作者：劉群老師（華為諾亞方舟實(shí)驗(yàn)室?語音語義首席科學(xué)家）

主頁：https://liuquncn.github.io/

大家紅，這里是NewBeeNLP。周末轉(zhuǎn)一篇?jiǎng)⑷豪蠋煂懹?006年的舊文，很長(zhǎng)，很有意思，強(qiáng)烈推薦，適合NLPer收藏慢慢看。本文已獲劉老師轉(zhuǎn)載授權(quán)，原文鏈接可以點(diǎn)擊文末"閱讀原文"查看。

---

序

引言

在二室

攻讀碩士學(xué)位

開始獨(dú)立研究·跟北大計(jì)算語言所合作

計(jì)算所改革·跟李所長(zhǎng)第一次接觸

二室的一些人和事

對(duì)智能中心的印象

在軟件室

計(jì)算所的新氣象

研究工作進(jìn)展

軟件室的一些事情·跟李所長(zhǎng)第二次接觸

在數(shù)字化室

研究工作進(jìn)展和取得的成績(jī)

獲得博士學(xué)位

跟李所長(zhǎng)的第三第四次接觸

結(jié)語

后記

---

序

這篇文章，本來是為計(jì)算所建所50周年寫的一篇稿子，標(biāo)題是“計(jì)算所往事回顧”，發(fā)表在計(jì)算所網(wǎng)站建所50周年的專欄上。因?yàn)槲疫@些年來的工作與北大計(jì)算語言所有密不可分的聯(lián)系，我在寫初稿的時(shí)候，花了很大篇幅介紹我跟北大計(jì)算語言所合作的情況。初稿寫成后，我請(qǐng)了很多人幫我看，包括北大計(jì)算語言所的俞老師、詹衛(wèi)東、常寶寶等人，他們看到我對(duì)以前的這些事情的回憶都很感慨，也給了我很多的鼓勵(lì)。后來在計(jì)算所網(wǎng)站上正式發(fā)表時(shí)，考慮到這篇稿子畢竟是為計(jì)算所建所50周年而寫的，我與北大合作的這些事情與這個(gè)主題關(guān)聯(lián)不大，所以就忍痛刪掉了很多這方面的文字，另外也刪掉了一些比較具體的技術(shù)細(xì)節(jié)。現(xiàn)在征得俞老師同意，把這篇稿子的全文發(fā)表在“燕園時(shí)語”上，補(bǔ)上了被刪除的部分，標(biāo)題改成“計(jì)算所與北大往事回顧”。不過原來文章是以我在計(jì)算所的經(jīng)歷為主線來寫的，這一點(diǎn)沒有改動(dòng)。謹(jǐn)以此文獻(xiàn)給這十幾年來跟我一起在自然語言處理和機(jī)器翻譯領(lǐng)域并肩戰(zhàn)斗過的老師、同學(xué)和朋友們。借用詹衛(wèi)東給我的郵件中的一句話：衷心祝愿我們這些一起戰(zhàn)斗過的NLPers一切順利。

引言

計(jì)算所宣傳外聯(lián)辦的祁威跟我約稿，要我為計(jì)算所建所50周年專刊寫篇稿子，回憶一下我所經(jīng)歷的一些事情。她的來信引起了我對(duì)往事的一些回憶。我是1989年進(jìn)入計(jì)算所的碩士研究生，畢業(yè)后一直留所工作至今。比起計(jì)算所的老同志來說，我在所里的時(shí)間并不算太長(zhǎng)。不過在現(xiàn)在的計(jì)算所，放眼望去，到處都是生氣勃勃的年輕人，與計(jì)算所的絕大部分人比起來，我也確實(shí)應(yīng)該算得上是“老”員工了。不算在研究生院（玉泉路）學(xué)習(xí)的一年時(shí)間，我在計(jì)算所已經(jīng)工作了整整16個(gè)年頭。雖然我只是計(jì)算所一個(gè)普通研究人員，計(jì)算所這些年來發(fā)生的一些重大事件，我們并不處在這些事件的中心，但對(duì)于我們具體的每個(gè)人來說，還有很多的小事，同樣值得我們?nèi)セ匚丁Ｒ苍S正是這些小事，可以從一個(gè)側(cè)面，佐證我們計(jì)算所這些年來輝煌而又曲折的發(fā)展歷史吧。

在二室

先說說我自己的經(jīng)歷吧。

攻讀碩士學(xué)位

我是1989年作為免試推薦的碩士生進(jìn)入計(jì)算所的。當(dāng)時(shí)報(bào)的導(dǎo)師是高慶獅院士（當(dāng)時(shí)還叫學(xué)部委員）。進(jìn)所的時(shí)候，因?yàn)楦咴菏砍鰢?guó)未回，我的導(dǎo)師改成了張祥研究員，也就是當(dāng)時(shí)計(jì)算所二室的主任。在玉泉路學(xué)習(xí)的一年很快就過去了，回到所里的時(shí)候，我和師妹韓向陽都被分到了陳肇雄博士領(lǐng)導(dǎo)的機(jī)器翻譯課題組，師弟潘偉被分到了蔣賢春負(fù)責(zé)的漢字識(shí)別課題組。

我剛到計(jì)算所二室的時(shí)候，張祥老師還是863專家組的組長(zhǎng)，那時(shí)二室還是非常紅火的。1990年我們剛從玉泉路回所的時(shí)候，趕上在京西賓館舉行EST863工作站的鑒定會(huì)，規(guī)模非常大。

接下來的兩年，我開始在陳肇雄課題組研究機(jī)器翻譯，這個(gè)課題組承擔(dān)了863的“智能型機(jī)器翻譯”項(xiàng)目，課題經(jīng)費(fèi)是74萬元人民幣。當(dāng)時(shí)參加這個(gè)項(xiàng)目的，除了計(jì)算所的人以外，還有很多合作單位，包括北京科技大學(xué)、中國(guó)科技情報(bào)所、珠海科健公司、北京工業(yè)大學(xué)等等，研究開發(fā)工作進(jìn)行得非常紅火。這段時(shí)間的工作，使我對(duì)計(jì)算語言學(xué)和機(jī)器翻譯的研究發(fā)生了極大的興趣。在我以后的經(jīng)歷中，雖然換過好幾個(gè)地方，但我的研究工作一直集中在這個(gè)領(lǐng)域，沒有離開過。

1992年，我順利完成碩士學(xué)習(xí)和碩士論文（我的論文主要是做其中的知識(shí)庫管理系統(tǒng)），獲得了碩士學(xué)位。也就在這個(gè)時(shí)期，機(jī)器翻譯課題組的工作取得了重大的進(jìn)展。課題組和香港權(quán)智公司簽署了協(xié)議，權(quán)智公司投入74萬美元，課題組投入機(jī)器翻譯技術(shù)，雙方共同合作成立了“科智”公司，將系統(tǒng)植入權(quán)智公司的“快譯通”產(chǎn)品之中。由于權(quán)智公司的產(chǎn)品早已行銷全世界，產(chǎn)品的銷路完全不成問題，而這又是全世界第一個(gè)帶有全文翻譯功能的電子辭典產(chǎn)品，這是一次非常好的合作，引起了轟動(dòng)。從此以后，陳肇雄的事業(yè)開始走上了快車道，先是于1993年和1995年分別獲得中科院科技進(jìn)步一等獎(jiǎng)和國(guó)家科技進(jìn)步一等獎(jiǎng)，而后又在1997年離開計(jì)算所，成立了華建公司。華建的機(jī)器翻譯產(chǎn)品也一直是市場(chǎng)上最好的機(jī)器翻譯產(chǎn)品之一，這是后話了。

也就在我們畢業(yè)的時(shí)候，陳肇雄脫離了計(jì)算所二室，成立了計(jì)算所機(jī)器翻譯中心。我的師妹韓向陽跟陳肇雄去了機(jī)器翻譯中心，師弟潘偉去了美國(guó)，而我則選擇留在了二室。

開始獨(dú)立研究·跟北大計(jì)算語言所合作

碩士畢業(yè)后，我就一直在考慮今后的研究方向。導(dǎo)師張祥給了我很大的選擇余地，讓我自己做出選擇。經(jīng)過一段時(shí)間考慮，我還是決定繼續(xù)做機(jī)器翻譯研究。我選擇的課題是漢英機(jī)器翻譯。之所以選擇這個(gè)課題，是因?yàn)楫?dāng)時(shí)陳肇雄做的主要是英漢翻譯，我不希望做的工作跟他們重復(fù)，另外，從研究角度說，漢英機(jī)器翻譯難度更大，對(duì)漢語研究來說意義也更大。張祥老師同意我的選擇，并許諾給我盡可能的支持。方向定下來以后，我就開始埋頭考慮設(shè)計(jì)方案，到1993年上半年，初步的設(shè)計(jì)方案已經(jīng)成型，系統(tǒng)設(shè)計(jì)已經(jīng)詳細(xì)到了模塊一級(jí)，詞典、規(guī)則庫的定義也都已經(jīng)完成。這時(shí)我開始考慮尋找合作者。由于做漢英翻譯的研究主要需要尋找漢語語言學(xué)方面的合作者，我首先想到了北京大學(xué)計(jì)算語言學(xué)研究所的俞士汶老師。俞士汶老師是我碩士論文答辯的主席，他的學(xué)者風(fēng)度給我留下了深刻印象。我主動(dòng)找上門去跟俞老師討論合作事宜。現(xiàn)在想起來確實(shí)冒昧。那時(shí)我還是一個(gè)剛剛碩士畢業(yè)的學(xué)生，俞老師已經(jīng)是成名的學(xué)者，而我又要求進(jìn)行以我為主的合作，現(xiàn)在看起來，幾乎是一件不太可能的事情。沒想到這次合作竟然奠定了我們以后長(zhǎng)期合作的基礎(chǔ)，我也最終成為了俞老師的博士研究生。這是后話，下面還會(huì)說到。

當(dāng)時(shí)俞老師在仔細(xì)聽取了我的設(shè)想以后，初步同意了合作，但希望能夠在仔細(xì)研究我的設(shè)計(jì)方案后再做出最后決定。我回去后，就把總體的設(shè)計(jì)方案交給了俞老師，其中詞典設(shè)計(jì)和規(guī)則庫設(shè)計(jì)都是用類似BNF范式的形式描述的。俞老師在仔細(xì)研究了我的方案后，完全同意了跟我合作，我們簽署了一個(gè)簡(jiǎn)單的合作協(xié)議，由計(jì)算所提供很少的一筆研究經(jīng)費(fèi)和一臺(tái)計(jì)算機(jī)，北大協(xié)助我按照我的設(shè)計(jì)方案，完成詞典和語料庫的設(shè)計(jì)和調(diào)試，雙方共同合作開發(fā)一個(gè)漢英機(jī)器翻譯系統(tǒng)。合作期限是1993年8月到1995年1月。

