哈爾濱工業(yè)大學(xué)語言語音教育部-微軟重點(diǎn)實(shí)驗(yàn)室，以哈工大計(jì)算機(jī)學(xué)院語言技術(shù)研究中心為主要依托，由機(jī)器智能與翻譯實(shí)驗(yàn)室、智能技術(shù)與自然語言處理實(shí)驗(yàn)室、信息檢索實(shí)驗(yàn)室和語音處理實(shí)驗(yàn)室聯(lián)合組成，由教育部和微軟亞洲研究院聯(lián)合支持并資助。到目前為止，先后有200多名教師和學(xué)生加入實(shí)驗(yàn)室進(jìn)行研究工作，是目前世界上規(guī)模最大的自然語言處理和語音技術(shù)實(shí)驗(yàn)室。

1發(fā)展歷程

在微軟亞洲研究院的成立之初，微軟就與哈爾濱工業(yè)大學(xué)計(jì)算機(jī)學(xué)院開展了密切的合作，為如今深入廣泛的合作打下了深厚的基礎(chǔ)。

首先，早在2000年6月，哈工大80周年校慶之際，時(shí)任微軟亞洲研究院院長(zhǎng)的李開復(fù)博士和任哈工大黨委書記的李生教授就對(duì)具體合作事宜達(dá)成了一致意見。“哈工大-微軟機(jī)器翻譯技術(shù)聯(lián)合實(shí)驗(yàn)室”在哈工大校慶期間揭牌，開辟了雙方合作之路。合作之初，哈工大方面的合作主體是機(jī)器智能翻譯研究室，當(dāng)時(shí)約有師生40人。這是微軟在中國設(shè)立的唯一的機(jī)器翻譯聯(lián)合實(shí)驗(yàn)室，隨后的4年中，雙方探討并嘗試了多種合作方式，并將其中成功的合作經(jīng)驗(yàn)，延續(xù)至今。例如：雙方首先共同確定培養(yǎng)計(jì)劃，然后哈工大派遣研究生到微軟亞洲研究院實(shí)習(xí)，由微軟亞洲研究院幫助培養(yǎng)；雙方互相派遣學(xué)者訪問，增進(jìn)了解，互通有無；共同邀請(qǐng)國內(nèi)外專家學(xué)者，舉辦研討會(huì)，決定研究規(guī)劃和研究策略；研究院將部分基礎(chǔ)性研究，委托聯(lián)合實(shí)驗(yàn)室進(jìn)行；研究院資助聯(lián)合實(shí)驗(yàn)室一定的相關(guān)軟硬件等。在這一階段的探討中，不僅積累了寶貴的合作經(jīng)驗(yàn)，而且獲得了豐碩的研究成果，具體包括雙語(英漢)語料庫詞匯對(duì)齊工具研究、雙語(英漢)語料庫加工、雙語(英漢)語料庫自動(dòng)對(duì)齊算法研究、翻譯知識(shí)自動(dòng)獲取技術(shù)研究、便攜式實(shí)例翻譯系統(tǒng)、中英文統(tǒng)計(jì)句法分析器等研究課題和項(xiàng)目。而且還培養(yǎng)了一批優(yōu)秀的研究人員，這是雙方合作的第一個(gè)高潮。

