11月4日上午（10:45–11:55）；地点：宴会厅（Banquet Hall） Chair：ZONG Chengqing
10:45-11:15	Handling Unknown Words in Statistical Machine Translation from a New Perspective Jiajun ZHANG*, Feifei ZHAI,Chengqing ZONG; Institute of Automation, Chinese Academy of Science 显示摘要show abstract 隐藏摘要hide abstract Unknown words are one of the key factors which drastically impact the translation quality. Traditionally, nearly all the related research work focus on obtaining the translation of the unknown words in different ways. In this paper, we propose a new perspective to handle unknown words in statistical machine translation. Instead of trying great effort to find the translation of unknown words, this paper focuses on determining the semantic function the unknown words serve as in the test sentence and keeping the semantic function unchanged in the translation process. In this way, unknown words will help the phrase reordering and lexical selection of their surrounding words even though they still remain untranslated. In order to determine the semantic function of each unknown word, this paper employs the distributional semantic model and the bidirectional language model. Extensive experiments on Chinese-to-English translation show that our methods can substantially improve the translation quality.
11:15-11:35	词语对齐的快速增量式训练方法研究 Wei LUO*, ICT,CAS 显示摘要show abstract 隐藏摘要hide abstract 在新增语料时，先合并新旧语料再重新开始训练的传统翻译模型训练方法存在效率较低和领域自适应能力较差的不足。本文围绕翻译模型构建流程的瓶颈——词语对齐，着手翻译模型的增量式训练。在基于无监督学习的词语对齐模型的基础上，提出了一种基于初始化，同时应用迭代训练收敛速度更快的online EM算法以替换通常所用的batch EM算法的方法，实现增量式训练。实验表明，所提出的方法是既高效又保证词语对齐质量和机器翻译质量的增量式训练方法。
11:35-11:55	藏文数词识别与翻译 Meng SUN*, ICT, CAS 显示摘要show abstract 隐藏摘要hide abstract 藏文数词识别与翻译是藏汉机器翻译系统中必须要解决的问题。本文通过对藏文数词内部构词规律及外部边界信息进行详细地分析，提出对藏文数词基本构件定义的方案。采取最优路径决策模型判断数词构件边界，然后通过有限自动机模型识别并翻译基本数词，最后用模板匹配算法处理复杂数词。本文提出的方法对数词识别与翻译的F值达到98.73%，并在藏汉机器翻译的测试集上的BLEU提高了2.64。
Web Mining 1 返回时间：2012年11月4日下午（14:00–15:20）；地点：宴会厅（Banquet Hall） Chair：ZHAO Jun
14:00-14:20	基于协同图排序的对比新闻自动摘要 Xiaojiang HUANG*, Xiaojun WAN, Jianguo XIAO; Peking University 显示摘要show abstract 隐藏摘要hide abstract 对比新闻摘要概括两个可比的新闻话题间的共同点和不同点，既强调两个话题之间的可比方面，又阐述每个话题各自的重要内容。本文采用协同图排序模型，为两个可比的新闻话题自动生成对比摘要。模型利用一个话题内句子之间的相似性，以及不同话题中句子之间的对比性，采用迭代增强的方法，同时计算两个话题中每个句子的重要程度，并考虑信息的新颖程度，选择适当的句子组成对比摘要。实验结果表明了该方法的有效性。
14:20-14:40	Chinese Named Entity Recognition and Disambiguation Based on Wikipedia Miao YU*, Yajuan LV, Qun LIU, Jinsong SU, Xiong HAO; Institute of Computing Technology, Chinese Academy of Science 显示摘要show abstract 隐藏摘要hide abstract This paper presents a method for named entity recognition and disambiguation based on Wikipedia. First, we establish Wikipedia database using open source tools named JWPL. Second, we extract the definition term from the first sentence of Wikipedia page and use it as external knowledge in named entity recognition. Finally, we achieve named entity disambiguation using Wikipedia disambiguation pages and contextual information. The experiments show that the use of Wikipedia features can improve the accuracy of named entity recognition.
14:40-15:00	面向自动文摘的主题划分方法童毅见*, 唐慧丰; 解放军外国语学院显示摘要show abstract 隐藏摘要hide abstract 文本，尤其是长文本中所讨论的主题往往不止一个，对这样的文本进行自动文摘，如果采用传统的基于句子权重的摘要抽取方法，很可能导致文摘中次要主题的缺失及主要主题的冗余。本文利用改进的TSF算法，对文本进行了主题划分，针对不同类型的文本，依据自动文摘的需要，采用不同的主题划分策略。实验结果显示该算法是有效的。
15:00-15:20	基于排序学习的文本概念标注方法研究 Xinhui TU*, CCNU 显示摘要show abstract 隐藏摘要hide abstract 建立基于概念的文本表征模型是实现基于语义的文本内容处理的一种途径。已有的文本的概念自动标注方法往往只考虑了文本和概念的相关程度，都没有考虑概念本身的特征等因素。本文中提出了一种基于排序学习的方法来实现文档的维基百科概念自动标注的方法。首先人工对一定规模的文档进行概念标注建立训练集合，然后利用排序学习算法在多项特征上得到对概念排序的模型，利用这个概念的排序模型对任意的文档进行概念标注。实验表明，相对于传统的文档概念标注方法，本文中的方法在各类指标上都有相当大的提高，标注结果更加接近人类的概念标注。
Applications on Language Computing 1 返回时间：2012年11月4日下午（14:00–15:20）；地点：第一会议室（Meeting Room 1） Chair：TANG Zhi
14:00-14:20	基于用户历史行为的个性化文献推荐 Yuan WANG*, Jie LIU, Xingliang DONG; Nankai University 显示摘要show abstract 隐藏摘要hide abstract With the increasing of the amount of the scientific papers, it is very important and difficult for paper-sharing platforms to recommend related papers accurately for users. This paper tackles the problem by proposing a method that models user historical behavior. Through collecting the operations on scientific papers of online users and carrying on the detailed analysis, we build preference model for each user. The personalized recommendation model is constructed based on content-based filtering model and statistical language model.. Experimental results show that users' historical behavior plays an important role in user preference modeling and the proposed method improves the final predication performance in the field of technical papers recommendation.
14:20-14:40	版式电子文档表格自动检测与性能评估 Jing FANG*, Zhi TANG; Peking University 显示摘要show abstract 隐藏摘要hide abstract 自动检测版式电子文档的表格区域对于移动阅读具有重要意义。然而现有的表格定位方法大多针对图像文档提出，特别是对于中文的版式文档，尚没有直接适用的方法。本文针对版式文档的特点，提出一种表格线分割符和表格文本的布局特征相结合的表格定位方法，并且对中英文档均有效。此外，由于缺少表格定位自动评估体系，本文构建了一个初具规模的公开数据集，由中英文版式页面等比例组成，对其标注基准结果，并针对移动阅读应用场景提出一套评估准则。实验部分通过和现有两个开源表格定位项目的比较，验证了本文提出的表格定位方法的有效性和评估体系的实用性，特别是对中文数据集获得了较好的结果。
14:40-15:00	Integration of Textual Information and Graphic Composite for PDF Documents with Complex Layouts Canhui XU*, Zhi TANG, Xin TAO, Cao SHI; ICST of Peking University 显示摘要show abstract 隐藏摘要hide abstract The trend of large scale digitization has greatly motivated the research on the processing of the PDF documents with little structure information. Challenging problems like graphic segmentation integrating with texts remain unsolved for successful practical application of PDF layout analysis. To cope with PDF documents, a hybrid method incorporating text information and graphic composite is proposed to segment the pages that are difficult to handle by traditional methods. Specifically, the text information is derived accurately from born-digital documents embedded with low-level structure elements in explicit form. Then page text elements are clustered by applying graph based method according to proximity and feature similarity. Meanwhile, the graphic components are extracted by means of texture and morphological analysis. By integrating the clustered text elements with image based graphic components, the graphics are segmented for layout analysis. The experimental results on pages of PDF books have shown satisfactory performance.