協(xié)議簽署后，我們就分頭開始了開發(fā)。我主要進(jìn)行軟件開發(fā)，北大一個(gè)小組在我的指導(dǎo)下進(jìn)行詞典和規(guī)則庫的開發(fā)。當(dāng)時(shí)北大這個(gè)小組由當(dāng)時(shí)在北大讀碩士的周強(qiáng)負(fù)責(zé)，參加的人有段惠明老師、王惠老師、碩士生和博士生詹衛(wèi)東、博士生常寶寶、碩士生陶曉鵬等人。到1995年，一個(gè)原型系統(tǒng)已經(jīng)完成，這個(gè)系統(tǒng)運(yùn)行于Sun工作站之上，詞典規(guī)模只有5000條。雖然這個(gè)原型系統(tǒng)還很簡(jiǎn)單，但已經(jīng)具備了一個(gè)機(jī)器翻譯程序所需的基本功能。初步的成功讓我們備受鼓舞，我和俞老師都同意將這項(xiàng)合作繼續(xù)進(jìn)行下去，開發(fā)一個(gè)初步實(shí)用的漢英機(jī)器翻譯系統(tǒng)。

1996年和1997年，我們又就這個(gè)項(xiàng)目跟北大簽署過兩個(gè)補(bǔ)充協(xié)議，一方面是繼續(xù)合作，另一方面，我們以非常優(yōu)惠的價(jià)格購買了北大開發(fā)的一些語言資源和工具。這一階段，除了軟件的繼續(xù)完善以外，還有兩件工作量比較大的事情，一個(gè)是將系統(tǒng)從Unix平臺(tái)移植到Windows平臺(tái)，另一個(gè)是詞典的開發(fā)。詞典的知識(shí)來源主要有三個(gè)部分。第一部分是漢語的語法信息，主要來源于北大提供的漢語語法信息詞典。第二部分是詞的語義信息，是我們課題組自己獨(dú)立開發(fā)的，我們?cè)O(shè)計(jì)了一套當(dāng)時(shí)比較先進(jìn)的語義描述體系，一方面通過一個(gè)語義分類體系（現(xiàn)在通常稱為本體Ontology）描述每個(gè)詞的語義，還可以對(duì)每個(gè)詞配價(jià)關(guān)系的描述來說明一個(gè)詞可以跟哪些語義的詞搭配。這部分開發(fā)工作由北大的王惠老師負(fù)責(zé)。第三部分是漢語詞到英語詞的翻譯信息，也是我們根據(jù)幾部漢英詞典獨(dú)立開發(fā)的。1996年，我們就漢英機(jī)器翻譯系統(tǒng)申請(qǐng)了863項(xiàng)目并得到了支持，經(jīng)費(fèi)16萬元人民幣，不久以后又得到了一個(gè)計(jì)算所所長(zhǎng)基金的支持，這標(biāo)志著我們的機(jī)器翻譯研究正式從自選項(xiàng)目的狀態(tài)轉(zhuǎn)入了官方認(rèn)可的狀態(tài)。1998年，863項(xiàng)目結(jié)束，我們的系統(tǒng)也初步開發(fā)完成。當(dāng)年，我們參加了863專家組組織的中文信息處理與智能人機(jī)接口技術(shù)評(píng)測(cè)，參加漢英機(jī)器翻譯評(píng)測(cè)的共有三個(gè)系統(tǒng)，我們?cè)诜g質(zhì)量方面以比第二名微弱的優(yōu)勢(shì)獲得第一，但在用戶界面方面，由于程序運(yùn)行過程中的一個(gè)錯(cuò)誤被扣分，導(dǎo)致總分名列第二。當(dāng)時(shí)的評(píng)測(cè)結(jié)果全文刊登在《計(jì)算機(jī)世界》報(bào)上。這是我們的系統(tǒng)第一次出現(xiàn)在公眾視野中，應(yīng)該說，成績(jī)還不錯(cuò)。這次評(píng)測(cè)給了我們很大的信心。

從我1992年畢業(yè)到1998年我們的系統(tǒng)在863評(píng)測(cè)中取得較好的成績(jī)，我的工作應(yīng)該說出現(xiàn)了一個(gè)小的高潮。這一年我的一篇論文發(fā)表在美國(guó)的AMTA會(huì)議上，我在1997年評(píng)上了副研究員。更重要的是，我在工作中結(jié)識(shí)了很多今后非常好的朋友。在計(jì)算所，除了我以外，先后加入了我這個(gè)小組的有博士生劉穎、王斌、李素建、魯松和員工葉煜。王斌后來留在計(jì)算所，先后在軟件室和前瞻研究中心工作，現(xiàn)在是前瞻研究中心信息檢索課題組組長(zhǎng)。劉穎畢業(yè)后去了清華大學(xué)當(dāng)老師。李素建和魯松來得比較晚，很快就隨著所里的改革進(jìn)入新所軟件室，葉煜工作很短時(shí)間后就離所了。北大的詹衛(wèi)東這期間獲得了碩士學(xué)位，并開始攻讀博士學(xué)生。我們幾個(gè)人長(zhǎng)年在一個(gè)辦公室工作，結(jié)下了深厚的戰(zhàn)斗友誼。特別值得一提的是詹衛(wèi)東，他在我這個(gè)課題組工作的時(shí)間最長(zhǎng)。他是北大中文系陸儉明教授的學(xué)生，在漢語語法研究方面有很深厚的功底，對(duì)漢語的各種語言現(xiàn)象非常熟悉，在課題組內(nèi)負(fù)責(zé)規(guī)則庫的編制和調(diào)試。對(duì)于他來說，用形式化的計(jì)算機(jī)規(guī)則方式處理語言是一種全新的體驗(yàn)，尤其是在進(jìn)行機(jī)器翻譯的時(shí)候，就會(huì)發(fā)現(xiàn)，機(jī)器翻譯所要處理的語言學(xué)問題跟他平時(shí)在語言學(xué)領(lǐng)域關(guān)心的語言學(xué)問題差距非常大，他會(huì)經(jīng)常發(fā)現(xiàn)各種各樣的問題提出來跟我們討論。而我當(dāng)時(shí)也對(duì)漢語的分析非常感興趣，看了很多語言學(xué)、特別是漢語語法理論的書籍，我們經(jīng)常就語言學(xué)中的大大小小的各種問題進(jìn)行非常深入的探討。由于機(jī)器翻譯幾乎涉及到一種語言的所有各種語言知識(shí)，所以我們的討論也涉及到了語言學(xué)的方方面面，我們把語言學(xué)中的很多概念按照我們的理解重新進(jìn)行了清理，形成了我們共同的一些理念。這種討論讓我們都受益頗深，對(duì)我們今后的工作都產(chǎn)生了非常深遠(yuǎn)的影響。對(duì)我來說，我從一個(gè)語言學(xué)的門外漢變成了一個(gè)“票友”，對(duì)語言學(xué)的各種理論我至今都有著濃厚的興趣。語言對(duì)我來說不再只是計(jì)算機(jī)處理的一堆數(shù)據(jù)，而是在其背后隱藏著深刻的規(guī)律性。到現(xiàn)在，雖然我們已經(jīng)完全轉(zhuǎn)到了統(tǒng)計(jì)機(jī)器翻譯這個(gè)方向，但我并沒有像一些純粹的經(jīng)驗(yàn)主義者一樣，對(duì)語言知識(shí)在機(jī)器翻譯翻譯中的應(yīng)用失去信心，而是一直堅(jiān)持把一些語言學(xué)的知識(shí)引入到統(tǒng)計(jì)方法中，并獲得了某種程度的成功。我也堅(jiān)信，結(jié)合語言知識(shí)的統(tǒng)計(jì)模型將是機(jī)器翻譯方法的最終歸途，我們將沿著這個(gè)方向一直走下去。對(duì)于詹衛(wèi)東來說，機(jī)器翻譯的工作經(jīng)驗(yàn)使他相比于其他的語言學(xué)研究者而言具備了一種獨(dú)特的視角，這種視角更加全面、更加理性，這也使得他的研究工作在語言學(xué)界受到了更加廣泛的關(guān)注。詹衛(wèi)東于1999年博士畢業(yè)，他的博士論文“面向中文信息處理的現(xiàn)代漢語短語結(jié)構(gòu)規(guī)則研究”就是根據(jù)他在機(jī)器翻譯中的工作總結(jié)提煉形成的，這篇論文獲得了2001年全國(guó)百篇優(yōu)秀博士論文獎(jiǎng)。現(xiàn)在詹衛(wèi)東已經(jīng)是北大中文系應(yīng)用語言學(xué)方面的負(fù)責(zé)人，而且擔(dān)任了北大計(jì)算語言學(xué)研究所的副所長(zhǎng)。

對(duì)于當(dāng)年開發(fā)的這套基于規(guī)則的機(jī)器翻譯系統(tǒng)，我現(xiàn)在想起來還是比較滿意的。這個(gè)系統(tǒng)最大的優(yōu)點(diǎn)在于提供了一套具有強(qiáng)大的翻譯知識(shí)表達(dá)能力的規(guī)則描述語言。通常，基于規(guī)則的機(jī)器翻譯系統(tǒng)最大的問題就在于詞典和規(guī)則庫的調(diào)試。一般情況下，沒有經(jīng)過數(shù)十乃至數(shù)百人月的調(diào)試，規(guī)則數(shù)目沒有數(shù)千條以上，系統(tǒng)很難達(dá)到初步可用的水平。而我們的系統(tǒng)除了在詞典開發(fā)階段招聘了一些臨時(shí)人員以外，一般只有兩三個(gè)人進(jìn)行詞典和規(guī)則庫的開發(fā)，真正進(jìn)入調(diào)試階段只有三四個(gè)月的時(shí)間，調(diào)試了四千個(gè)左右的漢語句子，就在863評(píng)測(cè)中取得了較好的成績(jī)。這一方面得力于詹衛(wèi)東博士深厚的漢語語言學(xué)功底，為我們的規(guī)則系統(tǒng)打下了良好的基礎(chǔ)，另一方面，也確實(shí)是因?yàn)槲覀兌x的規(guī)則描述語言非常強(qiáng)大，可以比較清晰準(zhǔn)確地描述各種類型和各種層次的語言知識(shí)，為詹衛(wèi)東這樣的語言專家提供了得心應(yīng)手的工具。詹衛(wèi)東博士對(duì)這套規(guī)則描述語言使用得非常順手，以至于直接用在了他的語言研究工作中。在他的博士論文以及其他一些論文中，都直接采用這套規(guī)則描述語言。而且，后來由于我轉(zhuǎn)到了統(tǒng)計(jì)機(jī)器翻譯方法，原來的系統(tǒng)已經(jīng)棄之不用了。但詹衛(wèi)東博士對(duì)這個(gè)系統(tǒng)仍然不忍放棄，我就把系統(tǒng)的全部源代碼給了他。他把其中的漢語分析部分獨(dú)立出來，后來，他又帶了一個(gè)學(xué)生，在我的幫助下，把原來的規(guī)則描述語言進(jìn)一步完善，主要是增加了一些內(nèi)嵌的函數(shù)，并增加了主觀評(píng)分機(jī)制，使得規(guī)則的描述能力更加強(qiáng)大。詹衛(wèi)東博士把這套句法分析器和他后來開發(fā)的句法樹庫管理工具結(jié)合起來，構(gòu)成了一個(gè)完整的漢語句法知識(shí)管理平臺(tái)，他至今仍在使用。其中的漢語句法分析器在面對(duì)真實(shí)語料的時(shí)候正確率能夠達(dá)到60%以上，這對(duì)于一個(gè)基于規(guī)則的系統(tǒng)來說是非常不容易做到的。有趣的是，詹衛(wèi)東作為一個(gè)語言學(xué)家，為了開發(fā)這套工具，自學(xué)起了C++語言，到后來自己已經(jīng)成了半個(gè)編程高手了，程序中的很多問題他都親自上陣解決，當(dāng)然也免不了有一段時(shí)間經(jīng)常就一些比較難解決的問題“騷擾”我。由此也可見詹衛(wèi)東的勤奮與鉆研精神。對(duì)這套工具，我們一直希望把文檔好好整理出來，將有關(guān)成果發(fā)表成論文，并將這套工具公開出來提供給其他語言學(xué)研究人員使用。到現(xiàn)在為止他可能覺得一直還不完善，所以還沒有這樣做。但我想這是遲早的事情。

