一、研究進(jìn)展情況
① 研究計(jì)劃總體執(zhí)行情況及各子課題進(jìn)展情況
2014年7月——2016年7月，是本項(xiàng)目推進(jìn)的關(guān)鍵時(shí)期。項(xiàng)目組按照項(xiàng)目的計(jì)劃順利推進(jìn)，開展研究。
在2年的時(shí)間里，總體執(zhí)行情況如下：完善了知識(shí)庫(kù)的構(gòu)建，真對(duì)名詞物性角色，填寫了部分詞匯的知識(shí)；在多級(jí)語(yǔ)料庫(kù)的加工與挖掘方面，在完成規(guī)范的制定的基礎(chǔ)上，開展了規(guī)模化的加工工作；進(jìn)一步設(shè)計(jì)了和實(shí)現(xiàn)了多個(gè)數(shù)據(jù)加工眾包平臺(tái)，包括指代關(guān)系標(biāo)注，句間關(guān)系標(biāo)注和名詞物性角色的填寫；在多視角語(yǔ)義分析方面也取得了一系列的成果，包括縮略語(yǔ)識(shí)別、實(shí)體關(guān)系分類與實(shí)體鏈接分析、也開展了不規(guī)范文本的語(yǔ)義分析和校對(duì)研究的工作。
在2年的時(shí)間里，我們已經(jīng)發(fā)表學(xué)術(shù)論文21篇，包括發(fā)表于計(jì)算語(yǔ)言學(xué)領(lǐng)域和人工智能領(lǐng)域的頂級(jí)國(guó)際會(huì)議。此外，還申請(qǐng)專利3項(xiàng)，申請(qǐng)軟件著作權(quán)3項(xiàng)。圓滿完成了相應(yīng)時(shí)期的任務(wù)。
下面分別介紹各子課題的進(jìn)展情況。
子課題1：基于生成詞庫(kù)理論和論元結(jié)構(gòu)理論的語(yǔ)義知識(shí)體系研究
子課題針對(duì)常用的名詞詞條，按照設(shè)計(jì)的知識(shí)庫(kù)結(jié)構(gòu)進(jìn)行了知識(shí)項(xiàng)的填寫，共達(dá)一百多萬(wàn)字。每個(gè)詞條的知識(shí)分三個(gè)部分：第一部分是對(duì)詞條百科知識(shí)的說明，第二部分是基于生成詞庫(kù)理論，對(duì)詞條物性結(jié)構(gòu)方面的描述，共包括施成、功用、構(gòu)成、形式、處置、處置和評(píng)價(jià)等九種角色；第三部分是根據(jù)實(shí)際語(yǔ)料，對(duì)這些名詞的實(shí)際句法配位做了窮盡性的例句展示。這樣的知識(shí)庫(kù)，不僅有利于中文信息處理中的信息抽取和信息檢索工作，也可以作為一種語(yǔ)法學(xué)習(xí)詞典，供本族人和外國(guó)留學(xué)生學(xué)習(xí)和查閱使用。
子課題有三位研究生分別圍繞現(xiàn)代漢語(yǔ)雙賓結(jié)構(gòu)、現(xiàn)代漢語(yǔ)旁格賓語(yǔ)結(jié)構(gòu)和現(xiàn)代漢語(yǔ)名詞謂語(yǔ)句等具體語(yǔ)法現(xiàn)象，利用生成詞庫(kù)論的物性結(jié)構(gòu)理論完成了自己的碩士學(xué)位論文。相關(guān)論文也在投稿發(fā)表之中。
在這2年時(shí)間里，子課題組在核心期刊上發(fā)表相關(guān)論文4篇。
子課題2：網(wǎng)絡(luò)文本的多級(jí)加工與語(yǔ)言知識(shí)挖掘研究
在近兩年，子課題主要圍繞以下四個(gè)方面開展了研究：
1)制定了多視圖的漢語(yǔ)樹庫(kù)標(biāo)注規(guī)范，在人民日?qǐng)?bào)、微博語(yǔ)料上標(biāo)注了較大規(guī)模的漢語(yǔ)樹庫(kù)