15:00-15:20	一种基于FST和DBN的口语对话系统 LiChun FAN*, Institute of Automation, Chinese Academy of Sciences; Dong YU, College of Information Science, Beijing Language and Culture University; XingYuan PENG, Shixiang LU, Bo XU; Institute of Automation, Chinese Academy of Sciences 显示摘要show abstract 隐藏摘要hide abstract Natural language understanding module and dialogue management module are important parts of the spoken dialogue system. They directly affect the performance of the whole system. This paper proposes a novel method named action-group finite state transducer (FST) model to cope with the problem of natural language understanding. This model can map user utterances to actions, and extract user's information according to the matched string. For dialogue management module, we propose dynamic Bayesian network (DBN) model. It can reduce the demands for the corpus compared with Markov decision process (MDP) model. The experiments on the action-group FST model and DBN model show that they significantly outperform the state-of-the-art approaches. A set of subjective tests on the whole system demonstrate that our approaches can satisfy most of the users.
Machine Translation 2 返回时间：2012年11月4日下午（14:00–15:20）；地点：第二会议室（Meeting Room 2） Chair：Lyu Yajuan
14:00-14:20	Learning Latent Topic Information for Language Model Adaptation in Statistical Machine Translation Shixiang LU*, Wei WEI, Xiaoyin FU, LiChun FAN, Bo XU, Institute of Automation, Chinese Academy of Sciences 显示摘要show abstract 隐藏摘要hide abstract This paper is concerned with data selection for adapting language model (LM) in statistical machine translation (SMT), and aims to find the LM training sentences that are topic similar to the translation task. Although the traditional methods have gained significant performance, they ignore the topic information and the distribution of words in calculating the sentence similarity. In this paper, the authors propose a topic model to discover the latent topics in the content of sentences, and combine the latent topic based similarity with TF-IDF into a unified framework for data selection. Furthermore, the authors combine a cross-lingual projecting method with the topic model, which makes the data selection depend on the source input directly. Large-scale experimental results demonstrate that the proposed approach significantly outperforms the traditional approaches on both LM perplexity and SMT performance.
14:20-14:40	Compact WFSA based Language Model and Its Application in Statistical Machine Translation Xiaoyin FU*, Wei WEI, Shixiang LU, Dengfeng KE, Bo XU; Institute of Automation, Chinese Academy of Sciences 显示摘要show abstract 隐藏摘要hide abstract The authors explore the fast query techniques for n-gram language model (LM) in statistical machine translation (SMT), and then propose a compact WFSA (weighted finite-state automaton) based LM motivated by the contextual features in process of model queries. It is demonstrated that the query based on WFSA can effectively avoid the redundant queries and accelerate the query speed. Furthermore, it is revealed that investigating a simple caching technique can further speed up the query. The experiment results show that this method can finally speed up the LM query by 75% in relative. With the LM order increasing, the performance benefits by WFSA will be much more significant.
14:40-15:00	A Comparative Study on Discontinuous Phrase Translation Jiajun ZHANG*, Chengqing ZONG; Institute of Automation, China 显示摘要show abstract 隐藏摘要hide abstract Many research works have reported discontinuous phrase translation can significantly improve translation quality, but experiments are conducted in only one translation direction (e.g. Chinese-to-English) with only one language pair. Thus, two questions remain that whether the discontinuous rules are always much helpful in different language pairs? Furthermore, what kind of discontinuous rules (e.g. source-side discontinuity or target-side discontinuity) contributes most to the performance improvement? To answer these two questions, this paper conducts a comparative study on the contribution of different kinds of discontinuous rules in both translation directions with various language pairs. Then, with this comparative study, this paper proposes a role-based rule filtering strategy to filter the large amount of discontinuous rules that contribute very little to translation quality.
15:00-15:20	基于话题分布相似度的无监督关键词翻译技术 Yingmei GUO, Xiaodong SHI*, Xiamen University, China 显示摘要show abstract 隐藏摘要hide abstract 网络是人们获取信息的重要平台，但获取非母语信息时需要消歧或翻译。网上的评论信息对使用者做出决策有重要的指导作用。在评论句中，评论词包含了句子的重要信息，其正确理解至关重要，而现有机器翻译系统在整句翻译时对多义词处理效果不佳。基于话题信息、词的位置关系、互信息等特征，提出一种无监督的跨语言词义消歧算法，仅利用在线词典和web搜索引擎，通过上下文信息选择评论句中多义评论词的词义。实验结果表明，所提出的词义消歧算法具有较高准确率，对于具有较多候选词义的评论词仍能表现出较好的性能。
Web Mining 2 返回时间：2012年11月4日下午（15:50–17:10）；地点：宴会厅（Banquet Hall） Chair：ZHAO Shiqi
15:50-16:10	一种面向学术会议网站的Linked Data生成方法 Peng WANG*, Southeast University 显示摘要show abstract 隐藏摘要hide abstract This paper proposes an automatic method for extracting information from academic conference Web pages, and organizes these information as ontologies, then matches these ontologies to the academic linked data. The main contributions include: (1) A page segmentation algorithm is proposed to divide conference Web pages into text blocks. (2) According to vision, key words and other text features, all text blocks are classified as 10 categories using bayes network model. The context information of text blocks are introduced to repair the initial classified results, which are improved to 96% precision and 98% recall. (3) An ontology is generated for each conference website, then all ontologies are matched as an academic linked data.
16:10-16:30	Ontology-based Event Modeling for Semantic Understanding of Chinese News Story Wei WANG*, Dongyan ZHAO; Peking University 显示摘要show abstract 隐藏摘要hide abstract Describing and extracting event semantic information is essential to build an event knowledge base and applications in event and semantic level. However, most existing work deals with documents so they fail to provide sufficient semantic information about events in news articles. In this paper, considering What, Who, When, Where, Why and How, the 5W1H elements of a piece of news, we propose a News Ontology Event Model (NOEM) which can describe 5W1H semantic elements of an event. The model defines concepts of entities (time, person, location, organization etc.), events and relationships to capture temporal, spatial, information, experiential, structural and causal aspect of events. A comparison to existing event models and an empirical case study show that NOEM can effectively model the semantic elements of news events and their relationship; and has a strong ability to represent knowledge facts and easily adapt to new domains.
16:30-16:50	适用于大规模文本处理的动态密度聚类算法 Xia LI*, Shengyi JIANG, Jing ZHU; Guangdong University of Foreign 显示摘要show abstract 隐藏摘要hide abstract T针对传统基于密度的聚类算法对海量数据处理时存在的参数输入复杂及时间复杂度高的问题，给出新的密度定义方法，并在此基础上提出了一种只需一个简单输入参数并能动态识别密度不均匀聚类簇的聚类算法，同时将其扩充为可以处理海量数据的两阶段动态密度聚类算法。在人造数据集、大规模数据集、以及中英文文本语料数据集上的实验结果表明，本文提出的算法具有输入参数简单和聚类效率高的特点，可以应用于海量文本数据的聚类处理。
16:50-17:10	The Recommendation Click Graph: Properties and Applications Yufei XUE*, Yiqun LIU, Min ZHANG, Shaoping MA; Tsinghua University; Liyun RU, Sohu, China 显示摘要show abstract 隐藏摘要hide abstract Query recommendation helps users to formulate better queries and get desired search results. User clicks on query recommendations contain a great deal of information about search intent, query ambiguity and search performance. We use query recommendation click information in search log to construct a recommendation click graph. Directed edge in the graph connects the prior query and the clicked recommended query. By analyzing the graph, we develop a method for finding ambiguous queries and improve the search results using the information in the graph. The experimental results show that our method for finding ambiguous queries is effective and using recommendation click information can improve search performance of ambiguous queries.