除此之外，我們這個(gè)機(jī)器翻譯系統(tǒng)還產(chǎn)生了一些有意義的結(jié)果。我們開發(fā)的機(jī)器翻譯詞典的語義部分，采用了前面提到的基于配價(jià)的描述模式。雖然我們?cè)谠~典的語義分類體系設(shè)計(jì)和詞典開發(fā)的質(zhì)量方面都做得非常粗糙，但這種思想還是很先進(jìn)的。當(dāng)時(shí)組織這部詞典開發(fā)的北大教師王惠發(fā)表的一篇介紹這部語義詞典的論文就有很高的引用率。這種基于配價(jià)的語義詞典設(shè)計(jì)思想明顯不同于自然語言處理界常見的語義詞典（如同義詞詞林、Hownet、Wordnet）的組織形式，比較適合于機(jī)器翻譯系統(tǒng)的使用（目前看來，這種設(shè)計(jì)思想有點(diǎn)類似于Fillmore設(shè)計(jì)的FrameNet的思想）。俞老師對(duì)我們這套詞典的設(shè)計(jì)思想非常欣賞，后來北大計(jì)算語言所和北大中文系合作在這種設(shè)計(jì)框架下完成了一部新的《現(xiàn)代漢語語義詞典》。

另外，我們還跟俞士汶老師簽署了一份協(xié)議，授權(quán)北大計(jì)算語言所幫我們轉(zhuǎn)讓這個(gè)機(jī)器翻譯系統(tǒng)的成果，包括其中的軟件和詞典等等。由于俞士汶老師開發(fā)的漢語語法信息詞典影響非常之大，全世界開展?jié)h語自然語言處理研究的幾乎所有著名的大學(xué)和研究機(jī)構(gòu)都陸續(xù)跟俞老師談判轉(zhuǎn)讓了這部詞典的使用權(quán)。在談判的過程中，俞老師也順便跟這些機(jī)構(gòu)推薦轉(zhuǎn)讓我們機(jī)器翻譯系統(tǒng)的成果，幾年下來，竟然也收獲頗豐，轉(zhuǎn)讓次數(shù)估計(jì)有七八次吧，轉(zhuǎn)讓金額總數(shù)也有近百萬元人民幣，其中一半左右分到了計(jì)算所。我記得還有一份軟件還免費(fèi)轉(zhuǎn)讓給了香港中文大學(xué)做教學(xué)用。

計(jì)算所改革·跟李所長(zhǎng)第一次接觸

在這一期863項(xiàng)目完成以后，我們的機(jī)器翻譯研究開始工作變得困難起來。雖然我們又成功申請(qǐng)了一期863重點(diǎn)課題，但實(shí)際上項(xiàng)目經(jīng)費(fèi)只到位5萬元。

1998年底，計(jì)算所新領(lǐng)導(dǎo)班子上任，高文任所長(zhǎng)，科學(xué)院宣布對(duì)計(jì)算所進(jìn)行重大改革，原來1000多人的計(jì)算所絕大部分人進(jìn)入企業(yè)形式的計(jì)算所二部，重新組建一個(gè)不到100人編制的小計(jì)算所，小計(jì)算所同時(shí)又是聯(lián)想研究院。這使得計(jì)算所進(jìn)入了一個(gè)動(dòng)蕩不安的時(shí)期，很長(zhǎng)一段時(shí)間，大家都人心惶惶，不知道將來要向何處去。后來，有一些人的去向逐漸明朗，部分人進(jìn)入計(jì)算所二部，另外少數(shù)人進(jìn)入新成立的小所，同時(shí)也是聯(lián)想研究院。不過讓我著急的是，我的工作沒有任何著落。原來的二室已經(jīng)解散，張祥老師出國(guó)了，這時(shí)劉穎已經(jīng)畢業(yè)去了清華大學(xué)，王斌剛剛畢業(yè)，留所進(jìn)了智能中心，而我既沒有進(jìn)入二部，也沒有被吸收進(jìn)小所，成了孤家寡人。從一些間接的消息看，小所似乎按部就班地成立并正式開始運(yùn)轉(zhuǎn)了，但對(duì)于我（可能還有其他一些人）來說，我沒有從任何正式的渠道得到小所成立的任何信息，也沒有任何人對(duì)我們將來的安排做出任何解釋或說明。我第一次對(duì)未來感到如此的茫然。其實(shí)我也不是沒有地方可去，俞士汶老師非常歡迎我進(jìn)入北大（俞老師很長(zhǎng)時(shí)間一直在北大為我保留了專門的工位和計(jì)算機(jī)，雖然我并沒有去北大上班），自動(dòng)化所模式識(shí)別實(shí)驗(yàn)室也在向我招手，還有一些公司只要我愿意也都可以去。但我還對(duì)計(jì)算所抱有一絲留戀，希望計(jì)算所能給我一個(gè)解釋，而不是這樣不明不白就走了。

那時(shí)我找了所里不少領(lǐng)導(dǎo)和部門的負(fù)責(zé)人，都得不到正面的答復(fù)。有一天下班的時(shí)候正好遇到李所長(zhǎng)（那時(shí)候還是智能中心主任），我就壯起膽子跟他打了個(gè)招呼，說想跟他談?wù)劇＠钏L(zhǎng)就帶我到他辦公室聊了一會(huì)兒。我跟他說了我的情況，表示了希望進(jìn)入智能中心的愿望。他對(duì)我的情況好像也大致知道，只是告訴我，我所做的機(jī)器翻譯研究，如果不能結(jié)合到具體的項(xiàng)目中，在智能中心會(huì)很困難。談話的時(shí)間很短。雖然他沒有正面答復(fù)我，但從他談話的口氣看，我感覺還是很有希望的。

這是我第一次跟李所長(zhǎng)直接接觸。我在計(jì)算所這么多年，跟李所長(zhǎng)的接觸并不多。不過，這寥寥可數(shù)的幾次接觸，對(duì)我的在計(jì)算所的工作都產(chǎn)生了重大的影響，后面我會(huì)陸續(xù)提到。

我最早認(rèn)識(shí)李國(guó)杰所長(zhǎng)，還是我在中國(guó)科學(xué)技術(shù)大學(xué)計(jì)算機(jī)系學(xué)習(xí)的時(shí)候。那時(shí)他剛從國(guó)外回國(guó)不久，我們學(xué)校的陳國(guó)良教授邀請(qǐng)他到我們系做了一個(gè)系列學(xué)術(shù)報(bào)告，介紹了國(guó)際上并行處理方面的最新動(dòng)態(tài)。不過那時(shí)候我對(duì)他的印象還不是很深。

到計(jì)算所以后，我才知道，李國(guó)杰已經(jīng)擔(dān)任了智能中心主任，名氣非常大，幾乎可以用如雷貫耳來形容。不過在很長(zhǎng)時(shí)間里，我都沒有跟他直接接觸過。對(duì)他的了解，都是通過各種媒體以及同事之間私下的交流得知的。這次也是走投無路了，才想起來去找他。

1999年末，所里的情況出現(xiàn)了大的變化，李國(guó)杰院士接任計(jì)算所所長(zhǎng)，計(jì)算所的改革方向逐漸明朗起來。計(jì)算所和聯(lián)想研究院進(jìn)行了明確的分割，計(jì)算所內(nèi)成立了六個(gè)實(shí)驗(yàn)室，而我也在2000年初得到樊建平副所長(zhǎng)的通知，讓我到白碩那兒報(bào)到，正式進(jìn)入新成立的由白碩擔(dān)任室主任的軟件研究室。

在我焦急等待的這段時(shí)間里，我做了一個(gè)重要決定，就是在1999年報(bào)考了北大的博士研究生，并被正式錄取為俞士汶老師的在職博士研究生。1999年末，俞士汶老師得到一個(gè)973子課題“面向新聞?lì)I(lǐng)域的漢英機(jī)器翻譯系統(tǒng)”，俞士汶老師讓我以計(jì)算所員工和北大博士生的雙重身份，擔(dān)任這個(gè)課題組的技術(shù)負(fù)責(zé)人，總算把我的機(jī)器翻譯研究工作延續(xù)下來了，不過主要的研究工作已經(jīng)從計(jì)算所轉(zhuǎn)到了北大，北大和計(jì)算所簽署了一個(gè)協(xié)議，分擔(dān)了其中的部分工作，這個(gè)項(xiàng)目的另一個(gè)合作單位是清華大學(xué)，由當(dāng)時(shí)已經(jīng)留在清華當(dāng)老師的周強(qiáng)博士帶兩個(gè)碩士生參加。

二室的一些人和事

我在二室的時(shí)間前后有10年之久，這里面經(jīng)歷了很多事情。其中還有一些人和事我覺得有必要寫出來。

高慶獅院士本來是我的碩士導(dǎo)師，但自從我到計(jì)算所以后很長(zhǎng)時(shí)間就一直沒有見過他。雖然如此，我還是聽到了很多有關(guān)他的傳說。后來到1990年代末他回國(guó)后，到北京科技大學(xué)工作，我聽了他的一次報(bào)告。我進(jìn)入軟件室以后，他也被李所長(zhǎng)重新請(qǐng)回計(jì)算所，我們接觸機(jī)會(huì)才多了一些。我跟高院士有過一些深入的交談，感覺高院士看問題總是站在很高的理論角度上，跟他的談話總是讓我很受啟迪，也讓我望塵莫及。