在2004年6月，基于“哈工大-微軟機(jī)器翻譯技術(shù)聯(lián)合實(shí)驗(yàn)室”所做出的成績(jī)以及哈工大在語言語音處理研究方面的研究成果，將已有實(shí)驗(yàn)室進(jìn)一步擴(kuò)大成為必然。2004年6月4日至6日，時(shí)值“哈工大-微軟機(jī)器翻譯聯(lián)合實(shí)驗(yàn)室”成立4周年之際，微軟亞洲研究院院長(zhǎng)沈向洋博士等一行7人訪問哈工大。鑒于過去四年聯(lián)合實(shí)驗(yàn)室取得的成績(jī)，雙方一致同意把合作范圍從原來單純的機(jī)器翻譯進(jìn)一步擴(kuò)展到自然語言和語音技術(shù)的研究，“哈工大-微軟機(jī)器翻譯聯(lián)合實(shí)驗(yàn)室”的名稱也相應(yīng)地改為“哈工大-微軟自然語言處理及語音技術(shù)聯(lián)合實(shí)驗(yàn)室”。這是雙方合作進(jìn)一步深入和廣泛的明顯標(biāo)志。哈工大的合作主體，也由原來單獨(dú)的機(jī)器智能與翻譯研究室擴(kuò)展到了智能技術(shù)與自然語言處理研究室、信息檢索研究室和語音處理研究室，這不但豐富了雙方合作所涉及的范圍，而且也加強(qiáng)了聯(lián)合實(shí)驗(yàn)室整體研究的能力，這種合作框架一直保留至今。同年11月份，經(jīng)教育部批準(zhǔn)，聯(lián)合實(shí)驗(yàn)室被批準(zhǔn)為教育部重點(diǎn)實(shí)驗(yàn)室，這是我們與微軟亞洲研究院合作歷史上的里程碑，也是對(duì)我們之前合作的極大肯定，聯(lián)合實(shí)驗(yàn)室的合作被提到了新的高度，從此雙方合作更加正式規(guī)范，重點(diǎn)實(shí)驗(yàn)室正式誕生，雙方的合作進(jìn)入了第二個(gè)高潮。

在2006年7月，“教育部-微軟語言語音重點(diǎn)實(shí)驗(yàn)室”深圳分部成立，雙方開始共同探討深入研究的新策略，這是雙方合作過程中的一個(gè)重大嘗試和突破，雙方合作日益成熟。

2人員構(gòu)成與組織結(jié)構(gòu)

“哈工大語言語音教育部-微軟重點(diǎn)實(shí)驗(yàn)室”現(xiàn)由李生教授(哈工大)、周明博士(微軟)總體上負(fù)責(zé)和規(guī)劃，并分別擔(dān)任各方的主任；由王曉龍教授、趙鐵軍教授、韓紀(jì)慶教授和劉挺教授分別主持負(fù)責(zé)相關(guān)研究室的具體工作，擔(dān)任副主任。為了加強(qiáng)重點(diǎn)實(shí)驗(yàn)室的學(xué)術(shù)研究實(shí)力和研究氛圍，我們還為此成立了學(xué)術(shù)委員會(huì)，包括微軟亞洲研究院洪小文副院長(zhǎng)在內(nèi)的海內(nèi)外多名知名專家擔(dān)任委員，極大加強(qiáng)了重點(diǎn)實(shí)驗(yàn)室的整體研究實(shí)力。

重點(diǎn)實(shí)驗(yàn)室現(xiàn)有教師21人(其中教授7人，博導(dǎo)6人)，在校博士研究生51人，本部碩士研究生95人，深圳分部40余人以及部分本科生，構(gòu)成了一個(gè)完善的立體的研究體系，重點(diǎn)實(shí)驗(yàn)室下設(shè)四個(gè)研究室和一個(gè)分部，分別是：機(jī)器智能與翻譯研究室、智能技術(shù)與自然語言處理研究室、信息檢索研究室、語音處理研究室和深圳分部(哈工大深圳研究生院)。其中前四個(gè)研究室位于哈工大本部，主要致力于相關(guān)方向的科學(xué)研究，注重培養(yǎng)研究型人才；而深圳分部，主要側(cè)重于將研究室的研究成果轉(zhuǎn)化為實(shí)際應(yīng)用，偏重培養(yǎng)工程型人才。

3研究?jī)?nèi)容

重點(diǎn)實(shí)驗(yàn)室研究領(lǐng)域廣泛，主要集中在語言和語音兩個(gè)重點(diǎn)上。語言處理方向上的具體研究集中在智能中文信息處理平臺(tái)設(shè)計(jì)與搭建，語句級(jí)中文輸入法模型研究，機(jī)器翻譯技術(shù)、資源、評(píng)價(jià)的研究，面向互聯(lián)網(wǎng)的信息檢索，問答系統(tǒng)、信息抽取與文本挖掘，自動(dòng)文摘，詞法、句法和語義分析，自然語言生成等，基本上涵蓋了自然語言處理研究的各個(gè)方面；語音處理的具體研究圍繞在頑健語音識(shí)別與聲控技術(shù)，基于語音的信息安全技術(shù)和音頻信息檢索技術(shù)等方面。在這些研究領(lǐng)域，重點(diǎn)實(shí)驗(yàn)室都投入了大量人力和物力進(jìn)行相關(guān)研究。