Applications on Language Computing 2 返回时间：2012年11月4日下午（15:50–17:10）；地点：第一会议室（Meeting Room 1） Chair：LI Qingsheng
15:50-16:10	基于笔端形状相似性的汉字字体识别 Xiao WANG, Xiaoqing LV*, Zhi TANG; Peking University 显示摘要show abstract 隐藏摘要hide abstract 字体设计技术的成熟与互联网的发展促进了字体的创新和传播。相应的字体识别技术在版面恢复、文档理解和字体版权保护等领域也越来越受到重视。传统的字体识别只关注少数几种常用字体的识别，大量新字体的广泛使用带来了在较大规模的字体集上进行字体识别的需求。目前主流的汉字字体识别技术依据的是文本图像的纹理特征，只有个别方法利用汉字笔画的结构特征。本文提出一种基于笔端相似性的方法来解决在较大规模的字体集上对单个汉字进行字体识别的问题。这种方法首先提取汉字笔画上的特定部位——笔端，然后利用笔端形状作为汉字的字体特征。实验证明，这种方法不但在常用字体集合上的识别效果优于现有的同类方法，而且在扩展后的大字体集合上仍然能够达到较高的识别率。
16:10-16:30	Automatic Generation of Chinese Character based on Human Vision and Prior Knowledge of Calligraphy Cao SHI*, Jianguo XIAO, Wenhua JIA, Canhui XU; Peiking University 显示摘要show abstract 隐藏摘要hide abstract Prior knowledge of Chinese calligraphy is modeled in this paper, and the hierarchical relationship of strokes and radicals is represented by a novel five layer framework. Calligraphist’s unique calligraphy skill is analyzed and his particular strokes, radicals and layout patterns provide raw element for the proposed five layers. The criteria of visual aesthetics based on Marr’s vision assumption are built for the proposed automatic generation of Chinese character. The Bayesian statistics is introduced to characterize the character generation process as a Bayesian dynamic model, in which, parameters to translate, rotate and scale strokes, radicals are controlled by the state equation, as well as the proposed visual aesthetics is employed by the measurement equation. Experimental results show the automatically generated characters have almost the same visual acceptance compared to calligraphist’s artwork.
16:30-16:50	基于主题情感混合模型的无监督文本情感分析 Yan SUN*, Xueguang ZHOU; Electronics Engineering College, Naval University of Engineering 显示摘要show abstract 隐藏摘要hide abstract 有监督、半监督的文本情感分析存在标注样本不容易获取的问题。为此，通过在LDA模型中融入情感模型，提出一种无监督的主题情感混合模型（UTSU）。UTSU模型对每个句子采样情感标签，对每个词采样主题标签，无需对样本进行标注，可以得到各个主题的主题情感词，对文档集进行情感分类。情感分类实验对比表明UTSU模型的分类性能比有监督情感分类方法稍差，但在无监督的情感分类方法中效果最好，情感分类综合指标比ASUM模型提高了约2%，比JST模型提高了约16%。
16:50-17:10	Sentiment Analysis Based on Chinese Thinking Modes Liang YANG*, Hongfei LIN, Yuan LIN; Dalian University of Technology 显示摘要show abstract 隐藏摘要hide abstract Sentiment analysis is an important research domain for natural language process, and currently it mainly focuses on the text context. While our research concentrates on the thinking modes, which influence the formation of language. Three Chinese thinking modes, “spiral graphic mode”, “concreteness” and “scattered view”, are taken into consideration to assist sentiment analysis and classification in this paper, and three Steps are adopted to stimulate the thinking modes: Firstly, a position-related method is proposed to quantify the “spiral graphic mode”, then according to the characteristic of “concreteness”, an approach is implemented based on part of speech and grammar, finally a view-window method is applied to analyze the “scattered view”. According to these explicit Chinese modes, a Chinese sentiment expression model (CSE) is proposed, which can effectively improve the accuracy of emotion classification. In order to solve the implicit Chinese sentiment expression, Latent Semantic Analysis (LSA) is applied when the CSE model could not classify the implicit emotions accurately. By comparing with the two traditional sentiment analysis methods, the experimental results show that the performance of sentiment analysis included the Chinese thinking mode factors is significantly better than which not included.
Demo/Open Fund Poster 返回时间：2012年11月4日下午（15:50-17:10）；地点：第二会议室（Meeting Room 2） Chair：TBD
15:50-17:10	开放课题：中文微博中的情感语义研究（CCF2011-01-01）开放课题：汉字可信编码及计算（CCF2011-01-02）开放课题：汉字字形视觉重心的计算方法（CCF2011-01-03）开放课题：基于约束条件随机场的电子图书在版编目数据抽取技术研究（CCF-DP2011-02-03）开放课题：图书在版编目（CIP）数据提取研究（CCF-DP2011-02-03）
Poster/Demo和晚宴（Poster/Demo Presentations and Banquet）返回时间：2012年11月4日晚上（18:00-20:30）；地点：宴会厅（Banquet Hall）
18:00-18:30	Poster/Demo Presentation Chair：ZHAO Shiqi
18:00-18:30	[1]Chinese Word Segmentation Oriented Natural Annotation in Large Scale Corpora; Gaoqi RAO, Endong XUN; Beijing Language University [2]汉语并列复句的自动识别方法; Yunfang WU, Jing SHI, Fuqiang WAN; Institute of Computational Lin,Peking university [3]基于逗号的汉语子句识别研究; Yancui LI, Wenhe FENG, Guodong ZHOU; Suzhou University [4]基于特征比较和最大熵模型的统计机器翻译错误检测; Jinhua DU, Sha WANG; Xi'an University of Technology [5]甲骨文字形动态描述库及其字形生成技术研究; Qingsheng LI; An Yang Normal University [6]面向专利文献的汉语分词技术研究; Jinyuan YUE, Jinan XU, Yujie ZHANG; Beijing Jiaotong University [7]一种基于条件随机场的中文词性标注并行化方法; 刘滔, 雷霖, 陈荦, 雄伟; 国防科学技术大学 [8]一种基于流形距离的中文语块聚类分析方法; 雷霖, 雄伟; 国防科学技术大学 [9]藏文音节规则模型及应用; Zhu Jie ;Tibetan University [10]基于上下文的话题和话题关系的演化研究; Jian ZHANG, SJTU; Fang LI; Shanghai Jiaotong University [11]检索结果多样化研究综述; Jingbin GAO, Muyun YANG ;HIT [12]先秦文献的古今字、通假字标注; 冯敏萱*, 刘浏 ;南京师范大学 [13]基于百科知识的查询意图获取; Bingquan LIU, Ming LIU, Gang HU ;哈尔滨工业大学 [14]耶宝智慧中文分词系统; 贾真; 西南交通大学思维与智慧研究所
18:00-20:30	Poster/Demo Session
19:00-20:30	宴会（Banquet） General /Orginizing Chair Address；Program Chair Address; Best Paper Anouncement；The Next Conference Anouncement
Fundamentals on Language Computing 1 返回时间：2012年11月5日上午（10:30–11:50）；地点：宴会厅（Banquet Hall） Chair：WANG Houfeng
10:30-10:50	Chinese Semantic Role Labeling with Dependency-driven Constituent Parse Tree Structure Hongling WANG*, Guodong ZHOU, Suzhou University 显示摘要show abstract 隐藏摘要hide abstract This paper explores a tree kernel-based method for nominal semantic role labeling (SRL). In particular, a new dependency-driven constituent parse tree (D-CPT) structure is proposed to better represent the dependency relations in a CPT-style structure, which employs dependency relation types instead of phrase labels in CPT. In this way, D-CPT not only keeps the dependency relationship information in the dependency parse tree (DPT) structure but also retains the basic structure of CPT. Moreover, several schemes are designed to extract various kinds of necessary information, such as the shortest path between the nominal predicate and the argument candidate, the support verb of the nominal predicate and the head argument modified by the argument candidate, from D-CPT . Evaluation on Chinese NomBank shows that our tree kernel-based method on D-CPT achieves comparable performance with the state-of-art feature-based ones. This indicates the effectiveness of the novel D-CPT structure for better representation of dependency relations in tree kernel-based methods. To our knowledge, this is the first research of tree kernel-based SRL on effectively exploring dependency relationship information, which achieves comparable performance with the state-of-the-art feature-based ones.
10:50-11:10	基于广义话题理论的标点句序列之话题结构识别研究 Yuru JIANG*, 北京信息科技大学; Rou SONG, Beijing Language University, China 显示摘要show abstract 隐藏摘要hide abstract 针对汉语标点句句首话题缺失的问题，基于广义话题理论，根据汉语话题结构的特点，利用堆栈模型，提出标点句序列的话题结构的识别方案；得到的开放测试准确率比基线高出15个百分点。结果说明，运用广义话题理论进行标点句序列的话题结构识别可产生明显的效果。
11:10-11:30	Collation of the Transliterating Tibetan Character Heming HUANG*, Southeast University 显示摘要show abstract 隐藏摘要hide abstract The transliterating Tibetan character which is specially used to transliterate foreign scripts has two collations: collation with the rules of native Tibetan dictionary and with that of transliterating Tibetan dictionary. This paper proposes two general structures for transliterating characters. And based on these general structures, a collation scheme is developed so that all transliterating characters can be collated correctly.