2)制定漢語(yǔ)句際關(guān)系的標(biāo)注體系，針對(duì)漢語(yǔ)特點(diǎn)提出了解決方案，在人民日?qǐng)?bào)3個(gè)月語(yǔ)料上標(biāo)注了所有的句際關(guān)系。
3)對(duì)網(wǎng)絡(luò)語(yǔ)言的處理與挖掘。在詞語(yǔ)層面，探討了情感極性詞的自動(dòng)挖掘與判定方法；在句子層面，對(duì)于社區(qū)問答中的多小句復(fù)雜問句的分割與處理進(jìn)行了研究。
4)其他相關(guān)研究。研究了漢語(yǔ)開放領(lǐng)域的信息抽取方法，提出了基于依存的詞語(yǔ)embedding計(jì)算方法及其在類比計(jì)算中的應(yīng)用。
子課題3：基于群體智慧的知識(shí)資源加工技術(shù)及眾包平臺(tái)研究
為便于語(yǔ)料和知識(shí)加工，子課題組在近兩年內(nèi)進(jìn)一步完善并擴(kuò)展了眾包平臺(tái)的功能，主要研究如下：
1)進(jìn)一步完善了眾包平臺(tái)的一般性框架構(gòu)建，包括加工結(jié)果的展示模塊，語(yǔ)料（知識(shí)）加工模塊，候選答案推薦模塊。
2)進(jìn)一步完善了加工質(zhì)量控制模塊，包括參與者行為跟蹤記錄模塊。通過日志形式，動(dòng)態(tài)記錄用戶的行為軌跡。
3)在原有指代消解的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)了句間關(guān)系加工眾包平臺(tái)功能，在實(shí)際標(biāo)注過程中發(fā)揮了重要的作用。
4)設(shè)計(jì)實(shí)現(xiàn)了名詞基本物性角色標(biāo)注的眾包平臺(tái)，含有自動(dòng)標(biāo)注，答案推薦，錯(cuò)誤校正等主要功能。
子課題組已針對(duì)平臺(tái)的設(shè)計(jì)申請(qǐng)并獲批了2項(xiàng)軟件著作權(quán)。
子課題4：知識(shí)與統(tǒng)計(jì)相結(jié)合的多視角文本語(yǔ)義分析技術(shù)研究
網(wǎng)絡(luò)文本的語(yǔ)義分析技術(shù)是不規(guī)范語(yǔ)言分析的重要內(nèi)容，在過去的2年里，子課題主要開展了如下研究：
1)進(jìn)一步研究了漢語(yǔ)縮略語(yǔ)問題。縮略語(yǔ)是一種非規(guī)范的語(yǔ)言表示，也是網(wǎng)絡(luò)語(yǔ)言的主要形式之一。子課題重點(diǎn)研究了縮略語(yǔ)的分析和挖掘方法。
2)研究了實(shí)體關(guān)系的抽取與分類、實(shí)體挖掘與實(shí)體鏈接等問題。實(shí)體語(yǔ)義是不同于詞義的一種語(yǔ)義，這種語(yǔ)義直接與現(xiàn)實(shí)進(jìn)行對(duì)接。在網(wǎng)絡(luò)語(yǔ)言中，實(shí)體的出現(xiàn)十分頻繁。為此，子課題重點(diǎn)研究了實(shí)體關(guān)系發(fā)現(xiàn)、實(shí)體關(guān)系分類、實(shí)體挖掘和實(shí)體鏈接等問題。
3)研究并設(shè)計(jì)了基于網(wǎng)絡(luò)社區(qū)的問答系統(tǒng)。像百度知道之類的社區(qū)問答是互聯(lián)網(wǎng)中的一種典型服務(wù)。社區(qū)問答中積累了大量的問題-答案對(duì)，其中，很多問題-答案對(duì)可能會(huì)被反復(fù)使用。充分利用這類資源為用戶提供再次服務(wù)或再次類似服務(wù)具體有特別重要的意義。子課題對(duì)此進(jìn)行了深入研究。
4)研究了針對(duì)文本表達(dá)不規(guī)范的分析問題。表達(dá)的不規(guī)范和用語(yǔ)的臨時(shí)性是網(wǎng)絡(luò)文本的主要特點(diǎn)，子課題就網(wǎng)絡(luò)文本中的不規(guī)范性，研究了文本校對(duì)方法。