我剛到二室的時(shí)候有一個(gè)師姐張玉潔。她是高慶獅的學(xué)生，在我到二室的時(shí)候已經(jīng)碩士畢業(yè)留所工作，等我1992年碩士畢業(yè)留所的時(shí)候，她到日本去攻讀博士學(xué)位。沒想到，十幾年后我們竟然成了合作伙伴。我也忘了具體是什么時(shí)候，大概是2002年下半年吧，她所在的日本綜合通信研究所（現(xiàn)在已經(jīng)改名叫做日本情報(bào)通信研究機(jī)構(gòu)）希望到中國(guó)尋找合作機(jī)會(huì)，我們見過幾次面。后來，我們又在一個(gè)中日自然語言處理研討會(huì)上見了面，我們也互相對(duì)對(duì)方的工作有了比較多的了解，她在2004年初邀請(qǐng)我到日本進(jìn)行了一個(gè)月的訪問。這以后，我們就在一些領(lǐng)域開始了合作。最主要的合作是我們?cè)?63評(píng)測(cè)中的合作。她所在的研究所成了我們組織的863機(jī)器翻譯評(píng)測(cè)的日方合作單位，幫助我們組織日本的研究機(jī)構(gòu)參加評(píng)測(cè)、制作與日語相關(guān)的測(cè)試語料、并進(jìn)行與日語相關(guān)的機(jī)器翻譯人工評(píng)價(jià)。我們?cè)谶@方面的合作非常成功，并在2005年的MTSummitX會(huì)議上合作發(fā)表了兩篇學(xué)術(shù)論文。到現(xiàn)在，除了863評(píng)測(cè)，我們還在其他一些項(xiàng)目上開展了進(jìn)一步的合作，并且每年都在各種會(huì)議上有很多次見面交流的機(jī)會(huì)。

我對(duì)二室印象還比較深的一項(xiàng)工作是張玉志的計(jì)算機(jī)圍棋算法研究。計(jì)算機(jī)圍棋是一個(gè)非常困難的研究課題，當(dāng)時(shí)張玉志提出了一種類似于磁場(chǎng)的棋子影響力計(jì)算方法，可以比較方便地在序盤階段判斷雙方的勢(shì)力范圍，確定關(guān)鍵的位置，理論上做得相當(dāng)?shù)钠痢?990年張玉志還在計(jì)算所承辦了一次由臺(tái)灣應(yīng)昌期先生資助的世界電腦圍棋大賽，非常熱鬧。當(dāng)時(shí)有一個(gè)趣聞，據(jù)說是兩臺(tái)計(jì)算機(jī)下棋的時(shí)候，在一個(gè)地方形成了比氣互殺的局面，其中一方走出了一個(gè)“金雞獨(dú)立”，本來是活棋，眼看就可以殺死對(duì)方了，結(jié)果該方的計(jì)算機(jī)程序竟然主動(dòng)認(rèn)輸了，一時(shí)傳為笑談。我想現(xiàn)在的計(jì)算機(jī)圍棋程序應(yīng)該不至于犯這么低級(jí)的錯(cuò)誤了吧。另外一件值得一提的事情就是，當(dāng)時(shí)還進(jìn)行了少年棋手和計(jì)算機(jī)的比賽，都是讓子棋。雖然少年棋手贏得了大多數(shù)的比賽，但唯一一個(gè)獲得全勝的少年棋手就是常昊。當(dāng)時(shí)很多人都看好的這個(gè)毛頭小伙，現(xiàn)在已經(jīng)成了中國(guó)圍棋挑大梁的人物了，想起來不由得讓人感慨。計(jì)算機(jī)圍棋研究和機(jī)器翻譯研究一樣，都是對(duì)人類智力進(jìn)行挑戰(zhàn)的工作，我至今仍然認(rèn)為是非常有意思的，哪天要是等我有閑了，我倒很想嘗試一下。

我畢業(yè)后留在二室的時(shí)間里面，還有一小段時(shí)間跟劉志勇研究員做了一點(diǎn)并行算法的研究，幫他把一個(gè)在n-cube上的并行算法移植到了另外一種結(jié)構(gòu)上，還發(fā)表了一篇論文。后來不久劉志勇就調(diào)到國(guó)家自然科學(xué)基金委去工作了。

大概在1999年前后，我還跟李錦濤老師的課題組合作，將我們開發(fā)的漢英機(jī)器翻譯系統(tǒng)移植到了將要推出的聯(lián)想天璣掌上電腦中。我們順利完成了這項(xiàng)工作，不過后來聯(lián)想天璣正式推出的時(shí)候并沒有選擇我們的系統(tǒng)作為隨機(jī)軟件。

我在二室的時(shí)候，錢躍良老師一直擔(dān)任863專家組辦公室的主任，有一段時(shí)間還是二室的副主任。當(dāng)時(shí)我們打交道并不多。沒想到這么多年以后，我又進(jìn)入數(shù)字化研究室加入了錢老師的課題組，在錢老師的領(lǐng)導(dǎo)下工作。現(xiàn)在錢老師是我們多語言交互技術(shù)評(píng)測(cè)實(shí)驗(yàn)室的主任。

老二室的人現(xiàn)在還留在計(jì)算所的，除了高院士、錢老師、我和王斌以外，還有宋銦（軟件室秘書）、齊蓉（計(jì)算機(jī)研究與發(fā)展編輯部）等人。

對(duì)智能中心的印象

改革前的幾年，計(jì)算所很多部門的情況都是每況愈下。只有少數(shù)幾個(gè)部門情況較好，而智能中心無疑是其中狀況最好、也是最活躍的部門。我當(dāng)時(shí)由于埋頭機(jī)器翻譯的研究開發(fā)，對(duì)其他單位的情況并沒有太關(guān)心，但智能中心的一些情況還是不斷傳入耳中，我們知道了智能中心開發(fā)出了著名的曙光計(jì)算機(jī)、智能中心有很好的研究氛圍、智能中心的人收入很高，等等。二室的很多人也都陸續(xù)轉(zhuǎn)到了智能中心工作。我自己唯一跟智能中心接觸的機(jī)會(huì)就是參與了當(dāng)時(shí)智能中心討論班的一些討論。當(dāng)時(shí)兩周一次的智能中心討論班非常火爆，吸引了周邊各研究所和高校的很多青年人來參加，傳播了很多的新思想，討論非常活躍。我自己也應(yīng)邀在這個(gè)討論班上介紹了當(dāng)時(shí)我所在的陳肇雄機(jī)器翻譯課題組的一些情況。當(dāng)時(shí)負(fù)責(zé)這個(gè)討論班的是一個(gè)年輕的小伙子，他的名字我不記得了。剛開始，白碩還是北大的學(xué)生，他跟他的一個(gè)同學(xué)（忘了名字，好像姓王，單名）在這個(gè)討論班上非常活躍，名氣很大。后來白碩畢業(yè)后到智能中心工作，原來的討論班主持人也出國(guó)了，這個(gè)討論班就由白碩等人負(fù)責(zé)，延續(xù)了很長(zhǎng)一段時(shí)間。

在軟件室

計(jì)算所的新氣象

李國(guó)杰擔(dān)任所長(zhǎng)以后，計(jì)算所的面貌發(fā)生了很大的變化，各方面都開始顯現(xiàn)出一種蒸蒸日上的局面。在這種大的環(huán)境下面工作，人的精神面貌都一下子好了起來。

我所在的軟件研究室也是一個(gè)非常有活力的研究團(tuán)體。這里承擔(dān)了很多大型的國(guó)家項(xiàng)目，人才濟(jì)濟(jì)，研究氛圍非常好，學(xué)生們的思想也很活躍，大家工作也都特別努力。室主任白碩和后來接任的程學(xué)旗知識(shí)面都非常廣泛，對(duì)前沿的學(xué)術(shù)動(dòng)態(tài)也都很了解。在這種環(huán)境下，我的研究工作也取得了一些新的進(jìn)展。

研究工作進(jìn)展

2000在很多方面對(duì)我來說都是一個(gè)新的開始。我不僅僅是開始了博士階段的學(xué)習(xí)，開始進(jìn)入軟件室這樣一個(gè)新的環(huán)境，開始承擔(dān)了機(jī)器翻譯研究的新課題，而且開始做爸爸了。可以想象得到我當(dāng)時(shí)的手忙腳亂。

這時(shí)候我一直在考慮的一件事情就是，我們的機(jī)器翻譯研究下一步向什么方向去。按理說，如果要提高現(xiàn)有的基于規(guī)則的機(jī)器翻譯系統(tǒng)性能，應(yīng)該找人用大量各種各樣的句子進(jìn)行調(diào)試，改進(jìn)詞典和規(guī)則庫。但說老實(shí)話，我很不喜歡這種模式。因?yàn)榉彩钦{(diào)試過機(jī)器翻譯規(guī)則的人都知道，這是一件極其痛苦的事情。有點(diǎn)像計(jì)算機(jī)編程時(shí)的Debug，但不同之處是，機(jī)器翻譯規(guī)則的調(diào)試似乎是一個(gè)永遠(yuǎn)沒有盡頭的工作，我們經(jīng)常是按下葫蘆起來瓢（所謂翹翹板現(xiàn)象），這邊的句子調(diào)好，但原來調(diào)好的一些句子又出錯(cuò)了。雖然總體上說，系統(tǒng)的性能在不斷改進(jìn)，但這種改進(jìn)非常之慢，以至于這對(duì)于調(diào)試者來說，這是一件非常沒有成就感的事情。我自己就很不喜歡做這種事情，同樣也不希望讓別人去做這種事情。所以我已經(jīng)下決心拋棄這種大規(guī)模調(diào)試規(guī)則的方法了，而是希望從算法角度對(duì)機(jī)器翻譯系統(tǒng)的性能加以改進(jìn)。但當(dāng)時(shí)，我還看不清有什么方法能在本質(zhì)上超越規(guī)則方法，當(dāng)時(shí)主要的設(shè)想就是從以下幾個(gè)方面對(duì)機(jī)器翻譯系統(tǒng)加以改進(jìn)：

????●?改進(jìn)原有的漢語分詞程序和漢語句法分析程序；
????●?擴(kuò)大詞典規(guī)模；
????●?建立一個(gè)短語庫；
????●?構(gòu)造大規(guī)模雙語句子對(duì)齊語料庫；
????●?構(gòu)造小規(guī)模雙語組塊對(duì)齊語料庫，試圖從中自動(dòng)抽取規(guī)則；
????●?引入基于實(shí)例的機(jī)器翻譯引擎；
????●?采用多引擎方法，將基于實(shí)例的引擎和原有基于規(guī)則的系統(tǒng)以及其他一些技術(shù)結(jié)合起來，提高系統(tǒng)的綜合水平。

為了盡快推進(jìn)項(xiàng)目的進(jìn)展，在項(xiàng)目的初期，我想把我在計(jì)算所習(xí)慣的項(xiàng)目管理方法應(yīng)用到這個(gè)項(xiàng)目中，也就是制定比較詳細(xì)的進(jìn)度計(jì)劃，每周開會(huì)討論了解督促進(jìn)度。不過實(shí)踐證明這種做法在這個(gè)項(xiàng)目中行不通，北大和清華的老師和學(xué)生都不能適應(yīng)這種做法。我只好放棄了這種做法，還是大家分頭開發(fā)，最后集成。