11:30-11:50	汉语并列关系的识别研究郑略省*, 北京信息科技大学显示摘要show abstract 隐藏摘要hide abstract 句法分析是自然语言深层处理的基础，目前汉语依存句法分析中并列关系的识别制约着句法分析的发展。本文提出了一种基于条件随机场模型的并列关系自动识别方法。从语料库中自动抽取并列关系的角色信息，进行角色标注，在条件随机场模型的基础上实现并列关系的识别。与基于图的依存分析方法比较，并列关系的召回率和正确率分别提高了9.1%，10.2%。实验证明该方法是行之有效的。
NLP for Social Networks 返回时间：2012年11月5日下午（14:00–15:20）；地点：多功能厅（Multi-Function Hall） Chair：HE Tingting
14:00-14:20	Social Network Compression Based on the Importance of the Community Nodes Hongbo LI*, Jianpei ZHANG, Jing YANG, Jinbo BAI, Yan CHU, Lejun ZHANG, Harbin Engineering University 显示摘要show abstract 隐藏摘要hide abstract In response to the inadequacies of current graph compression methods, such as higher time complexity, dependence on experiences to set parameters, too many parameters to adjust, compression loss, ignoring the community structure of network, a social network compression method is proposed based on the basis of the importance of the community nodes. The method include community discovery algorithm (simply named GS) based on greedy strategy and social network compression algorithm (simply named SNC). Adopting topological potential theory GS algorithm is not only capable of discovering communities but also capable of mining important nodes in the communities. SNC algorithm takes communities as targets, achieves lossless compression while maintaining the connections between communities, and keeps important nodes in communities or basic community structure if necessary. The feasibility and effectiveness of the method were verified in experiments.
14:20-14:40	Adaptive Topic Tracking Based on Dirichlet Process Mixture Model Chan WANG*, BUPT 显示摘要show abstract 隐藏摘要hide abstract This paper proposes a Dirichlet Process Mixture Model (DPMM) considering relevant topical information for adaptive topic tracking. The method has two characters: 1) It uses DPMM to implement topic tracking. Prior knowledge of known topics is combined in Gibbs sampling for model inference, and correlation between a story and each known topics can be estimated. 2) To alleviate topic excursion problem and topic deviation problem brought by existing adaptive tracking methods, the paper presents a new adaptive learning mechanism, the basic idea of which is to introduce tracking feedback with a reliability metric into the topic tracking procedure and make tracking feedback influence tracing computation under the condition of the reliability metric. The empirical results on TDT3 evaluation data show that the model, without a large scale of in-domain data, can solve topic excursion problem of topic tracking task and topic deviation problem brought by existing adaptive learning mechanisms significantly even with a few on-topic stories.
14:40-15:00	Exploiting Lexical Semantic Resource for Tree Kernel-based Chinese Relation Extraction Dandan LIU, Longhua QIAN*, Guodong ZHOU; Suzhou University 显示摘要show abstract 隐藏摘要hide abstract Lexical semantic resources play an important role in semantic relation extraction between named entities. This paper exploits lexical semantic information based on HowNet to convolution tree kernels via two methods: incorporating lexical semantic similarity and embedding lexical sememes, and systematically investigates its effects on Chinese relation extraction. The experimental results on the ACE 2005 Chinese corpus show that the incorporation of lexical semantic similarity can significantly improve the performance whether entity-related information is known or not, while embedding lexical sememes can also improve the performance, but only when entity types are unknown. This demonstrates the effectiveness of lexical resources for Chinese relation extraction. In addition, the experiments also suggest that lexical semantic similarity facilitates the relation extraction, particularly the fine-grained subtype extraction, more than that of relation detection.
15:00-15:20	基于树核函数的人物关系抽取研究 Cheng PENG, Longhua QIAN*, Guodong ZHOU; Suzhou University 显示摘要show abstract 隐藏摘要hide abstract In this paper, a kernel-based personal relation extraction method is presented. First, a personal relation corpus is built through filtering and expansion from the ACE2005 Chinese corpus. Then, the structured information, which is appropriate for personal relation extraction, is constructed by applying pruning rules on the basis of the shortest path-enclosed tree. After that, TongYiCi CiLin semantic information is embedded into the structured information. Finally, re-sampling techniques are employed to alleviate the data imbalance problem inherent in the corpus distribution. Experimental results show that, the pruning rules, the embedding of semantic information and the application of re-sampling techniques can improve the F1 score by 3.5, 3.0 and approximate 3.0 units respectively compared with the baseline system. It suggests that the me-thod we propose is effective for personal relation extraction.
Fundamentals on Language Computing 2 返回时间：2012年11月5日下午（14:00-15:20）；地点：第一会议室（Meeting Room 1） Chair：ZHOU Guodong
14:00-14:20	属性和属性值组合的概念模型 Xianyi CHENG*, Xuehua SHEN, Quan SHI; Nantong University 显示摘要show abstract 隐藏摘要hide abstract 从语料库进行概念获取的相关研究中，大多数都把概念作为从语法结构中抽取出来的属性向量。在修饰语中，属性向量往往指属性值向量，这与一般的知识表示理论不同，其概念往往在它们的属性中定义。本文以词汇聚类为基础，对基于属性的概念模板和基于属性值的概念模板进行对比。研究发现，基于属性和属性值组合的概念模板优于任何一个单独的模板。
14:20-14:40	基于上下文和语义信息的跨领域中文分词 Jing ZHANG, Degen HUANG*, Deqin TONG; Dalian University of Technology 显示摘要show abstract 隐藏摘要hide abstract This paper presents a new domain-adaptive Chinese Word Segmentation (CWS) method. Considering the characteristics of the territorial Out-of –Vocabularies (OOVs), both the contextual information table and the semantic information are utilized based on Conditional Random Fields (CRFs) model to recall more OOVs and promote the performance of the CWS. This method is evaluated by the simplified domain-adaptive Chinese testing data from SIGHAN Bakeoff 2010. The experimental results show that the F-value and the recall of OOVs of the testing data in Computer, Medicine and Finance domain are higher than the best performance of SIGHAN Bakeoff 2010 participants, with the recall of OOVs of 84.3%, 79.0% and 86.2%, respectively.
14:40-15:00	n-gram统计特征在中文分词领域自适应中的应用郭振*, Yujie ZHANG, 苏晨, Jinan XU; 北京交通大学显示摘要show abstract 隐藏摘要hide abstract A key problem in Chinese Word Segmentation is that the performance of a system will decrease when applied to a different domain. We propose an approach in which n-gram features from large raw corpus are explored to realize domain adaptation for Chinese Word Segmentation. The n-gram features include n-gram frequency feature and AV feature. We used the CRF model and a raw corpus consisting of 1 million patent description sentences to verify the proposed method. For test data, 300 patent description sentences are randomly selected and manually annotated. The results show that the improvement of Chinese Word Segmentation on the test data achieved at 2.53%.
15:00-15:20	Dependency Forest for Sentiment Analysis Zhaopeng TU*, Wenbin JIANG, Qun LIU, Shouxun Lin; Institute of Computing Technology, Chinese Academy of Sciences 显示摘要show abstract 隐藏摘要hide abstract Dependency Grammars prove to be effective in improving sentiment analysis, because they can directly capture syntactic relations between words. However, most dependency-based systems suffer from a major drawback: they only use 1-best dependency trees for feature extraction, which adversely affects the performance due to parsing errors. Therefore, we propose a novel approach that applies dependency forest to sentiment analysis. A dependency forest compactly represents multiple dependency trees. We develop new algorithms for extracting features from dependency forest. Experiments show that our forest-based system obtains 5.4 point absolute improvement in accuracy over a bag-of-words system, and 1.3 point improvement over a tree-based system on a widely used sentiment dataset.