子課題組在這2年的時(shí)間里，取得了一系列的研究成果，申請(qǐng)專利3項(xiàng)，軟件著作權(quán)1項(xiàng)，發(fā)表論文8篇。
②調(diào)查研究及學(xué)術(shù)交流情況（調(diào)研數(shù)據(jù)整理運(yùn)用、文獻(xiàn)資料收集整理、學(xué)術(shù)會(huì)議、學(xué)術(shù)交流、國(guó)際合作等）
本項(xiàng)目開始于2013年1月，在2014年6月之前主要是項(xiàng)目的調(diào)研，2014年6月之后的2年時(shí)間里，調(diào)研不是本項(xiàng)目的主要任務(wù)，但仍然會(huì)根據(jù)任務(wù)需要開展一些必要的調(diào)研，包括資料的收集，數(shù)據(jù)的整理等。這一階段，以任務(wù)的推進(jìn)為主，包括上述的研究。在這一時(shí)期，項(xiàng)目組參加了一系列的學(xué)術(shù)活動(dòng)。具體而言，我們開展的調(diào)研和學(xué)術(shù)交流情況如下：
(1)進(jìn)一步開展了數(shù)據(jù)收集和分析：主要包括，大規(guī)模命名實(shí)體數(shù)據(jù)的采集，為實(shí)體的挖掘和實(shí)體關(guān)系、屬性知識(shí)的抽取做了準(zhǔn)備；借助于搜索引擎，收集了3種類型的社區(qū)問答數(shù)據(jù)，包括天氣問答，航空問答，快遞問答。這一數(shù)據(jù)為本項(xiàng)目開展社區(qū)問答的研究打下了良好的基礎(chǔ)。此外，還就餐飲行業(yè)收集了一定規(guī)模的會(huì)話數(shù)據(jù)。
(2)進(jìn)一步查閱大量的文獻(xiàn)資料。深度學(xué)習(xí)和問答會(huì)話是當(dāng)前自然語(yǔ)言處理研究的熱點(diǎn)，本項(xiàng)目結(jié)合任務(wù)要求，查閱了大量相關(guān)的文獻(xiàn)和資料，包括相關(guān)的培訓(xùn)講義，獲得的相關(guān)知識(shí)在本項(xiàng)目的開展中發(fā)揮了重要作用，形成了多個(gè)成果。
(3)參加了多個(gè)學(xué)術(shù)會(huì)議。除了項(xiàng)目各子課題進(jìn)行討論之外，項(xiàng)目組成員參加了一系列的學(xué)術(shù)會(huì)議，包括2014年8月在都愛爾蘭柏林舉辦的自然語(yǔ)言處理高水平學(xué)術(shù)會(huì)議COLING-2014，2014年10月在卡塔爾多哈舉辦的高水平學(xué)術(shù)會(huì)議EMNLP-2014，2014年11月在武漢舉辦的全國(guó)計(jì)算語(yǔ)言學(xué)會(huì)議CCL-2014，2014年12月在深圳舉辦的NLPCC-2014中文計(jì)算會(huì)議。此外，2015年分別參加在延吉舉辦的少數(shù)民族語(yǔ)言處理會(huì)議，本項(xiàng)目負(fù)責(zé)人王厚峰還應(yīng)邀作特邀報(bào)告。2015年還應(yīng)哈爾濱工業(yè)大學(xué)（深圳研究生院）邀請(qǐng)參加學(xué)術(shù)討論，受邀到廣東外語(yǔ)外貿(mào)大學(xué)講座等；2015年還參加知識(shí)圖譜、CCL-2015, NLPCC-2015等多個(gè)學(xué)術(shù)會(huì)議。2016年7月，參加在紐約舉辦的人工智能頂級(jí)學(xué)術(shù)會(huì)議IJCAI-2016。其間，我們就目前正在開展的工作分別同與會(huì)人員進(jìn)行了討論。