其中“短語翻譯對(duì)評(píng)價(jià)”由已經(jīng)畢業(yè)的一位博士負(fù)責(zé)，在其攻讀博士學(xué)位期間，曾在微軟亞洲研究院實(shí)習(xí)。短語翻譯對(duì)是指互為翻譯的源語言與目標(biāo)語短語對(duì)，通常是從雙語句對(duì)中獲取的。在抽取過程中，僅對(duì)源語言句子進(jìn)行句法分析，以詞對(duì)齊結(jié)果為依據(jù)獲取源語言短語的譯文。由于在抽取過程要受到詞對(duì)齊工具和漢語句法分析器精度的影響，因而在獲取的等價(jià)對(duì)中會(huì)存在著大量的噪聲。必須對(duì)其進(jìn)行評(píng)價(jià)以消除其中的噪聲。在抽出的等價(jià)對(duì)中，其左部是一個(gè)包含句法信息的漢語短語，右部是一個(gè)英語短語。在過濾中，僅考慮源語言與目標(biāo)語短語。例如，在判斷‘VO[靠/vg 窗戶/ng]->near the window’是否為一個(gè)正確的短語翻譯對(duì)時(shí)，僅考慮‘靠窗戶->near the window’。在對(duì)短語翻譯對(duì)進(jìn)行評(píng)分時(shí)，使用了短語譯文直譯率L(Phc，Phe)、短語對(duì)齊概率P(Phc|Phe)和短語長(zhǎng)度差異L1，L2，L3，L4為消歧特征對(duì)短語翻譯對(duì)進(jìn)行評(píng)價(jià)。同時(shí)以這六種消歧特征為基礎(chǔ)，使用多種機(jī)器學(xué)習(xí)方法以提高評(píng)價(jià)的性能，最后通過深入研究，我們?nèi)〉昧吮容^好的實(shí)驗(yàn)結(jié)果，完全達(dá)到了任務(wù)確立之初的要求。

4相關(guān)成果

在雙方的緊密合作下，重點(diǎn)實(shí)驗(yàn)室的研究能力得到了飛速發(fā)展，自2000年以來，重點(diǎn)實(shí)驗(yàn)室先后承擔(dān)國家及部委科研項(xiàng)目近40項(xiàng)，其中國家863計(jì)劃5項(xiàng)，國家自然科學(xué)基金重點(diǎn)項(xiàng)目1項(xiàng)，國家自然科學(xué)基金面上項(xiàng)目16項(xiàng)，部委項(xiàng)目15項(xiàng)，并且獲得省部級(jí)科技進(jìn)步二等獎(jiǎng)6項(xiàng)，三等獎(jiǎng)5項(xiàng)。特別是在2005年，重點(diǎn)實(shí)驗(yàn)室承擔(dān)的微軟基金項(xiàng)目“復(fù)述技術(shù)研究”，經(jīng)過加工提煉，獲得國家自然科學(xué)基金的資助。重點(diǎn)實(shí)驗(yàn)室和微軟聯(lián)合申請(qǐng)的基金“語音檢索”的國家自然科學(xué)基金項(xiàng)目，也得到了微軟的資助。近2年內(nèi)，重點(diǎn)實(shí)驗(yàn)室發(fā)表論文160余篇，其中在IEEE Transactions on Systems， Man and Cybernetics，Bioinformatics等國際期刊上發(fā)表5篇論文；在國際人工智能大會(huì)IJCAI’2007上發(fā)表2篇論文，在國際計(jì)算語言學(xué)大會(huì)Coling/ACL’2006上發(fā)表3篇論文，在國際計(jì)算語言學(xué)大會(huì)ACL’2007上發(fā)表1篇論文；在國內(nèi)重要期刊《中國科學(xué)》上發(fā)表1篇論文。在這些發(fā)表的論文中，英文論文達(dá)到總量的40%。重點(diǎn)實(shí)驗(yàn)室與研究院合作，在SIGIR、IJCAI和ACL等高水平國際會(huì)議上聯(lián)合發(fā)表論10余篇。在TREC 問答系統(tǒng)評(píng)測(cè)中，通過與全球30家參評(píng)單位，71個(gè)參評(píng)系統(tǒng)的角逐，取得了factoid問題評(píng)測(cè)中排名第五(國內(nèi)參評(píng)單位中排名第一)，list問題評(píng)測(cè)中排名第七(國內(nèi)參評(píng)單位中排名第一)的好成績(jī)。在歷年的國家863評(píng)測(cè)中都取得了驕人的成果，具體包括：2003年文本分類系統(tǒng)獲第1名和自動(dòng)文摘評(píng)測(cè)第1名；2004年，文本分類系統(tǒng)再次獲第1名；2005年，信息檢索評(píng)測(cè)綜合指標(biāo)領(lǐng)先和詞對(duì)齊第1名。在2005國際SIGHAN漢語分詞評(píng)測(cè)中，由重點(diǎn)實(shí)驗(yàn)室提供的ICSU詞法分析系統(tǒng)獲得微軟語料開放測(cè)試第一名。2006年9月，重點(diǎn)實(shí)驗(yàn)室開始向?qū)W術(shù)界免費(fèi)開發(fā)共享語言技術(shù)平臺(tái)LTP(Language Technology Platform)，該平臺(tái)是基于XML的文本機(jī)內(nèi)表示LTML(Language Technology Markup Language)，目前已經(jīng)提供了9項(xiàng)自然語言處理關(guān)鍵技術(shù)模塊，包括分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、詞義消歧、句法分析、語義角色標(biāo)注、指代消解、自動(dòng)文摘、自動(dòng)分類等，已有國內(nèi)外70余家學(xué)術(shù)機(jī)構(gòu)簽署協(xié)議，共享了這個(gè)平臺(tái)。這些成績(jī)的獲得是我們研究能力不斷提高的證明，也是雙方成功合作的體現(xiàn)。