經(jīng)過一段時(shí)間的討論和磨合，我們?nèi)齻€(gè)單位的分工逐漸清晰，清華主要負(fù)責(zé)提供一個(gè)漢語分詞模塊和一個(gè)漢英命名實(shí)體的翻譯模塊，北大主要負(fù)責(zé)資源的開發(fā)，包括雙語詞典的擴(kuò)充、語義詞典的擴(kuò)充和雙語語料庫的開發(fā)，以及完成一個(gè)基于實(shí)例的翻譯引擎。計(jì)算所（主要是我本人）主要負(fù)責(zé)多引擎方法的設(shè)計(jì)和系統(tǒng)的總體集成。實(shí)際上，對(duì)于北大和清華的研究開發(fā)工作，除了開始階段我試圖統(tǒng)一進(jìn)行管理那一階段，后來我就很少直接介入了，只是把他們開發(fā)的各種詞典、語料庫和工具集成到了我們最后的系統(tǒng)中。

當(dāng)時(shí)，計(jì)算所的開發(fā)人員主要是我自己，北大投入的人較多，包括詹衛(wèi)東（語料庫和詞典）、常寶寶（基于實(shí)例翻譯、語料庫）、孫斌（分詞）、王惠（語義詞典）、陳玉忠（組塊對(duì)齊的語料庫）、吳云芳（雙語短語庫）等人，還有一些短暫參加但很快就退出了，這里就不一一列出。清華大學(xué)除了帶隊(duì)的周強(qiáng)外，還有兩個(gè)碩士生（負(fù)責(zé)漢語的詞語切分和詞性標(biāo)注模塊和命名實(shí)體的翻譯模塊）。這時(shí)候周強(qiáng)已經(jīng)是清華大學(xué)的博士后了。

后來，在計(jì)算所我又有了幾個(gè)學(xué)生，也有一些員工參加了我這個(gè)組的一些工作。到2003年我離開軟件室為止，陸續(xù)在我這個(gè)組工作過的人包括我自己的學(xué)生王長(zhǎng)勝（他是中科院研究生院的學(xué)生，找到我做他的導(dǎo)師）、李繼峰、鄒綱、鄧丹，程學(xué)旗的學(xué)生張華平、白碩的學(xué)生張浩和李丙辰（后來根據(jù)他的個(gè)人興趣轉(zhuǎn)成了徐志偉副所長(zhǎng)的學(xué)生），客座員工張奕滔、張彤，客座研究生俞宏魁，員工周立新，另外員工黃雄和梁焰也少量參與這個(gè)項(xiàng)目的一些工作。

在軟件室這幾年（2000-2003），實(shí)際上也就是我在北大在職攻讀博士學(xué)位（1999-2004）的主要時(shí)間。剛開始，對(duì)于機(jī)器翻譯如何做，我的思路實(shí)際上并不很清晰，但我對(duì)機(jī)器翻譯的信念卻一直不減，在跟室主任程學(xué)旗的多次談話中我都跟他表達(dá)了我這種信念。我也要感謝軟件室當(dāng)時(shí)并沒有給我安排其他工程性的項(xiàng)目工作，讓我有精力在機(jī)器翻譯的各個(gè)方面做了很多的探索，雖然當(dāng)時(shí)這種探索并不很成功。

我在計(jì)算所的工作并沒有局限于只做多引擎方法和系統(tǒng)集成，而是跟小組的其它成員一起，幾乎嘗試了所有我能想到的各種方法，試圖提高機(jī)器翻譯系統(tǒng)的性能。雖然系統(tǒng)比原先簡(jiǎn)單的基于規(guī)則的系統(tǒng)有一定的提高，但總體效果并不顯著。這一段時(shí)間做的很多事情有些不了了之，但也有很多工作取得了很好的效果，為我今后的工作奠定了重要的基礎(chǔ)。下面我分別介紹這些工作。?

???●?雙語詞典

早期基于規(guī)則的機(jī)器翻譯系統(tǒng)一個(gè)重大缺陷就是詞典規(guī)模太小。于是我們就從網(wǎng)上收集了數(shù)十部各種形式的電子詞典，投入人力進(jìn)行數(shù)據(jù)整理和歸一化，得到了一部相當(dāng)規(guī)模的電子詞典（含大約42萬詞條）。這部分工作李丙辰開了一個(gè)頭，后來由于個(gè)人興趣原因，他很快就轉(zhuǎn)到了徐志偉所長(zhǎng)的網(wǎng)格組去了。不過這部分工作我們一直延續(xù)下來了，并把這部詞典以數(shù)據(jù)庫形式放在了網(wǎng)上供大家免費(fèi)查詢，竟然非常受歡迎。在沒有對(duì)這部詞典做任何宣傳的情況下，現(xiàn)在每天的訪問量都在1000次以上，很多人還經(jīng)常給我發(fā)信跟我探討這部詞典的一些問題。我們現(xiàn)在已經(jīng)把這部詞典擴(kuò)充到了數(shù)百萬詞條（沒有放到網(wǎng)上），不過由于我們后來參加的機(jī)器翻譯評(píng)測(cè)主要是參加受限語料的評(píng)測(cè)，這部詞典并沒有直接用上。不過我想這是一個(gè)非常寶貴的資源，總有發(fā)揮作用的時(shí)候。?

???●?雙語語料庫

早期我們的基于規(guī)則的系統(tǒng)是完全不使用語料庫的。自從我決定不再采用人工調(diào)試規(guī)則的方法以后，從語料庫中學(xué)習(xí)翻譯知識(shí)是必然的途徑。雖然具體采用哪一種策略還不明了，但是語料庫總是不可缺少的。雖然按照分工這一塊工作由北大來做，但我想語料庫總是多多益善的，所以我在計(jì)算所也組織課題組成員收集了一批語料庫，這項(xiàng)工作當(dāng)時(shí)由梁焰等人負(fù)責(zé)，總共收集了大約18萬句對(duì)。后來，我到數(shù)字化室以后，這些語料庫用在了我們承擔(dān)的一個(gè)973項(xiàng)目的子課題中，目前已經(jīng)可以通過ChineseLDC進(jìn)行轉(zhuǎn)讓，也可以在我們課題組的網(wǎng)站上在線查詢。我們后來的機(jī)器翻譯和詞語對(duì)齊等工作都使用了這個(gè)語料庫。后來我們組織的863評(píng)測(cè)，也把這個(gè)語料庫作為訓(xùn)練數(shù)據(jù)的一部分。但我們參加NIST評(píng)測(cè)并沒有使用這個(gè)語料庫，因?yàn)槲覀儏⒓拥氖窍薅ㄓ?xùn)練語料庫的項(xiàng)目，只能使用NIST指定的語料庫。?

???●?參加NIST評(píng)測(cè)

2002年，我了解到美國(guó)NIST要進(jìn)行一次機(jī)器翻譯評(píng)測(cè)，測(cè)試的語言主要是漢語到英語和阿拉伯語到英語的翻譯。由于我一直在做漢英機(jī)器翻譯，而且在1999年的863評(píng)測(cè)中也取得了不錯(cuò)的成績(jī)。漢語又是我們的母語，應(yīng)該說我們還是有一定優(yōu)勢(shì)的，所以我積極投入了漢英機(jī)器翻譯評(píng)測(cè)。由于時(shí)間緊迫，我無法對(duì)原有的程序做大的改進(jìn)，只是把我們收集的一部大規(guī)模漢英詞典加入了系統(tǒng)中。但結(jié)果卻讓我大失所望。由于我使用的是規(guī)則方法，完全沒有使用評(píng)測(cè)提供的任何語料和工具，而是使用了自己的詞典，所以我參加的是不受限語料的項(xiàng)目。結(jié)果在不受限語料項(xiàng)目的四個(gè)參評(píng)系統(tǒng)中，我們的結(jié)果排在最后一名，即使加上受限語料項(xiàng)目的六個(gè)參評(píng)系統(tǒng)，我們也只能排在倒數(shù)第二。這個(gè)結(jié)果讓我非常沮喪，但反過來，也讓我看清楚了，與傳統(tǒng)的規(guī)則方法相比，統(tǒng)計(jì)機(jī)器翻譯方法的優(yōu)勢(shì)已經(jīng)非常明顯，機(jī)器翻譯的研究轉(zhuǎn)向統(tǒng)計(jì)方法將是一個(gè)不可避免的趨勢(shì)。這件事使我最終下定決心轉(zhuǎn)到了統(tǒng)計(jì)方法上來。對(duì)我來說，雖然參評(píng)結(jié)果很差是一件壞事，但從另一個(gè)方面說，這件事讓我認(rèn)清了今后工作的方向，讓我看到了機(jī)器翻譯研究的希望所在，對(duì)我來說終究是好處多于壞處。?

???●?中文自然語言處理開放平臺(tái)

從事自然語言處理和機(jī)器翻譯研究這么多年，我有一個(gè)很深的感觸，就是這個(gè)領(lǐng)域門檻較高。從事這個(gè)領(lǐng)域的研究，如果沒有一定的基礎(chǔ)和積累，沒有一個(gè)合適的研究環(huán)境，是很難入門的。雖然很多研究者對(duì)中文的處理都非常感興趣，但苦于缺乏基礎(chǔ)，不得其門而入。因此，我一直很想為這些人做一些事情，以便降低這個(gè)研究領(lǐng)域的門檻，讓更多的研究者能夠方便地進(jìn)入這個(gè)領(lǐng)域，從事這方面的研究工作。恰逢當(dāng)時(shí)接觸了很多開放源代碼運(yùn)動(dòng)的資料，于是我就萌發(fā)了一個(gè)想法，就是借鑒開放源代碼的形式，做一個(gè)公益性的網(wǎng)站，專門提供免費(fèi)的中文自然語言處理方面的資料，不僅僅有源代碼，還可以有詞典、語料庫、論文、資料等等。在不侵犯別人知識(shí)產(chǎn)權(quán)的情況下，用戶可以上載自己手里的資源，也可以下載別人的資源。我想這一定會(huì)受到大家廣泛的歡迎的，對(duì)我們自己的學(xué)生上手進(jìn)行研究工作也是非常有益的。說干就干，我很快把我的想法寫成了計(jì)劃，跟軟件室負(fù)責(zé)人程學(xué)旗和白碩討論并得到初步認(rèn)可后，我們很快就申請(qǐng)了域名（nlp.org.cn），完成了設(shè)計(jì)，編寫了相關(guān)文檔（包括我們自己定義的開放資源授權(quán)協(xié)議），并請(qǐng)張奕滔開始實(shí)現(xiàn)這個(gè)系統(tǒng)。2002年8月，在北京大學(xué)召開了第一次學(xué)生計(jì)算語言學(xué)研討會(huì)，當(dāng)時(shí)我作為在職博士生擔(dān)任會(huì)議的程序委員會(huì)主席，在一篇論文中我介紹了這個(gè)想法，引起了很多人的注意。不久后我們的網(wǎng)站正式定名為“中文自然語言處理開放平臺(tái)”（以下簡(jiǎn)稱開放平臺(tái)），就正式運(yùn)行了。作為啟動(dòng)的第一批資源，我們把我們剛開發(fā)成功并獲得973評(píng)測(cè)第一名的漢語分詞系統(tǒng)ICTCLAS（后面還會(huì)有介紹）作為開放源代碼的資源放了上去，不久我們又整理了一批語料庫、詞典、開源的工具，后來詹衛(wèi)東博士也貢獻(xiàn)了他讀博士期間收集的一大批資料，我們的網(wǎng)站就紅紅火火地開張了。我當(dāng)時(shí)給科學(xué)時(shí)報(bào)寫了一篇稿子，他們很快采用并報(bào)道了，結(jié)果這篇稿子很快被很多報(bào)紙轉(zhuǎn)載，產(chǎn)生了很大的影響。現(xiàn)在這個(gè)網(wǎng)站每天下載的資源數(shù)量大約為200-500份，注冊(cè)用戶超過8000人。作為一個(gè)專業(yè)的學(xué)術(shù)網(wǎng)站，這無疑是很少見的。我們當(dāng)時(shí)希望，在google等搜索引擎上輸入“自然語言處理”六個(gè)字，我們的網(wǎng)站能很快就能找到。結(jié)果這個(gè)目標(biāo)很快就達(dá)到了。現(xiàn)在，在任何一個(gè)主流的搜索引擎上輸入這幾個(gè)字，我們的網(wǎng)站都牢牢占據(jù)了第一位。?