③成果宣傳推介情況（成果發(fā)布會(huì)、《工作簡(jiǎn)報(bào)》報(bào)送情況、國(guó)家社科基金?？陡寮安捎们闆r等）
本項(xiàng)目的成果推介形式主要是學(xué)術(shù)報(bào)告，此外，還利用特邀報(bào)告重點(diǎn)介紹項(xiàng)目的研究成果，如，在少數(shù)民族語(yǔ)言信息處理的學(xué)術(shù)會(huì)議和在廣東外語(yǔ)外貿(mào)大學(xué)的邀請(qǐng)報(bào)告。
二、研究成果情況
①代表性成果簡(jiǎn)介
2014年6月以來，我們繼續(xù)按照項(xiàng)目任務(wù)開展研究，取得了一系列的成果，下面僅介紹5項(xiàng)代表性的成果。
1)知識(shí)庫(kù)的構(gòu)建
語(yǔ)言知識(shí)庫(kù)建設(shè)是本項(xiàng)目的基礎(chǔ)，也是語(yǔ)義分析的關(guān)鍵。本項(xiàng)目按照任務(wù)要求，進(jìn)一步按照任務(wù)書要求工作。進(jìn)行了知識(shí)的分類，完成一百多萬(wàn)字的填寫工作。如下是我們填寫的一個(gè)詞條的例子：
白酒 báijiǔ〈名詞，中性〉用高粱、玉米、甘薯等糧食或某些果品發(fā)酵、蒸餾制成的酒，沒有顏色，含酒精量較高，也叫燒酒、白干兒。
〔1〕物性角色：
形式FOR：一種液體食物；
構(gòu)成CON：由淀粉或糖質(zhì)原料制成酒醅或發(fā)酵醪經(jīng)蒸餾而得，用熟糧食和菌種混合培養(yǎng)，制成曲后，再和糧食混合同時(shí)進(jìn)行糖化和發(fā)酵制成糧食酒、再蒸餾。根據(jù)香型，可以分為醬香型、濃香型、清香型、米香型等。
單位UNI：不定：點(diǎn)、些；名量：杯、瓶、壺、碗、口、盅，等等；類屬：種；
評(píng)價(jià)EVA：中檔、優(yōu)質(zhì)、劣質(zhì)、普通、名優(yōu)、假冒、新型，等等；
施成AGE：加工、生產(chǎn)、勾兌、釀造、兌制，等等；
功用TEL：喝、飲用、食用，等等；
處置HAN：倒、命名、購(gòu)買、送、銷售、摻、裝、賣、進(jìn)口，等等；
〔2〕句法格式：
S1：CON +＿
如：清香型～｜米香型～｜濃香型～｜醬香型～
S2：Num + UNI +＿
如：一杯～｜一碗～｜一種～｜一些～｜一點(diǎn)～｜一口～｜一瓶～｜一壺～｜一種～｜一盅～
S3：EVA +（的+）＿
如：高檔～｜中檔～｜低檔～｜劣質(zhì)～｜名優(yōu)～｜假冒～｜新型～
S4：AGE +＿
如：加工～｜生產(chǎn)～｜勾兌～｜釀造～｜兌制～
S5：TEL +＿
如：喝～｜食用～｜飲用～
S6：HAN +＿
如：倒～｜命名～｜購(gòu)買～｜送～｜賣～｜銷售～｜進(jìn)口～｜摻～｜裝～
圖 1 依存視圖示例
2) 構(gòu)建了大規(guī)模、多領(lǐng)域、多視圖句法樹庫(kù)
在句法樹庫(kù)構(gòu)建方面已取得很大進(jìn)展，相關(guān)論文發(fā)表于2014年8月在愛爾蘭都柏林召開的COLING-2014上和中文信息學(xué)報(bào)2015年第3期和第5期，具體內(nèi)容包括：
圖 2 短語(yǔ)結(jié)構(gòu)語(yǔ)法視圖示例
（1）設(shè)計(jì)了一套依存句法標(biāo)注體系及標(biāo)注規(guī)范。部分依存關(guān)系類型繼承自哈工大依存樹庫(kù)，新增的依存關(guān)系類型包括話題、強(qiáng)調(diào)、間接賓語(yǔ)、行為賓語(yǔ)、數(shù)量補(bǔ)語(yǔ)、共享并列等；