我們和微軟亞洲研究院不但在研究項(xiàng)目上開展了廣泛的合作，在學(xué)術(shù)交流上更是卓有成效。2000年7月，加拿大蒙特利爾大學(xué)聶建云博士和微軟亞洲研究院高劍峰博士來聯(lián)合實(shí)驗(yàn)室講學(xué)，并就如何撰寫學(xué)術(shù)論文為研究生進(jìn)行了實(shí)例點(diǎn)評(píng)。2002年8月，聯(lián)合實(shí)驗(yàn)室部分師生參加微軟亞洲研究院在北京舉行的自然語言處理培訓(xùn)班。2002年12月，微軟亞洲研究院自然語言計(jì)算組主任研究員周明博士訪問哈工大，并為聯(lián)合實(shí)驗(yàn)室?guī)熒鲗W(xué)術(shù)報(bào)告。在重點(diǎn)實(shí)驗(yàn)室成立后，微軟亞洲研究院先后為重點(diǎn)實(shí)驗(yàn)室作了10余次高水平的技術(shù)報(bào)告，特別是在微軟亞洲研究院的支持下，重點(diǎn)實(shí)驗(yàn)室成功承辦了2005和2006微軟暑期自然語言處理技術(shù)方面的專題研討班。研討班邀請(qǐng)了國際頂級(jí)學(xué)者，向全國的同行、學(xué)生開放，介紹國際自然語言處理技術(shù)的最新進(jìn)展。2005年6月1日到3日在哈爾濱工業(yè)大學(xué)舉辦了微軟亞洲研究院信息抽取暑期研討班。來自全國20所大學(xué)的研究生和博士生以及教師參加了這次研討班。研討班有四位主講老師，他們是微軟亞洲研究院自然語言組研究員牛成博士，新加坡國立大學(xué)教授黃偉道博士(黃偉道博士也是當(dāng)年ACL大會(huì)的程序委員會(huì)的主席)、微軟亞洲研究院語音組的研究員Frank Seide博士，以及美國南加州大學(xué)的林欽佑博士。牛成博士主講了信息抽取的基本技術(shù)、基本理論和應(yīng)用。黃偉道博士主講了信息抽取中的從無結(jié)構(gòu)和半結(jié)構(gòu)的文本中抽取信息的技術(shù)和語義角色標(biāo)注，F(xiàn)rank Seide博士主講了語音信息的抽取和檢索。林欽佑博士主講了信息抽取在自動(dòng)文摘技術(shù)的應(yīng)用。在6月1日的開幕式中，哈工大的李生教授、哈工大計(jì)算機(jī)學(xué)院副院長(zhǎng)王亞東教授致詞，周明主任研究員代表微軟亞洲研究院致詞，參加會(huì)議的還有微軟亞洲研究院的大學(xué)關(guān)系部門的馬昕經(jīng)理。大會(huì)的最后一天就研討班講授的內(nèi)容組織了練習(xí)，全部同學(xué)被分成10組。每一組可以選擇六道題中的一道題。經(jīng)過一個(gè)半小時(shí)的討論之后，每一組選出一位代表上臺(tái)作報(bào)告。然后選出了兩個(gè)表現(xiàn)優(yōu)勝的組，頒發(fā)了獎(jiǎng)品。另外對(duì)所有發(fā)言的同學(xué)，也都給予了獎(jiǎng)勵(lì)，這期研討班為國內(nèi)相關(guān)研究領(lǐng)域培養(yǎng)了一大批生力軍，取得了圓滿成功，也為下一期研討班的舉行奠定了基礎(chǔ)。2006年7月10日到11日在重點(diǎn)實(shí)驗(yàn)室的深圳分部舉行了微軟新一代互聯(lián)網(wǎng)信息處理技術(shù)暑期研討班，在研討班舉行期間，微軟亞洲研究院副院長(zhǎng)、著名語音專家、微軟搜索技術(shù)中心主任洪小文博士；著名語音專家、香港中文大學(xué) Helen Meng教授；著名移動(dòng)計(jì)算專家、微軟移動(dòng)(深圳)研發(fā)中心研發(fā)總監(jiān)劉希輝女士；著名在線廣告和搜索技術(shù)研究專家、微軟亞洲研究院研究員陳正博士；著名信息檢索專家、加拿大蒙特利爾大學(xué)聶建云教授；著名自然語言處理專家、微軟亞洲研究院研究員林欽佑博士；著名計(jì)算機(jī)圖形學(xué)、數(shù)字游戲?qū)＜?、微軟亞洲研究院研究員周昆博士等10余名專家，都就自己所擅長(zhǎng)的研究方法，為參加人員作了的精彩報(bào)告。使參加研討班的全國120多位教師和學(xué)生了解了相關(guān)領(lǐng)域最前沿的研究狀況，開拓了眼界，為今后進(jìn)一步深入研究打下了堅(jiān)實(shí)基礎(chǔ)。