IR & QA 返回时间：2012年11月5日下午（15:50-17:10）；地点：多功能厅（Multi-Function Hall） Chair：YU Zhengtao
15:50-16:10	基于对象和意图分治的查询推荐研究康杨杨*, 洪宇, 姚建民, Qiaoming ZHU, 于莉; 苏州大学显示摘要show abstract 隐藏摘要hide abstract We propose a query recommendation method called “Divided Pretreatment to Targets and Intentions for Query Recommendation”, which concentrates on the structure, elements and composition of a query. Based on the recognition of query targets and query intentions by a classifying method, the clusters of query intentions are built following the clue of consistent and similar query targets. After that, query recommendations are generated by simple substitution of peer intentions. This method aims to explore a simple and efficient mechanism, which only analyzes and processes query itself and its internal attributes. The experiment demonstrates that, accuracy of “query targets” and “query intentions” recognition is 73.11%, while that of intention clustering reaches 55.67%. The p@1 value of query recommendation gets 57.83%.
16:10-16:30	Dependency Network based Real-time Query Expansion Jiaqi ZOU*, Xiaojie WANG, Beijing Post-Telecommunication University, China 显示摘要show abstract 隐藏摘要hide abstract This paper presents a new real-time query expansion method which offers expansion related to user query intention. A dependency relation network is firstly built by merging dependency trees of large numbers of sentences from a large-scale corpus. User queries are then expanded to verb-noun pairs or verb-attributes-noun multiple grams based on relations in the network, which is helpful to identify user intention and to reduce search space. Experiments show that the proposed expansion method is not only effective in saving user inputs, but also brings significant improvement to retrieval performance.
16:30-16:50	面向问答社区的答案生成方法陶浩雄*, 清华大学信息与技术国家实验室; 郝宇, 朱小燕, 清华大学计算机科学与技术系显示摘要show abstract 隐藏摘要hide abstract Community question answering (cQA) portals have accumulated numerous questions and their answers over time. Community users can search questions in cQA portals, but the returning answers often contain information which is redundant or irrelevant to the questions. Relying on the similar questions and their answers from the cQA portals, we propose appropriate answer generating methods for List-type and Solution-type questions (almost half of all questions). The results show that the answer generating methods can improve the answer quality significantly.
16:50-17:10	Summarizing Definition from Wikipedia Articles Zhicheng ZHENG*, Xiaoyan ZHU; Tsinghua University 显示摘要show abstract 隐藏摘要hide abstract Definitional questions are quite important, since users often want to get a brief overview of a specific topic. It is a more challenging task to answer definitional questions than factoid questions. Since Wikipedia provides a wealth of structural or semi-structural information which covers a large number of topics, such sources will benefit the generation of definitions. In this paper, we propose a method to summarize definition from multiple related Wikipedia articles. First, we introduce the Wikipedia concepts model to represent the semantic elements in Wikipedia articles. Second, we further utilize multiple related articles, rather than a single article, to generate definition. The experiment results on TREC-QA demonstrate the effectiveness of our proposed method. The Wikipedia concept model outperforms the word model. Introducing multiple related articles helps find more essential nuggets.
Fundamentals on Language Computing 3 返回时间：2012年11月5日下午（15:50-17:10）；地点：第一会议室（Meeting Room 1） Chair：WU Yunfang
15:50-16:10	Fusion of Long Distance Dependency Features for Chinese Named Entity Recognition Based on Markov Logic Networks Zejian WU, Zhengtao YU*, Jianyi GUO, Cunli MAO, Xudong HONG; Kunming Polytec University 显示摘要show abstract 隐藏摘要hide abstract For the issue that existing methods for Chinese Named Entity Recognition(NER) fail to consider the long-distance dependencies, which is common in the document. This paper, Fusion of long distance dependency, proposes a method for Chinese Named Entity Recognition(NER) based on Markov Logic Networks(MLNs), which comprehensively utilizes local, short distance dependency and long distance dependency features by taking advantage of first order logic to represent knowledge, and then integrates all the features into Markov Network for Chinese named entity recognition with the help of MLNs. Validity of proposed method is verified in both open domain and restricted domain, experimental result shows that proposed method has better effect.
16:10-16:30	The Construction of Chinese Sentence-Category Dependency Treebank Huilan Wang*, Pla ufl 显示摘要show abstract 隐藏摘要hide abstract Treebanks are important resources for natural language processing. In existing Chinese Treebanks including PennCTB, Sinica, TCT and HIT-IR-CDT, there are still some limitations on syntactic and semantic labeling, especially on the level of semantic labeling. Aiming at the area of Machine translation applications, this paper conduct research on the construction of Chinese Sentence-Category Dependency Treebank (CSCDT) based on the theory of Hierarchical Network of Concepts. Conceptual category tagset and Sentence-Category relation tagset for the Treebank are presented also with the example tree of CSCDT.