（2）設(shè)計(jì)了由依存視圖向短語(yǔ)結(jié)構(gòu)視圖轉(zhuǎn)換的算法并進(jìn)行了程序?qū)崿F(xiàn)，開發(fā)了一套支持依存和短語(yǔ)結(jié)構(gòu)兩個(gè)視圖的標(biāo)注工具。圖 1和圖 2分別是句子“根據(jù)資源情況，各地建立和完善了一大批農(nóng)副產(chǎn)品市場(chǎng)，以組織和引導(dǎo)農(nóng)戶進(jìn)行生產(chǎn)?！钡囊来嬉晥D和短語(yǔ)結(jié)構(gòu)語(yǔ)法視圖，后者根據(jù)所設(shè)計(jì)的算法自動(dòng)生成。
（3）已完成560萬(wàn)字句法樹庫(kù)的標(biāo)注，其中500萬(wàn)字為人民日?qǐng)?bào)語(yǔ)料，60萬(wàn)字為微博語(yǔ)料（基于NLPCC2012微博情感評(píng)測(cè)語(yǔ)料）。其中1.4 萬(wàn)句新聞?wù)Z料（人民日?qǐng)?bào)）已可免費(fèi)共享。
（4）基于這一系列樹庫(kù)，通過句法分析實(shí)驗(yàn)考察質(zhì)量、規(guī)模、領(lǐng)域差異等因素對(duì)中文依存分析的影響，實(shí)驗(yàn)結(jié)果表明：（a）樹庫(kù)規(guī)模和質(zhì)量均與句法分析精度成正相關(guān)關(guān)系，質(zhì)量應(yīng)先于規(guī)模因素被優(yōu)先考慮；（b）通用樹庫(kù)和領(lǐng)域樹庫(kù)之間的差異程度與前者對(duì)后者的替代性成相關(guān)關(guān)系；（c）兩種樹庫(kù)混合使用的效果同樣與領(lǐng)域差異有關(guān)。
3) 設(shè)計(jì)了漢語(yǔ)語(yǔ)病分析模型
在語(yǔ)言文本中，語(yǔ)病的分析和識(shí)別是一個(gè)非常重要的基礎(chǔ)性問題，在網(wǎng)絡(luò)語(yǔ)言中，該問題尤為突出。為此，本項(xiàng)目開展了針對(duì)性的研究。
本項(xiàng)目提出了基于深度神經(jīng)網(wǎng)絡(luò)與多標(biāo)記分類的病句檢測(cè)方法（參圖3）。
基本思想是通過從句子中提取特征，將句子變?yōu)樘卣飨蛄?；再將特征向量輸入到深度神?jīng)網(wǎng)絡(luò)模型中，獲得深層次特征表示；最后針對(duì)于多標(biāo)記分類的神經(jīng)網(wǎng)絡(luò)輸出，獲得最終多標(biāo)記分類結(jié)果，從而準(zhǔn)確定位句子究竟包含哪些錯(cuò)誤。實(shí)現(xiàn)了將句子的特征表示升級(jí)到基于神經(jīng)網(wǎng)絡(luò)的隱藏層表示中，通過多標(biāo)記的方法輸出可能的語(yǔ)病，從而完成病句的檢測(cè)?？梢宰R(shí)別句子中的多種語(yǔ)病，避免了人工選擇特征，同時(shí)也能確保多種語(yǔ)病預(yù)測(cè)的準(zhǔn)確度。
我們提出的方法已經(jīng)申請(qǐng)專利。
4) 提出了一種問題理解的方法
本項(xiàng)目還研究了一種問答系統(tǒng)中問句理解的方法。主要思想是基于循環(huán)神經(jīng)網(wǎng)絡(luò)方法，將問句理解中意圖識(shí)別和槽填充這兩個(gè)任務(wù)及其關(guān)聯(lián)性進(jìn)行聯(lián)合學(xué)習(xí)，基于循環(huán)神經(jīng)網(wǎng)絡(luò)來聯(lián)合建模一同解決意圖識(shí)別和槽填充，利用這兩個(gè)任務(wù)之間的關(guān)聯(lián)性更好地實(shí)現(xiàn)兩個(gè)任務(wù)。在不同的數(shù)據(jù)集上測(cè)試表明，本方法能夠提高兩個(gè)任務(wù)的準(zhǔn)確率，可以用于問答系統(tǒng)中的問句理解。圖4是基本構(gòu)架圖。
