新闻 | 杨尔弘：基于语言数据的智能辅助学习初探

2020-12-14 田苗苗孔存良谢晨晖

12月12日晚，北京语言大学杨尔弘教授于“全球中文教学线上交流平台（第十一场）：基于语料库/数据库的国际中文教学与研究”研讨活动上做学术报告。报告题目为：基于语言数据的智能辅助学习初探。报告中，杨尔弘教授介绍了动态流通语料库（DCC），并重点介绍了我组近期面向智能辅助学习开展的相关研究工作。

动态流通语料库

动态流通语料库（DCC）由张普教授创立，现由北京语言大学国家语言监测与研究（平面媒体）中心维护管理。该语料库采样全国100多份报纸，涵盖中国各省市，每年递增20多亿字次。DCC语料库具有历时、动态更新、实态记录等特点，可提供任意词语的历时使用分布数据，是语言生活研究、服务与应用的历时大数据。此外，DCC语料库还支持了《通用规范汉字表》和《汉语国际教育用音节汉字词汇等级划分》的研制。在报告中，杨尔弘教授以图表的形式展示了时空二维视角下的字词语研究。

智能辅助学习

近期，我组基于语言数据，面向智能辅助学习（Intelligent Computer-Assisted Language Learning, ICALL）开展了一系列探索研究。在报告中，杨尔弘教授重点介绍了“文心”汉语学习者语料库、“文心”作文辅助写作、“文心”词典辅助编纂等工作。

“文心”汉语学习者语料库

“文心”汉语学习者语料库（YACLC）是一个大规模多标注语料库，主要收集、加工汉语学习者在使用第二语言进行交流时说或写的语言。
有以下三个主要特点：

数据来源多样：YACLC的数据来源包括了网络、各大高校、HSK考试等，从多角度反映出真实的汉语学习者语言状况；
标注形式丰富：语料库不仅标注学习者在语言使用中产生的偏误，也进行了依存句法标注和语义标注（处理加工时以句为单位）等；
加工方式独特：在处理加工时，采取众包的方式，对语料进行多人标注，同时对标注的质量加以控制。

目前，“文心”汉语学习者语料库已经为CGED 2020（中文语法偏误检测比赛）提供了数据支撑，并拟在CCL 2021（中国计算语言学大会）上举办语法偏误修正、二语分词及词性标注、二语依存句法分析、语义角色分析等技术测评。

“文心”作文辅助写作

“文心”作文辅助写作的核心技术为自动语法改错（Grammatical Error Correction），旨在借助计算机，自动将存在语法偏误的句子修改为语法正确的句子，以帮助汉语学习者提升汉语能力，并且减轻汉语教师的作业批改负担。目前，“文心·写作”系统均已上线，欢迎点击文末链接试用。

“文心”词典辅助编纂

“文心”词典辅助编纂的核心技术为释义自动生成，可以为给定的词语和上下文，使用计算机自动生成该词语在当前上下文中的释义。该技术可以为未被词典收录的新词语自动生成释义，也可以生成词语在特定语境下的释义。“文心·词典”也已经上线，欢迎大家试用。

相关系统链接（目前只支持电脑端）：

文心·写作（英文）：https://iwriter.wenmind.net
文心·写作（中文）：https://writer.wenmind.net
文心·词典：https://dictionary.wenmind.net

以上系统均处于开发阶段，如有疑问，请关注公众号后在后台留言提问。