16:30-16:50	副词“都”用法自动识别研究 Jingjie ZHANG*, Hongying ZAN, Zhengzhou University 显示摘要show abstract 隐藏摘要hide abstract 现代汉语副词用法的自动识别研究是面向自然语言处理的现代汉语副词知识库的重要内容之一，其中副词“都”的用法比较复杂，需要单独对其进行研究。首先对副词“都”分别进行了基于规则和基于统计两种方法的用法自动识别研究，并具体分析它们的优点和不足，然后尝试了规则与统计相结合的方法。三种方法的准确率分别为82%、89.62%和98.54%，实验数据表明，采用规则和统计相结合的方法使副词“都”用法的自动识别取得较好的效果。
16:50-17:10	基于语义依存线索的事件关系识别方法研究马彬, 洪宇*, 杨雪蓉, 姚建民, Qiaoming ZHU; 苏州大学显示摘要show abstract 隐藏摘要hide abstract 事件关系识别是一项面向文本信息流进行事件关系判定的自然语言处理技术。事件关系识别的核心任务是以事件为基本语义单元，通过分析事件的篇章结构信息及语义特征，实现事件语义关系的浅层检测（即判定任意事件之间是否存在语义关系）。本文通过分析事件的语义依存关系和事件在演化过程中的语义依存规律，提出基于语义依存线索的事件关系识别方法。实验结果显示，相比于传统的基于语义相似度的识别方法，本文提出的基于事件语义依存线索的事件关系识别方法获得了5%的性能提升。

Industrial Demo简介

Industrial Demo 返回时间：2012年11月5日下午（14:00-17:10）；地点：第二会议室（Meeting Room 2）
参展单位	展示成果	展位/联系人	成果简介
西南交通大学思维与智慧研究所	耶宝智慧中文分词系统	7号展位/贾真	耶宝智慧中文分词采取综合集成的方法，综合集成大数据、先进分词算法和实体识别算法以及人的智慧。分词系统性能和特点： • 准确率达到了99.8% • 分词效率20万字/秒 • 支持GB18030，BIG5，Unicode，Utf-8 • 提供云分词服务，支持java，C++，C#客户端 • 准确地识别中外人名、机构名、时间、数量词等 • 提供词性标注、实体标注和专业、学术词汇标注 • 提供粗粒度和细粒度分词 • 超大规模语料库和词库　电话： 86(28) 8760-2942，86(28) 8760-2984, 189-8078-2955 　电子邮箱： zjia@home.swjtu.edu.cn 演示网址： http://www.yebol.com.cn/
微软亚洲研究院，微软雷蒙德研究院	微软自动对联，英库（必应）词典，英库字幕翻译，英库拼音输入法，新一代多语言自动问答系统，网络语言模型（Web-Ngram）	4号展位/周明	“微软自动对联”是由微软亚洲研究院自然语言组研究开发的计算机自动对联系统，也是世界上第一套人工智能自动对联系统，具体而言，用户给定上联，然后系统自动生成下联，或者用户也可通过交互手段优选词来生成满意的下联。当用户确定一副对联后，它还能够生成若干四字横批供用户参考。本项技术可以用于在线数字游戏，以及服务于中小学以及外国人的智能汉语教学。体验网址：http://duilian.msra.cn/。 “必应词典”是由微软亚洲研究院研发的新一代在线词典。不仅可提供中英文单词和短语查询，还拥有词条对比等众多特色功能，能够为英文写作提供帮助。必应词典是微软首款中文智能词典，具有人工优化整句翻译系统，是广大用户邮件翻译和文字写作的必备工具，并且是全球独家具有视频朗读功能的词典工具。词典都具有翻译功能，翻译单词、翻译句子。但是在翻译的句子中，英语初学者常常迷失方向，不知道如何对应。必应词典能很好的解决这个问题，在已经完成的翻译句子中，可以逐词英汉对应。必应词典除了翻译以外，还在侧边栏提供了相应的语法搭配和词组搭配。体验网址：http://dict.bing.com.cn/。 “英库字幕翻译”是由微软亚洲研究院研发的通过视频学习英语的在线学习平台。通过对英文视频的深度处理，包括字幕标注、机器翻译、时间轴对齐、词典解释，来为英文学习者提供文字、声音和视频三位一体的学习体验。独创的卡拉OK功能可以让学习者同视频发音同步，提高学习效率。集成的英库词典，可以提供给用户关于生词的详尽信息，加深学习者对生词的印象。“英库字幕翻译”系统更集成了在线听写功能，用户可以对自己的听力进行在线测试，并由系统对听写结果进行分析和打分。 “英库拼音输入法”运用微软亚洲研究院的创新研究成果，加上云端服务器的无限量存储和计算能力，还有30多万词条的中文词库和新词热词，大幅提升输入的准确率。微软英库拼音输入法支持中英文混合一次输入，最新的电视剧名、网络流行语、赛季新秀均可轻松输入。创新的V模式，可以让你在聊天儿的时候更轻松的插入图片、地图等多媒体内容，从此不用复制粘贴了。微软英库输入法的贴心小助手可以帮您完成多种多样的英文输入任务：英文自动补全，自动纠错，通配输入，英文单词读音输入，以及神奇的U模式。体验网址：http://pinyin.engkoo.com/。 “新一代多语言自动问答系统”我们构建了一个知识智能、数据智能和社会智能三位一体相互合作的新一代多语言自动问答系统。对一个问题，可以得到利用知识库、大数据和互联网、社区的答案并且进行答案候选的优化排列。目前系统可回答 Jeopardy！和“一站到底”等竞猜类型问题以及常见的自然语言问题。 “网络语言模型”（Web-Ngram）运用云端服务器的存储和计算能力为信息检索、自然语言处理、语音处理提供网络数据的1-5元的语言模型查询服务。“网络语言模型”可提供分别针对文档内容、文档标题、链接源头文字和查询关键字的语言模型的查询。网络模型（文档内容和文档标题）的训练数据是截止到2009年6月必应在英文市场检索的网页和文档。查询关键字模型（链接源头文字和查询关键字）的训练数据是截至到2009年6月的过去9个月的必应的查询内容。“网络语言模型”提供SOAP和REST访问支持，并提供相应的Python开发工具包。网址：http://web-ngram.research.microsoft.com/
微软亚洲互联网工程院	必应搜索引擎(bing.com)	5号展位/周明	我们将展示微软最新推出的必应搜索包括英文搜索和中文搜索。必应搜索在桌面、手机、平板电脑上提供了公正精确全面的搜索结果，利用简单便捷的用户搜索体验，用户可以直达搜索目标。必应搜索把社会关系网络的信息整合到搜索之中，使用户可以得到来自社会关网络的信息。必应中文搜索在充分了解中国人的搜索需求基础上，提供了必应词典、在线翻译和英文搜索、读心机器人、人立方等专门针对中国用户特点的服务。
数字出版国家重点实验室（北大方正集团有限公司）	普适性文档（CEBX）技术及其应用	2号展位/汤帜	CEBX是新一代普适性文档技术，融合了固定版式信息和结构化的流式信息，解决了数字出版中的终端多样化所带来的问题，使一个文档能够同时支持PC、手机、平板电脑、电子阅读器等终端的阅读，可以实现一次制作、多平台多次利用，既可以原版原式地显示或打印，又可以在移动设备上更好地实现高质量的屏幕自适应和实时排版。同时，其原版原式、动态交互等诸多特性，也使得CEBX能够在文档存储、办公自动化、电子病历、电子书包等多个行业、领域中有着广泛的应用。方正阿帕比（Apabi）采用CEBX技术研发的明星产品——“中华数字书苑”多次被温家宝总理、习近平副主席等国家领导人作为国礼赠送给英国剑桥大学、比利时鲁汶大学、德国柏林国家图书馆等海外机构。
明博教育科技有限公司	优课数字化教学应用系统	6号展位/陈丹	“优课数字化教学应用系统”是国内首家以正版教材内容为核心的教学应用系统，定位于基础教育课堂信息化同步教学应用的工具和服务平台。本系统基于新课程标准，整合正版数字化教材、嵌入式教学资源、数字化教学工具软件、资源管理工具软件，及基于网络的后台管理软件平台于一体，为用户提供应用平台、资源平台、管理平台三大功能平台，实现数字化教学常态应用。为中小学校构建智能、高效、开放、易用的教学应用平台、教学资源平台、和教学管理平台，提升多媒体教学设备使用率，依托校园网络和教育城域网络实现教学资源流通与共享，帮助用户逐步摆脱“信息孤岛”的困境，促进教学资源均衡化，实现全面数字化教学。 “优课数字化教学应用系统”为满足不同用户需求，提供教师端、学生端和机构管理端软件。明博教育，为教学成就卓越！
中国科学院计算技术研究所	多语言翻译研究与应用	3号展位/吕雅娟	机器翻译作为一种能够利用计算机实现各种语言之间自动转换的技术，对于全世界各国各民族之间的文化交流、缓解语言障碍问题具有重要的意义。中国科学院计算技术研究所自然语言处理研究组是国际上机器翻译领域较为知名的研究团队之一，近年来在统计机器翻译研究和应用方面取得了较大的进展。本次会议我们将展示自主研究开发的多语言机器翻译系统，目前支持汉语-英语、英语-汉语、维吾尔语-汉语、藏语-汉语、蒙古语-汉语、韩语-汉语、泰语-汉语等多种语言对。我们还将展示专利翻译、移动翻译、菜单翻译等多个领域的实用翻译系统。欢迎访问我们的展位！
中国科学院自动化研究所	紫冬口译	1号展位/高鹏、陈振标、于雅梅	紫冬口译（SimuTalk）是由CASIA口语翻译研究团队研发的一款中英口语语音互译手机软件App。您只用对着手机说出中文，紫冬口译就会识别出您说的话，翻译成英文，并同时朗读出来，从英文到中文也可以识别和翻译。体验网址http://s2s.ia.ac.cn。紫冬口译是基于紫冬语音云平台开发的前端应用。紫冬语音云平台集成了中/英文连续语音识别、机器翻译和语音合成等自主核心技术，通过3G、Wifi等互联网为前端应用提供便捷高效的云服务。

Poster/Demo列表

Poster
序号	标题	作者	摘要
P1	Chinese Word Segmentation Oriented Natural Annotation in Large Scale Corpora	Gaoqi RAO*, Endong XUN; Beijing Language University, China	The contradiction between remarkable rise in size of corpus and soaring cost of manual tagging attracts focus on natural annotations in language. Instead of building information resource by experts or annotators, mining the information from corpus itself has great influence in large-scale datasets. Therefore, natural annotation has become a natural choice, showing hope to solve problems in annotation cost and linguist knowledge formalization. What natural annotations are, their distribution and their meaning on large datasets are discussed. The proposed research on word extraction shows the potential of natural annotation in word segmentation.