圖4. 問答系統(tǒng)的問題理解框架
上述成果已申請(qǐng)發(fā)明專利。
5) 實(shí)現(xiàn)了名詞物性角色的在線標(biāo)注眾包平臺(tái)
名詞物性角色在線標(biāo)注系統(tǒng)主要提供了句子的自動(dòng)篩選和預(yù)標(biāo)功能。從生語(yǔ)料（LDC Chinese Gigaword）中，只抽取含目標(biāo)名詞和一個(gè)待標(biāo)動(dòng)詞的句子，降低動(dòng)詞的搭配歧義。
在線標(biāo)注系統(tǒng)的基本功能框架如下圖5所示。
圖5. 在線標(biāo)注平臺(tái)的實(shí)現(xiàn)框架
其中，句子篩選模塊用于抽取含目標(biāo)名詞和一個(gè)待標(biāo)動(dòng)詞的句子。CNN神經(jīng)網(wǎng)絡(luò)模型：提供了相應(yīng)名詞的動(dòng)詞物性角色推薦。
在線標(biāo)注系統(tǒng)為參與者提供了便捷的標(biāo)注界面，并保存標(biāo)注結(jié)果和實(shí)時(shí)的標(biāo)注日志。
上述成果已經(jīng)申請(qǐng)軟件著作權(quán)保護(hù)。
①階段性成果清單
論文：
1)王璐璐、袁毓林《述結(jié)式與“把”字句的構(gòu)式意義互動(dòng)研究》，《語(yǔ)言教學(xué)與研究》，2016年第3期。
2)王璐璐、孫薇薇、袁毓林《“把”字句的自動(dòng)釋義與句式變換研究》，《計(jì)算機(jī)工程與應(yīng)用》，2015年第19期。
3)周韌《兼類說反思》，《語(yǔ)言科學(xué)》2015年第5期。
4)宋作艷、趙青青、亢世勇《漢語(yǔ)復(fù)合名詞語(yǔ)義信息標(biāo)注詞庫(kù)：基于生成詞庫(kù)理論》（《中文信息學(xué)報(bào)》2015年第3期）
5)Likun Qiu, Yue Zhang, Peng Jin, Houfeng Wang, Multi-view Chinese Treebanking. Proceedings of COLING 2014, 2014-08-23
6)Likun Qiu and Yue Zhang, ZORE: A Syntax-based System for Chinese Open Relation Extraction. Proceedings of EMNLP 2014. 2014-10-25
7) Likun Qiu, Yue Zhang, Yalan Lu. Syntactic Dependencies and DistributedWord Representations for Chinese Analogy Detection and Mining. Proceedings of EMNLP 2015,2015-09-21
8)邱立坤，金澎，王厚峰，基于依存語(yǔ)法構(gòu)建多視圖漢語(yǔ)樹庫(kù)，中文信息學(xué)報(bào)，2015年第3期
9)邱立坤、史林林、王厚峰，多領(lǐng)域中文依存樹庫(kù)構(gòu)建與影響統(tǒng)計(jì)句法分析因素之分析，中文信息學(xué)報(bào)，2015年第5期
10)吳云芳，徐藝峰，王愷然，漢語(yǔ)篇章級(jí)小句關(guān)系的標(biāo)注體系，中文信息學(xué)報(bào)，2015年第3期
11)Wu Yunfanf, Wan Fuqiang, Xu Yifeng, Lv Xueqiang，A New Ranking Method for Chinese Discourse Tree Building，北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2016年2月