???●?漢語詞法分析

漢語詞法分析，包括漢語的切詞、未定義詞識(shí)別和詞性標(biāo)注，是很多漢語自然語言處理工作的基礎(chǔ)。從1980年代起，各國(guó)學(xué)者，尤其是中國(guó)學(xué)者在這方面投入的大量的精力。因?yàn)椴还茉谀姆矫嫜芯?#xff0c;比如機(jī)器翻譯、信息檢索、文本分類、自動(dòng)文摘等等，首先要做的都是切詞。由于沒有公開好用的切詞工具，所有從事中文自然語言處理研究的學(xué)者首先都要開發(fā)一個(gè)切詞系統(tǒng)，這就導(dǎo)致這方面的研究論文層出不窮。但如果仔細(xì)分析，會(huì)發(fā)現(xiàn)其中大部分的工作都是在低水平上重復(fù)。雖然有一些漢語切詞系統(tǒng)已經(jīng)達(dá)到相當(dāng)高的質(zhì)量（如北語的系統(tǒng)和北大的系統(tǒng)），但由于普通研究人員無法得到這樣的系統(tǒng)，因此對(duì)于絕大部分研究人員來說，缺乏好的分詞系統(tǒng)依然是一個(gè)非常嚴(yán)重的問題。由于分詞并不是一個(gè)很簡(jiǎn)單的問題，尤其是詞語切分歧義問題和未定義詞識(shí)別問題往往糾纏在一起，這就導(dǎo)致漢語的切詞變得比較困難，單純依靠規(guī)則方法很難得到很好的結(jié)果。而當(dāng)時(shí)采用統(tǒng)計(jì)方法進(jìn)行切詞研究的還不太多，尤其是將切詞、未定義詞識(shí)別和詞性標(biāo)注等問題結(jié)合起來的研究還非常少見。這也導(dǎo)致很多原本希望從事其他中文處理研究的學(xué)者不得不陷入了切詞問題的研究之中，而削弱了對(duì)其本來研究問題的關(guān)注。我自己在原來的機(jī)器翻譯系統(tǒng)中，也開發(fā)了一個(gè)純粹基于規(guī)則的漢語詞法分析系統(tǒng)。由于缺乏足夠的調(diào)試，分詞效果當(dāng)然很不理想，因此開發(fā)一個(gè)好的分詞系統(tǒng)也是一個(gè)迫在眉睫的問題。剛好這時(shí)候我看了很多自然語言處理中統(tǒng)計(jì)方法的文章，我發(fā)現(xiàn)，隱馬爾科夫模型是一種相當(dāng)強(qiáng)大的工具，應(yīng)該可以解決漢語詞法分析中的各種問題，包括切詞、未定義詞識(shí)別和詞性標(biāo)注。于是在2001年下半年，我開始讓張華平開展這方面的研究。張華平是個(gè)非常聰明也非常勤快的學(xué)生，雖然他原來并沒有任何自然語言處理工作的基礎(chǔ)，但他很快就動(dòng)手做了起來。剛開始他還不太能理解我的設(shè)想，就不斷地跟我來討論，在這種討論中他慢慢理解了我的設(shè)想，而且在一些細(xì)節(jié)上對(duì)我原先的設(shè)想也進(jìn)行了進(jìn)一步的改進(jìn)和完善。我們采用北京大學(xué)計(jì)算語言學(xué)研究所開發(fā)的人民日?qǐng)?bào)語料庫作為訓(xùn)練和測(cè)試語料，實(shí)驗(yàn)結(jié)果令我們非常滿意。2002年7月，我們參加了973項(xiàng)目組授權(quán)姚天順老師組織的漢語詞法分析評(píng)測(cè)，我們的系統(tǒng)ICTCLAS在參加評(píng)測(cè)的三個(gè)系統(tǒng)中，以微弱的優(yōu)勢(shì)領(lǐng)先第二名的系統(tǒng)獲得第一，這讓我們非常高興。

雖然我們的詞法分析程序效果非常好，但說實(shí)話我并沒有把這件事看得很重。畢竟詞法分析只是機(jī)器翻譯的第一步，而且是非常小的一步。我忽然有了一個(gè)想法，就是把這個(gè)系統(tǒng)以開放源代碼的形式公開出來，一方面，可以讓所有為漢語切詞而苦惱的人解脫出來，不要再糾纏在漢語切詞問題上，而可以關(guān)注他們應(yīng)該關(guān)注的研究問題。另一方面，可以為真正從事漢語分詞研究的人樹立一個(gè)標(biāo)桿，不要再做低水平重復(fù)的工作，至少跟我們這個(gè)系統(tǒng)相比水平要有所提高才有意義吧。這個(gè)想法得到批準(zhǔn)后，我們很快把我們的系統(tǒng)源代碼放到了剛開張的“開放平臺(tái)”上。正好這時(shí)計(jì)算所組織向社會(huì)公開了一批開放源代碼的工具，我們就把我們這套漢語詞法分析系統(tǒng)ICTCLAS和另一個(gè)漢語句法分析系統(tǒng)ICTPROP加入了這次活動(dòng)，通過計(jì)算所網(wǎng)站也向社會(huì)公開。在2002年底，我們了解到國(guó)際上剛剛成立的漢語處理興趣小組Sighan要舉辦第一屆漢語切詞評(píng)測(cè)比賽，我們也積極參加了這次評(píng)測(cè)比賽，評(píng)測(cè)時(shí)間是在2003年4月，結(jié)果我們?cè)谟嘘P(guān)漢語簡(jiǎn)體文字切分的四個(gè)評(píng)測(cè)項(xiàng)目中，得到了兩個(gè)第一名和一個(gè)第二名。這使得我們的研究工作在國(guó)際上引起了更多的關(guān)注。到目前為止，ICTCLAS已經(jīng)成為最有影響的漢語切詞工具，在計(jì)算所網(wǎng)站開源軟件網(wǎng)站上下載次數(shù)達(dá)4500多次，在“開放平臺(tái)”上的下載次數(shù)也應(yīng)該有數(shù)千次，加上用戶其他途徑的傳播，我們估計(jì)ICTCLAS的用戶數(shù)量應(yīng)該會(huì)有1萬以上。在Google等著名搜索引擎上搜索ICTCLAS，可以查詢到的網(wǎng)頁都在6000篇以上。東北大學(xué)的博士生張樂把這個(gè)系統(tǒng)移植到了Linux上，并把移植的結(jié)果上載到了“開放平臺(tái)”。在“共創(chuàng)軟件聯(lián)盟”上也出現(xiàn)了一個(gè)ICTCLASFORJAVA的項(xiàng)目。另外，網(wǎng)上還有大量的文章討論ICTCLAS的Bug，求解其中的問題。由于我們沒有提供英文的文檔，也沒有在英文網(wǎng)站上發(fā)布這個(gè)軟件，國(guó)外用這個(gè)軟件的人還不像國(guó)內(nèi)這么多。不過還是有很多中國(guó)研究人員把ICTCLAS用在了他們?cè)趪?guó)外研究機(jī)構(gòu)的研究成果中。在GoogleScholar上查詢ICTCLAS可以查到90篇文獻(xiàn)，其中就包括了很多國(guó)外的文獻(xiàn)。由于我們一直很忙，ICTCLAS的1.0版推出后，我們就一直沒有進(jìn)行升級(jí)，其中的一些Bug我們也沒有來得及打上補(bǔ)丁。不過我們現(xiàn)在已經(jīng)開始著手做這件事情，相信不久就會(huì)有2.0版本出來。另外，我們?cè)谡n題組的網(wǎng)站上也提供了ICTCLAS的在線測(cè)試版本，供大家隨時(shí)測(cè)試。?

???●?漢語句法分析

在進(jìn)行漢語詞法分析的同時(shí)，我們組另一個(gè)碩士生張浩也在進(jìn)行漢語句法分析的研究。我原來在機(jī)器翻譯中開發(fā)了一個(gè)基于規(guī)則的漢語句法分析器，我很希望張浩能開展統(tǒng)計(jì)句法分析的研究。張浩的導(dǎo)師白碩研究員對(duì)于漢語句法分析提出了一種叫做角色反演的算法，因此也同意張浩進(jìn)行這方面研究。張浩在查閱有關(guān)資料的基礎(chǔ)上，提出了一種基于結(jié)構(gòu)上下文特征的漢語句法分析算法，其中也實(shí)現(xiàn)了白碩提出的角色反演方法。這種算法比單純的概率上下文無關(guān)語法的句法分析性能有所提高。這種做法不同于當(dāng)時(shí)性能最好的詞匯化概率上下文無關(guān)語法相比。與詞匯化概率上下文無關(guān)語法相比，性能略低，但復(fù)雜度也較低。這個(gè)句法分析器雖然沒有達(dá)到當(dāng)時(shí)國(guó)際上已經(jīng)發(fā)表的最好水平（在同樣的訓(xùn)練和測(cè)試數(shù)據(jù)上比較），但比我原來的基于規(guī)則的句法分析器已經(jīng)有了大大的提高。我們后來把這個(gè)軟件的核心算法部分也以開放源代碼形式在“開放平臺(tái)”和計(jì)算所網(wǎng)站的免費(fèi)資源欄目同時(shí)公開了。在計(jì)算所網(wǎng)站上的下載次數(shù)同樣達(dá)到了4000多次。后來張浩畢業(yè)后去了美國(guó)Rochester大學(xué)讀博士，還是從事與自然語言處理相關(guān)的研究工作。我們到數(shù)字化室以后，我們課題組另外兩名碩博連讀生熊德意和米海濤后來繼續(xù)在漢語句法分析領(lǐng)域開展了很多研究工作，目前我們的系統(tǒng)性能已經(jīng)超過了國(guó)際上已經(jīng)報(bào)道的最好水平，而且這個(gè)句法分析器已經(jīng)用在了我們的統(tǒng)計(jì)機(jī)器翻譯研究中，發(fā)揮了很大的作用。這個(gè)系統(tǒng)也在我們課題組的網(wǎng)站上提供在線測(cè)試。

這段時(shí)間與句法分析相關(guān)的另一個(gè)工作是李素建在她的博士論文工作中開展了漢語組塊分析的研究，不過這項(xiàng)研究并沒有形成可使用的軟件工具。?