P2	汉语并列复句的自动识别方法	Yunfang WU*, Jing SHI, Fuqiang WAN; Institute of Computational Lin,Peking university	句际语义关系自动分析有着广泛的应用价值，可应用于文本摘要、语篇生成、智能问答、机器翻译等，大大提升相关应用系统的性能。句际关系中，并列关系是分布最为广泛的关系，并列关系的两个小句在语义联系上最为紧密，因此并列关系的识别非常重要。本文尝试自动识别汉语的并列复句，即小句之间的并列关系。本文实验了基于词义的句子相似度计算、最大公共子串、最大谓词周边匹配长度、加重特定词语复现等方法，并将其中三种方法进行了集成，取得了较为理想的效果
P3	基于逗号的汉语子句识别研究	Yancui LI*, Wenhe FENG, Guodong ZHOU; Suzhou University	篇章分析是自然语言处理的一个核心问题，其中基本篇章单位识别是篇章分析的基础任务。根据篇章分析的任务和实践，结合传统研究，提出汉语的基本篇章单位为子句，从结构、功能、形式等方面给出其定义。逗号处理是汉语子句识别的关键问题，分析了逗号与子句的关系，并在标注语料上进行了基于逗号的汉语子句识别研究。在标注了CTB6.0中1348个句子的2171个逗号可否作为子句边界的语料上，抽取句法、词汇、长度等特征进行实验，子句识别准确率为89.9%。然后利用信息增益选出贡献最大的8个特征，使用它们也可获得较高的子句识别准确率。最后仅使用词法信息，子句识别准确率可达84.5%。实验证明本文的子句定义合理，基于逗号的子句识别理论上和实验上均可行。
P4	基于特征比较和最大熵模型的统计机器翻译错误检测	Jinhua DU*, Sha WANG, Xi'an University of Technology	近年来，译文错误预测和分析成为统计机器翻译研究和应用的重要方向。本文首先介绍3种典型的用于翻译错误检测和分类的单词后验概率特征，即基于固定位置的词后验概率、基于滑动窗的词后验概率和基于词对齐的后验概率，分析了其对错误检测性能的影响，然后分别将其与语言学特征如词性、词及由LG句法分析器抽取的句法特征等进行组合，利用最大熵分类器预测翻译错误，并在汉—英NIST数据集上进行实验验证和比较。实验结果表明了不同的单词后验概率对分类错误率的影响是显著的，并且在词后验概率基础上加入语言学特征的组合特征可以显著降低分类错误率，提高译文错误预测性能。
P5	甲骨文字形动态描述库及其字形生成技术研究	Qingsheng LI*, An Yang Normal University	甲骨文字是有别于现代汉字的一种雕刻在牛骨或龟甲上的象形文字。现代汉字字形的计算机描述方法不能完全应用于甲骨文字形的描述。基于甲骨文字形多变，异体字多等特点，提出了一种甲骨文字形描述方法，使用该方法将甲骨文字形进行矢量描述，建立了甲骨文字形描述库。通过字形描述库自动生成多种甲骨文字形。有效地解决了由于使用轮廓字形描述甲骨文字形而存在的字形动态编辑和字形变换的困难，为古文字的数字化编辑提供了一个新思路。
P6	面向专利文献的汉语分词技术研究	Jinyuan YUE*, Jinan XU, Yujie ZHANG; Beijing Jiaotong University	针对专利文献专业术语多、领域广的特点，采用基于领域词典与统计相结合的方法探讨了专利文献的汉语分词问题；主要方法是利用NC-value算法抽取专业术语，使用条件随机场模型（CRF）提高专业术语识别率，提高分词精度。实验结果表明，提出的方法在开放测试下的分词的准确率为95.56%，召回率为96.18%，F值为95.87%，大大提高了专利文献的分词精度。
P7	一种基于条件随机场的中文词性标注并行化方法	刘滔*, 雷霖, 陈荦, 雄伟; 国防科学技术大学	词性标注是自然语言处理的基础技术。针对条件随机场模型面对大规模数据传统训练算法单机处理性能不高的问题，提出了一种基于MapReduce框架的条件随机场模型训练并行化方法，设计了条件随机场模型特征提取及参数估计的并行算法，实现了迭代缩放算法的并行。实验表明，所提出的并行化方法在保证了训练结果正确性的同时，大大减少了训练时间，性能得到了较大提升。
P8	一种基于流形距离的中文语块聚类分析方法	雷霖, 雄伟; 国防科学技术大学	聚类方法是发现数据内在模式、抽取内部特征的无监督方法。将中文语块分析看作词在句子内部聚类并标记语块类别的过程，建立了中文语块分析的聚类模型。首先构建词的语法功能空间，使用ISOMAP方法重构词空间的低维流形嵌入，进而考察词在低维空间中的分布情况。在使用层次聚类方法分析语块时，使用流形上的距离替代传统的欧式距离，在算法复杂度可以接受的范围内，提高了语块分析效果。
P9	藏文音节规则模型及应用	Zhu Jie*, Tibetan University	藏文音节具有独特的构造方法，不同的构造位上有不同的藏文字符。根据藏文字符不同的组合，构成了千变万化的藏文音节。由于字母的语音特性，藏文组合形式上有诸多限制。本文以藏文音节为研究对象，借助藏文语法规则，建立了现代藏文音节的简化模型和相应的规则库，介绍了其应用领域，提出了一种基于音节模型的的藏文音节自动拼写算法，通过实验验证了规则方法的有效性。
Demo
序号	标题	作者	摘要
D1	基于上下文的话题和话题关系的演化研究	Jian ZHANG*, SJTU; Fang LI, Shanghai Jiaotong University	自动挖据大规模语料中的语义信息以及演化关系近年来已受到广大专家学者的关注。话题被认为是文档集合中的潜在语义信息，话题演化用于研究话题内容随时间的变化。本文提出了一种基于上下文的话题和话题关系的演化方法。分析发现，一个话题常会和某些其它话题共现在多篇文档中，话题的共现信息被称为话题的上下文。上下文信息可以用于计算同时间段话题间的语义关系以及识别不同时间段中具有相同语义的话题。通过对6年两会报告语料集上的实验，结果显示，利用话题的上下文信息，不但可以改进话题演化的结果，而且还能挖据话题之间的关系以及揭示话题关系随时间的变化。
D2	检索结果多样化研究综述	Jingbin GAO*, Muyun YANG; HIT	搜索引擎目前已经成为用户获取信息的最重要的途径，它从数以亿计的网页资源中返回相关结果给用户。由于不同的用户的需求存在着明显的差异，因此，就需要多样化的结果来最大程度上满足尽可能多的用户的需求。通过对近些年的对搜索结果进行多样化处理的方法进行调研，从以下几个方面给出了检索结果多样化研究的总结：对各种方法给出统一的定义框架描述，即对多样化方法中使用的相关性、新颖性和二者的融合进行了统一定义；由于多样化的核心部分是如何计算一个待排序结果所涵盖的新信息量，所以对新颖性的不同尺度和不同的关于新颖性的典型计算方法进行了分类总结；对各种方法使用的数据集合和用于多样化的评价方法进行详细说明。最后，对于上述的一些具体技术环节，指出了当前方法中存在的一些问题。
D3	先秦文献的古今字、通假字标注	冯敏萱*, 刘浏; 南京师范大学	正确辨识古今字和通假字是先秦文献语义理解需要解决的重要问题。本研究利用《汉语大词典》、25种先秦传世文献和十三经注疏构建了古今字、通假字频次统计表，利用文字学、训诂学研究文献构建了专书通假字数据库，利用中研院上古汉语标记语料构建了中研院语料假借字库。同时，尝试分别利用上述知识库对《墨子》、《孝经》和《楚辞》这三部不同类型的先秦语料进行了通假字标注。实验结果表明，传统训诂学成果最为可靠，但专书通假字数据库规模较小；中研院语料假借字库可以成为通假字标注的有益补充；在没有上述两种资源的情况下，注疏文献和词性标注语料亦可以提供部分信息。