12)Fei Wang, Yunfang Wu，Sentiment-Bearing New Words Mining: Exploiting Emoticons and Latent Polarities，Proceedings of CICLing 2015.
13)Yixiu Wang, Yunfang Wu, Xueqiang Lv, Multi-sentence Question Segmentation and Compression for Question Answering. NLPCC2015, LNCS9362(Springer)
14)Minghua Zhang, Yunfang Wu, ICL00 at SemEval-2016 Task 3: Translation-Based Method for CQA. Proceedings of SemEval-2016.
15) 宋洋，王厚峰，基于馬爾可夫邏輯網(wǎng)絡(luò)的中文零指代消解，計(jì)算機(jī)研究與發(fā)展，2015(09),2114-2122
16) 宋洋，王厚峰，共指消解研究方法綜述，中文信息學(xué)報(bào)，2015(1),1-12
17) 陳晨，王厚峰，中文跨文本人名同名同指消解研究，江西師范大學(xué)學(xué)報(bào):自然科學(xué)版, 2015, 02期(2),111-116
18)RuiCai, Houfeng Wang, and Junhao Zhang. Learning Entity Representation for NamedEntity Disambiguation. CCL&NLP-NABD 2015, LNAI 9427(Springer), 267-278
19)RuiCai, Miaohong Chen, and Houfeng Wang. Nonparametric Symmetric CorrespondenceTopic Models for Multilingual Text Analysis. NLPCC2015, LNCS9362(Springer), 270-281
20)Qing Zhang, Houfeng Wang. Not All Links Are Created Equal: An Adaptive Embedding Approach for Social Personalized Ranking. SIGIR-2016, July 17-21, 2016, Pisa, Italy
21)Qing Zhang, Houfeng Wang. Collaborative Filtering with Generalized Laplacian Constraint via Overlapping Decomposition, 2016, 2329-2335
專利：
1) 一種基于深度神經(jīng)網(wǎng)絡(luò)與多標(biāo)記分類的病句檢測(cè)方法, 申請(qǐng)?zhí)枺?01510408379.4
2)一種基于深度學(xué)習(xí)的會(huì)話情感自動(dòng)分析方法，申請(qǐng)?zhí)枺?01510731781.6
3)一種問答系統(tǒng)中的問句理解方法，申請(qǐng)?zhí)枺?01610512191.9
軟件著作權(quán)：
1)GLEANER眾包平臺(tái)系統(tǒng)V1.0, 登記號(hào)：2015SR137669
2)領(lǐng)域適應(yīng)的漢語(yǔ)分詞系統(tǒng)V1.0，登記號(hào)：2015SR161286
3)漢語(yǔ)名詞物性知識(shí)在線加工系統(tǒng)V1.0，登記號(hào)：2016SR172188
課題組供稿
RM新时代APP官网