???●?基于知網(wǎng)的詞語相似度計(jì)算

基于知網(wǎng)的詞語相似度計(jì)算研究是我的一項(xiàng)意外收獲。2002年5月要在臺(tái)灣召開第一屆漢語詞匯語義學(xué)研討會(huì)，當(dāng)時(shí)我的導(dǎo)師俞士汶教授作為國(guó)內(nèi)召集人向大家征集論文摘要。我當(dāng)時(shí)響應(yīng)俞老師的號(hào)召，也投了一篇摘要，題目就是“基于知網(wǎng)的語義相似度計(jì)算”。當(dāng)時(shí)我并沒有做這項(xiàng)研究，只是有了一個(gè)朦朧的想法。因?yàn)樵~語相似度計(jì)算是很多場(chǎng)合都需要用到的一項(xiàng)技術(shù)，包括基于實(shí)例的機(jī)器翻譯也需要用到。而知網(wǎng)是一個(gè)內(nèi)容豐富的語義知識(shí)庫，但由于知網(wǎng)的結(jié)構(gòu)比較復(fù)雜，將知網(wǎng)應(yīng)用于實(shí)際的自然語言處理研究中的實(shí)例還不多見。因此我就有了這么一個(gè)想法，但當(dāng)時(shí)并沒有實(shí)現(xiàn)。加上這次會(huì)議為部分大陸的優(yōu)秀論文提供了去臺(tái)灣開會(huì)的資助，這對(duì)我也是很有吸引力的，所以我就提交了一份論文摘要，但也沒有抱多大希望。沒想到論文被錄用了，而且還得到了資助。我只好花了一些時(shí)間把這篇摘要擴(kuò)充成了完整的論文，為了用實(shí)驗(yàn)說明我這個(gè)算法的效果，我還開發(fā)了一個(gè)軟件來實(shí)現(xiàn)這種算法。后來這篇論文又被推薦到臺(tái)灣出版的ComputationalLinguistics and Chinese LanguageProcessing雜志上發(fā)表（2005年8月），我也把我開發(fā)的軟件的可執(zhí)行程序在網(wǎng)上公開了。讓我意外的是，這篇論文竟然引來了大量的關(guān)注，現(xiàn)在在GoogleScholar上查這篇文章已經(jīng)有39篇引用，是我的所有論文中引用率最高的一篇。知網(wǎng)的發(fā)明人董振東也非常欣賞這篇論文的工作，后來他在推出知網(wǎng)新版本的時(shí)候，也提供了一個(gè)詞語相似度計(jì)算工具，這個(gè)工具就是根據(jù)我這篇論文的思想編寫的。這真是無心插柳柳成蔭的一個(gè)最好注解。我以后也沒有再進(jìn)行這方面的研究工作。這次會(huì)議的另一個(gè)收獲就是讓我有機(jī)會(huì)踏上了祖國(guó)寶島臺(tái)灣，除了在臺(tái)北開會(huì)幾天以外，我們還到臺(tái)東的花蓮太魯閣一帶旅游，飽覽了臺(tái)灣美景，讓我至今難忘。?

???●?重復(fù)串識(shí)別和新詞檢測(cè)

漢語切詞中，未定義詞識(shí)別是一個(gè)最困難的問題。對(duì)于常見的人名、地名、機(jī)構(gòu)名等命名實(shí)體，我們采用隱馬爾科夫模型，已經(jīng)能夠較好地解決問題。但還有很多新詞仍然無法識(shí)別。但我們可以注意到，新詞往往在一篇文章中是反復(fù)出現(xiàn)的，利用這個(gè)特點(diǎn)，也許可以在一定程度上幫助進(jìn)行新詞語識(shí)別。另外，文章中的重復(fù)串其實(shí)不僅僅是詞語，通常還可以是一些有意義的短語，這對(duì)于句法分析等其他工作也都是非常有意義的。基于這個(gè)想法，我開始在課題組內(nèi)開展這方面的研究工作。客座員工張彤和碩士生鄒綱陸續(xù)開展了這方面的研究工作，實(shí)驗(yàn)取得了很好的效果。后來我轉(zhuǎn)到數(shù)字化室以后，以此為題和富士通研究開發(fā)中心開展了兩期的合作研究工作，這兩個(gè)項(xiàng)目分別由碩士生鄒綱和崔世起承擔(dān)，主要工作是把新詞識(shí)別的研究擴(kuò)展到了Internet上，從Internet上采集的大量網(wǎng)頁并從中提取新詞，實(shí)驗(yàn)非常成功。在我的建議下，崔世起還把這項(xiàng)工作擴(kuò)充到了漢語縮略語的識(shí)別和還原，也取得了成功。富士通公司對(duì)這個(gè)項(xiàng)目很滿意，鄒綱畢業(yè)后就進(jìn)入了富士通公司工作，而且還是進(jìn)行這方面的研究。目前我們已經(jīng)停止了這項(xiàng)研究，相關(guān)工作做成了一個(gè)網(wǎng)頁，放到網(wǎng)上，每天自動(dòng)從網(wǎng)上采集網(wǎng)頁進(jìn)行分析，自動(dòng)形成每月的新詞報(bào)表公布在網(wǎng)上。我不時(shí)還能得到有關(guān)這方面研究工作的一些反饋。

這段時(shí)間，我們還在計(jì)算機(jī)輔助翻譯、基于實(shí)例的機(jī)器翻譯、多引擎機(jī)器翻譯、漢蒙機(jī)器翻譯方面做了一些工作，這里就不一一介紹了。

除了上面的工作之外，我在軟件室的時(shí)候，還有一小段時(shí)間參加了高文老師牽頭的聯(lián)合國(guó)UNL項(xiàng)目（實(shí)際上也是一個(gè)多國(guó)語言機(jī)器翻譯項(xiàng)目），當(dāng)時(shí)高文老師讓我和史曉東負(fù)責(zé)。我做了一段時(shí)間，覺得這個(gè)項(xiàng)目本身設(shè)計(jì)非常糟糕，就退出了。史曉東不久也去了廈門大學(xué)。

2003年中旬，我正式從軟件室轉(zhuǎn)到李錦濤老師領(lǐng)導(dǎo)的數(shù)字化室工作。主要的原因是數(shù)字化室錢躍良老師和林守勛老師這時(shí)候承擔(dān)了863大規(guī)模語言資源建設(shè)和863評(píng)測(cè)課題以及北京市奧運(yùn)項(xiàng)目中的類似課題，由于我在自然語言處理領(lǐng)域長(zhǎng)時(shí)間的積累，他們很希望我能參與這些項(xiàng)目的工作，而且也支持我繼續(xù)從事機(jī)器翻譯的研究。而我在軟件室的工作由于長(zhǎng)期定位不是很明確，而且我也短期內(nèi)也很難申請(qǐng)到大的課題，因此我的工作處于了一種比較尷尬的地位，軟件室也不太支持我繼續(xù)在機(jī)器翻譯方面開展研究。因此我下決心離開軟件室來到了數(shù)字化室。

軟件室的一些事情·跟李所長(zhǎng)第二次接觸?

我在軟件室總共呆了三年多時(shí)間。在這段時(shí)間，我跟李所長(zhǎng)只有過一次接觸，這也是我跟李所長(zhǎng)的第二次直接接觸。其實(shí)，進(jìn)入軟件室后，雖然我很長(zhǎng)時(shí)間一直沒有單獨(dú)見過李所長(zhǎng)，但我能感覺到，所里對(duì)我進(jìn)行的機(jī)器翻譯研究還是非常關(guān)心的。樊所長(zhǎng)多次介紹不同的人到我這兒參觀我的系統(tǒng)，并給我介紹一些合作機(jī)會(huì)。可惜我那時(shí)候的系統(tǒng)離實(shí)用還差得很遠(yuǎn)，一直也都沒有把握住機(jī)會(huì)。

2001年面試碩士研究生的時(shí)候，我被告知跟李所長(zhǎng)一起面試研究生。我那時(shí)候剛開始招研究生不久，報(bào)考我的研究生人數(shù)還非常少，而報(bào)李所長(zhǎng)研究生的人數(shù)卻非常多。我們見面后幾乎沒有談?wù)撈渌掝}，直接開始就面試的問題溝通了一下，馬上就開始面試了。面試了一個(gè)下午，李所長(zhǎng)確定了他要的學(xué)生，我對(duì)報(bào)考我的那個(gè)學(xué)生不太滿意，也在報(bào)考李所長(zhǎng)的學(xué)生中挑選了兩個(gè)學(xué)生，這兩個(gè)學(xué)生就是劉洋和熊德意，是我到目前為止帶過的最出色的兩個(gè)學(xué)生，在我們現(xiàn)在的統(tǒng)計(jì)機(jī)器翻譯課題組中，他們兩個(gè)是最核心的骨干，一些人把他們兩個(gè)人的名字連起來合稱“洋洋得意”。由于最近他們兩個(gè)人在ACL會(huì)議上發(fā)表了論文，他們的工作已經(jīng)在國(guó)際統(tǒng)計(jì)機(jī)器翻譯研究領(lǐng)域暫露頭角，以至于這個(gè)研究領(lǐng)域的圈子里很多人都知道了“洋洋得意”這個(gè)名號(hào)。

這次見李老師，雖然我們沒有討論任何工作上的事情，但我至少知道李所長(zhǎng)還在關(guān)注著我的工作。

在數(shù)字化室

研究工作進(jìn)展和取得的成績(jī)?

進(jìn)入數(shù)字化室以后，我的工作進(jìn)入了一個(gè)嶄新的階段。我們連續(xù)三年組織的863中文信息處理和智能人機(jī)接口評(píng)測(cè)，以其權(quán)威性、科學(xué)性和公平性吸引了國(guó)內(nèi)大量的研究機(jī)構(gòu)參加，產(chǎn)生了很大的影響。我們組織的大規(guī)模資源建設(shè)，通過我們和自動(dòng)化所等單位共同創(chuàng)辦的中文語言資源聯(lián)盟ChineseLDC向國(guó)內(nèi)外提供授權(quán)的資源轉(zhuǎn)讓工作，目前已經(jīng)受到國(guó)內(nèi)外很多研究者的關(guān)注，成功地實(shí)施了大量的資源轉(zhuǎn)讓，為國(guó)內(nèi)外同行提供了一個(gè)極好的資源共享平臺(tái)。更加讓我高興的是，我們的機(jī)器翻譯研究工作全面轉(zhuǎn)向了統(tǒng)計(jì)機(jī)器翻譯方法并且獲得了成功。我們?cè)诮衲?月舉辦的NIST機(jī)器翻譯評(píng)測(cè)中取得了很好的成績(jī)，在漢英機(jī)器翻譯的受限語料項(xiàng)目（LargeData）評(píng)測(cè)中，我們?cè)趨⒃u(píng)的24個(gè)單位中獲得了第5名。我們?cè)谟?jì)算語言學(xué)領(lǐng)域頂級(jí)學(xué)術(shù)會(huì)議ACL上連續(xù)兩年發(fā)表了3篇與統(tǒng)計(jì)機(jī)器翻譯相關(guān)的論文，其中一篇還獲得了MeritoriousAsian NLP PaperAward獎(jiǎng)項(xiàng)。這些成績(jī)都標(biāo)志著我們的研究工作已經(jīng)跨入了國(guó)際先進(jìn)水平的行列。這些都是近幾年的事情了，大家還都記憶猶新，細(xì)節(jié)我在這里就不詳細(xì)介紹了。

獲得博士學(xué)位

2004年5月，經(jīng)過在北大5年的在職學(xué)習(xí)，我終于通過了博士學(xué)位論文答辯，獲得了博士學(xué)位。我的博士論文題目是“漢英機(jī)器翻譯若干關(guān)鍵技術(shù)研究”，在論文中我把我近幾年的工作做了一個(gè)比較完整的總結(jié)。我的論文獲得了博士答辯委員會(huì)的一致好評(píng)，擔(dān)任答辯委員會(huì)主席的是高慶獅院士。

跟李所長(zhǎng)的第三第四次接觸?