D4	基于百科知识的查询意图获取	Bingquan LIU; Ming LIU; Gang HU; 哈尔滨工业大学	查询意图分类作为改善搜索引擎检索质量的一种有效方法，越来越多的受到人们的关注。使用统计机器学习的文本分类方法来解决此问题，通常需要耗费大量的人工努力来标注用户查询。对此，本文提出了一种从百科知识中自动抽取标注数据集的方法，并以此训练统计分类器来解决查询意图分类问题。具体方法为：首先为每个意图类别标注少许的种子词条，然后利用百科知识的有向图结构来对其扩展，并最终抽取该意图类别的词条作为标注数据集。通过与用人工标注的真实查询训练的分类器进行比较，实验表明本方法无需大量的人工标注就可以取得较好的分类性能。
评测Poster
序号	标题	作者	摘要
P10	LTLAB 中文微博情感分析评测报告	周霄,周振宇,李芳; 上海交通大学	本文介绍了上海交通大学中德语言技术联合实验室（LTLAB）参加2012年中文微博情感分析评测的方法实现。在本届评测设立的3个评测任务中，LTLAB分别参加了任务1（观点句识别）和任务3（情感要素抽取）：对于任务1，参评系统使用了基于分类器的方案，特征抽取时考虑到了文本中的词性和句法特征；对于任务3，参评系统结合了基于模板的抽取和基于分类器的抽取，考虑到了微博特有的话题信息以及词的统计信息。评测结果表明，本文提出的方法在实践中是行之有效的。
P11	BUAA-SA: NLP&CC 2012中文微博情感分析评测报告	巢文涵,周庆,张川,高英恺,何晓楠,朱蔷; 北京航空航天大学	本文介绍了我们参与NLP&CC 2012中文微博情感分析评测的系统BUAA-SA，这是一个规则与统计相结合的情感分析系统，其中包括了观点句识别、情感倾向判断及情感要素提取等功能。考虑到微博属于短文本数据，系统基于搜索引擎对话题的情感词、情感对象进行了扩展。本文将首先介绍系统的基本组成，然后介绍系统参与NLP&CC 2012中文微博情感分析各任务的评测情况。
P12	基于CRF和句法分析的中文微博情感分析	陈豪,苏波,黄晨,刘功申; 上海交通大学	上海交通大学信息内容技术国家工程实验室参加了2012年CCF自然语言处理中文微博情感分析测评。在本次微博情感分析测评中，分别采用两种算法，提交了两组结果。第一种方法是采用条件随机场算法，对微博信息进行情感预测。第二种算法是，利用Standford Parser进行句法分析，然后，根据句子成分之间的修辞关系计算句子的情感。经过主办方的公开测试，两组算法的结果优异。
P13	话题型微博语言特点及其情感分析策略研究	侯敏,滕永林,李雪燕,陈毓麒,郑双美,侯明午,周红照;中国传媒大学	微博已经成为现代人们传递态度、意见和评价的重要形式。本文以语言主观性为理论依据，分析了话题型微博语言句子简短、负面倾向居多、情感表达强烈而理性评价淡化、口语色彩浓重、观点表达的隐晦和非直接、评价对象省略、非规范性等语言特点，并就此提出基于短语情感词典及语义规则的观点句识别及评价对象提取的策略。实验和评测结果证明，这些策略和方法取得了较好的效果。
P14	基于依存分析的中文微博情感分析研究	孙艳, 周学广, 李中远; 海军工程大学	有效地管理和使用微博评论信息是当前的迫切需求。在依存分析的基础上对中文微博进行了情感分析，参加了NLP&CC2012中文微博情感分析评测中的所有3个任务。总结了新词出现的原因，通过对成词的规则制定和串频统计等，提出一种基于规则和统计的新词识别算法。通过对现有情感词库的整合，构建了自己的情感词库。对情感词和评价对象的依存模式进行了分析，总结出6种评价单元模式，结合依存树的剪枝和归并策略，提出了基于依存分析的观点句识别方法和基于依存分析的情感要素抽取方法。在任务3的情感要素抽取评测中成绩排名第3，效果理想。
P15	中文同义词自动抽取研究	孙玉霞, 狄颖, 曹冉, 孙玉杰, 周俊生, 曲维光; 南京师范大学	本文对中同义词自动抽取的多种方法进行了研究，充分利用现有字典资源和网络百科知识。使用同义词林和中文概念典进行字方法研究；基于百度科，使用了模式匹模式匹配和并列结构的方法。基于模式匹配的方法在少量手动获取模式的基础上，从百科资源中自动获取上下文模式，从而实现同义词获取和自扩展。同时提出了基于并列结构的同义词自动抽取方法，采用基于词素的过滤和基于知网的过滤方法进行过滤，大大提高同义词抽取性能。实验结果表明，多种方法的综合使用，使得本文中的中文同义词自动抽取性能大幅度提高，并且适用于多种此类的同义词获取。
P16	面向开放异构知识库的词汇同义关系学习	刘燚灵, 吉阳生, 顾翀†, 崔首领, 贾江涛; 华为公司	词汇同义关系识别在文本信息管理、信息检索和自然语言处理等领域中扮演重要作用。识别词汇同义关系的方法主要有两类：基于结构化知识库的匹配方法和基于在线/离线语料库的统计学习方法。基于知识库的方法对词汇关系的整理需要很高的专业技能和昂贵的时间开销。基于语料库的统计方法从大规模的文本语料中学习词汇同义关系，但是其习得的语义关系准确性尚不能令人满意。面向来自因特网的开放异构知识库，本文提出一种从其中提取同义关系的统计方法，可以进一步扩展和补充结构化同义词典知识库；在取得较高准确性的同时，提高词典知识库的同义关系覆盖率。在CCF的开放性语义关系评测中，本文提出的方法取得了宏平均F1值第三名和微平均F1值第二名的成绩。
P17	基于网络资源的词语语义关系自动获取	刘江鸣, 徐金安, 吴培昊, 张玉洁; 北京交通大学	针对中文词语语义关系自动获取的问题，提出了一种基于维基百科和百度百科等网络资源的同义及上下位语义关系的获取方案；实验结果显示，提出的语义关系获取方案，在同义关系和上下位关系自动识别中达到很好的效果。上下位关系自动识别宏平均达到0.4185，微平均达到0.5596。
P18	基于情感要素的中文观点句抽取与极性判别方法	刘楠, 何炎祥, 方文其, 彭敏, 刘健博, 黄佳佳; 武汉大学	本文提出一种通过建立情感词典和基于情感文本训练语料的来获取句子中的情感要素的观点句抽取与极性判别方法，通过将单一情感要素和复合情感要素汇总计算，构建主客观句抽取和情感句极性分析的处理流程。并提供可同时用于两种情感信息的情感信息抽取模型。通过参与公开评测，证明该方法的有效性。
P19	基于微博情感词典的中文微博客话题情感分析	崔安颀, 张昊辰, 刘奕群, 张敏, 马少平; 清华大学	提出基于微博情感词典的中文客话题分析方法。使用有代表性相关语与未登录，构建微博情感词典，可涵盖传统正式中词典中缺失的非正式用语。利标签迭代技术，自动计算微博情感词典中的词语情感得分。在微博客的上下文环境中，词语可能具有新含义或与传统相反。通过自动计算得到的情感得分更接近微博客中体现出的情感倾向。分类任务的评价结果表明使用微博词典可帮助识别微博句子主观性和情感倾向。
2011开放课题Poster
序号	标题	编号/承担人	承担单位
P20	中文微博中的情感语义研究	CCF2011-01-01 文坤梅	华中科技大学计算机科学与技术学院
P21	汉字可信编码及计算	CCF2011-01-02 杨玉星	河南师范大学（山西大学）
P22	汉字字形视觉重心的计算方法	CCF2011-01-03 张俊松	厦门大学信息科学与技术学院
P23	基于约束条件随机场的电子图书在版编目数据抽取技术研究	CCF-DP2011-02-03 董永权	徐州师范大学
P24	图书在版编目（CIP）数据提取研究	CCF-DP2011-02-03 陈毅东	厦门大学
Industrial Demo
序号	展位	展示成果	参展单位
ID1	7号展位/贾真	耶宝智慧中文分词系统	西南交通大学思维与智慧研究所
ID2	4号展位/周明	微软自动对联；英库（必应）词典；英库字幕翻译；英库拼音输入法；新一代多语言自动问答系统；网络语言模型（Web-Ngram）	微软亚洲研究院；微软雷蒙德研究院
ID3	5号展位/周明	必应搜索引擎(bing.com)	微软亚洲互联网工程院
ID4	2号展位/汤帜	普适性文档（CEBX）技术及其应用	数字出版国家重点实验室（北大方正集团有限公司）
ID5	6号展位/陈丹	优课数字化教学应用系统	明博教育科技有限公司
ID6	3号展位/吕雅娟	多语言翻译研究与应用	中国科学院计算技术研究所
ID7	1号展位/高鹏	紫冬口译	中国科学院自动化研究所

NLP&CC 2012

会议主办方
会议承办方
会议协办方

会议赞助方