自從上次跟李所長(zhǎng)一起面試學(xué)生后，我很長(zhǎng)時(shí)間都沒有再跟李所長(zhǎng)直接交流過。即使在我在即將離開軟件室那段非常困難的時(shí)期，我也不好意思去找李所長(zhǎng)談我的工作問題，主要原因可能是因?yàn)槲业臋C(jī)器翻譯工作一直不見起色，我不好意思再去麻煩李所長(zhǎng)。到數(shù)字化室以后，我一直想找機(jī)會(huì)給李所長(zhǎng)匯報(bào)一下近期的一些工作，但也一直沒有下決心，就耽擱了下來。到2005年，我到數(shù)字化室差不多有兩年了，我的工作在同行中引起了很多注意，李所長(zhǎng)可能在一些場(chǎng)合聽說了我的一些工作，于是讓所里職能部門在我的同行中對(duì)我的工作進(jìn)行了一些調(diào)查，可能反響還不錯(cuò)（這些都是我的一些同行告訴我的）。于是，李所長(zhǎng)開始在所里的一些會(huì)議上對(duì)我的工作進(jìn)行了表揚(yáng)，大致的意思是我在所里一直默默無聞，在沒有得到所里很多支持的情況下，做出了比較好的成績(jī)。所長(zhǎng)是在所內(nèi)一些小范圍的場(chǎng)合說這些話的，我自己都不在場(chǎng)，而是別人跟我轉(zhuǎn)述的。這時(shí)我也覺得應(yīng)該向所長(zhǎng)匯報(bào)一下我的工作了，于是就跟所長(zhǎng)約了一個(gè)時(shí)間面談。這是我跟所長(zhǎng)的第三次直接接觸。我們談的時(shí)間也不長(zhǎng)，所長(zhǎng)直接跟我了解了我目前所進(jìn)行的統(tǒng)計(jì)機(jī)器翻譯研究的情況，我向他進(jìn)行了簡(jiǎn)單的匯報(bào)。所長(zhǎng)向我詢問了其中一些細(xì)節(jié)，然后建議我除了要跟蹤國(guó)際上最先進(jìn)的做法以外，不要一味模仿，一定要注意有本質(zhì)性的創(chuàng)新（大致意思是這樣，原話我記不準(zhǔn)確了），這樣才能真正走到別人前面去。以后我又找所長(zhǎng)談過一次，主要還是討論工作上的一些事情。

這以后我的工作開始在所內(nèi)得到很多的重視，我被評(píng)上了研究員職稱和博士生導(dǎo)師，并擔(dān)任了新成立的多語言交互技術(shù)評(píng)測(cè)實(shí)驗(yàn)室的副主任。

跟李所長(zhǎng)這幾次接觸，我感覺李所長(zhǎng)雖然是中國(guó)計(jì)算機(jī)界舉足輕重的人物，又是院士，其實(shí)他是個(gè)特別實(shí)在的人。我們的談話都很短，幾乎沒有廢話，都是直入主題，事情一談完馬上就結(jié)束，他又要去處理下面的事情。他也從來不擺什么架子，都是用一種平等的姿態(tài)跟我交流。談話也非常注重實(shí)效，每次談到的事情都能落到實(shí)處，每次跟他交流，對(duì)我的工作都有實(shí)實(shí)在在的幫助。

結(jié)語

我在計(jì)算所的經(jīng)歷應(yīng)該還算是比較豐富的。作為一個(gè)普通的研究人員，我在計(jì)算所的三個(gè)不同部門都呆過比較長(zhǎng)的時(shí)間，我還在北大計(jì)算語言學(xué)研究所有過在職攻讀博士學(xué)位的經(jīng)歷，這些不同的經(jīng)歷讓我學(xué)到了很多東西。在計(jì)算所二室機(jī)器翻譯課題組的經(jīng)歷，將我引入了自然語言處理和機(jī)器翻譯研究的大門，確定了我今后的研究方向。軟件室的研究經(jīng)歷，也對(duì)我也有很大的影響。我第一次了解到如此眾多的研究方向和那么多活躍的研究思想，使我大開眼界。軟件室工程化的項(xiàng)目管理方法，也使我學(xué)到了很多項(xiàng)目管理方面的技巧。北京大學(xué)計(jì)算語言學(xué)研究所與計(jì)算所完全是另外一種管理風(fēng)格，那里每個(gè)人都有充分的自由，俞老師的管理方式是無形的，但也是相當(dāng)有效的。另外，在北大我也見識(shí)了很多非計(jì)算機(jī)領(lǐng)域出身的青年才俊，與他們的接觸讓我受益匪淺。而我后來所在的數(shù)字化研究室又是另外一種管理風(fēng)格，這些都是我一生受用不盡的財(cái)富。

我在計(jì)算所這十幾年，得到了很多“貴人”的幫助，對(duì)此我懷著深深的感恩之情。

從我到二室讀研究生，到新計(jì)算所成立，二室解散為止，張祥老師一直是二室的主任。張老師對(duì)我的工作和生活一直非常關(guān)心，對(duì)我堅(jiān)持機(jī)器翻譯研究這件事，他盡他的能力給我了最大的幫助，特別是早期沒有任何資助的情況下，如果沒有他的支持和幫助，我是不可能在這條路上走下來的。對(duì)此我一直懷有深深的感激。

俞士汶老師是我的博士導(dǎo)師，從我碩士畢業(yè)開始決定開展機(jī)器翻譯研究開始，我就一直跟俞老師保持密切的合作關(guān)系，一直到我2004年博士畢業(yè)為止。俞老師在事業(yè)上給了我極大的幫助，特別是我在北大攻讀博士學(xué)位這幾年，除了在學(xué)習(xí)和工作中幫助我以外，俞老師還經(jīng)常給我一些機(jī)會(huì)，讓我出席一些重要的學(xué)術(shù)場(chǎng)合，使我在這個(gè)學(xué)術(shù)圈子里開始有了一定的影響。另外，俞老師對(duì)人的熱情、對(duì)工作的一絲不茍、對(duì)名利的淡薄，都讓我非常敬佩，也對(duì)我自己為人處事的方式產(chǎn)生了重要影響。對(duì)俞老師的感激之情，我將永遠(yuǎn)銘記在心。

白碩和程學(xué)旗是我在軟件室期間的兩任室主任。我在軟件室工作期間，是他們給我提供了一個(gè)穩(wěn)定的工作環(huán)境。雖然我的研究工作一直沒有很好地溶入軟件室的主流研究方向，但他們對(duì)我的研究工作一直都非常寬容，而且也在人力和經(jīng)費(fèi)方面給我了很多的幫助。我近幾年來取得的成績(jī)，其實(shí)相當(dāng)大一部分基礎(chǔ)都是在軟件室工作的這幾年打下的。對(duì)他們的幫助我也要表示衷心的感謝。

我特別要感謝李錦濤老師、錢躍良老師和林守勛老師。他們是我在數(shù)字化室期間的幾位主要領(lǐng)導(dǎo)。我這幾年做出的主要成績(jī)，都是在他們的直接領(lǐng)導(dǎo)下取得的。他們給我了最大的空間，使我多年以來形成的積累得到了充分的發(fā)揮。這里的工作氛圍特別好，大家相處得非常融洽。在這里，我們組成了一個(gè)非常好的工作團(tuán)隊(duì)，大家各司其責(zé)，互相幫助，優(yōu)勢(shì)互補(bǔ)，讓人感覺非常愉快。我希望這種良好的工作氛圍能在今后一直保持下去。

當(dāng)然我最應(yīng)該感謝的還是李國(guó)杰所長(zhǎng)。他的幾次幫助，對(duì)我的工作都起到了決定性的作用。對(duì)李所長(zhǎng)的知遇之恩，我的感激之情是難以用言語表達(dá)的。

我在計(jì)算所這十幾年，親眼目睹計(jì)算所經(jīng)歷了一個(gè)由衰弱到復(fù)蘇到重新輝煌的過程。我自己的經(jīng)歷也跟計(jì)算所一樣，跌宕起伏。我衷心預(yù)祝計(jì)算所能夠在新的時(shí)期再創(chuàng)輝煌，而我們這些計(jì)算所人也能夠與計(jì)算所一道，在人生的道路上取得更大的成就。

后記

本來這篇稿子沒打算寫這么多，不過下起筆來才發(fā)現(xiàn)可以寫的事情實(shí)在不少。有些事情隔的時(shí)間長(zhǎng)了，都快要淡忘了，正好趁這個(gè)機(jī)會(huì)回憶整理一下，也是很不錯(cuò)的。我這個(gè)人記性向來不好，丟東西、不認(rèn)人、忘記人的名字是常有的事。這篇稿子成稿倉促，里面涉及的人和事情，雖然我都盡量經(jīng)過核實(shí)，但仍難免有錯(cuò)誤，有些重要的事情也許有遺漏。如有遺漏和差錯(cuò)，責(zé)任完全由我自己承擔(dān)，也希望讀者批評(píng)指正。

祈威、于天波、錢躍良老師、王斌、俞士汶老師、詹衛(wèi)東、常寶寶在本文寫作過程中給我提供了很多的幫助，他們幫我指出了文中一些不太準(zhǔn)確甚至失實(shí)的地方。錢老師對(duì)我在文章中的一些表述提出了中肯的建議。詹衛(wèi)東對(duì)我的文章結(jié)構(gòu)提出了很好的修改建議。在此一并表示感謝。

一起交流想和你一起學(xué)習(xí)進(jìn)步！『NewBeeNLP』目前已經(jīng)建立了多個(gè)不同方向交流群（機(jī)器學(xué)習(xí) / 深度學(xué)習(xí) / 自然語言處理 / 搜索推薦 / 圖網(wǎng)絡(luò) / 面試交流 /?等），名額有限，趕緊添加下方微信加入一起討論交流吧！（注意一定o要備注信息才能通過）

總結(jié)

以上是生活随笔為你收集整理的计算所与北大往事回顾的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。