5人才培養(yǎng)

在靈活的合作機(jī)制下，重點(diǎn)實(shí)驗(yàn)室已經(jīng)陸續(xù)派遣了來自下設(shè)4個(gè)研究室的40多位研究生，訪問了微軟研究院自然語言計(jì)算組和其他研究組。通過在微軟亞洲研究院，這個(gè)世界頂級(jí)的研究機(jī)構(gòu)的鍛煉，極大提高了這些訪問學(xué)生的科研能力，為重點(diǎn)實(shí)驗(yàn)室培養(yǎng)了寶貴人才，例如呂雅娟獲得2000年微軟學(xué)者獎(jiǎng)學(xué)金，車萬翔獲得2005年微軟學(xué)者獎(jiǎng)學(xué)金。

重點(diǎn)實(shí)驗(yàn)室也為相關(guān)研究領(lǐng)域輸送了大量?jī)?yōu)秀人才，為整個(gè)研究領(lǐng)域的發(fā)展作出了不可磨滅的貢獻(xiàn)。作為微軟亞洲研究院自然語言計(jì)算組主任研究員的周明博士，就畢業(yè)于重點(diǎn)實(shí)驗(yàn)室。此外工作在新加坡信息通訊技術(shù)研究院的張民博士、工作在美國Amazon的劉小虎博士、工作在日本NICT的曹海龍博士、現(xiàn)任東芝中國研發(fā)中心，副所長(zhǎng)的王海峰博士、現(xiàn)任北京富士通研究開發(fā)中心，信息技術(shù)研究部部長(zhǎng)代理的于浩博士也都出自重點(diǎn)實(shí)驗(yàn)室。我們還為國內(nèi)高校及研究所的研究和教育，輸送了一批優(yōu)秀人才，例如工作于北京語言文化大學(xué)的荀恩東博士，工作于中科院計(jì)算所的呂雅娟博士，工作于蘇州大學(xué)的姚建民博士等。這些人在自己的崗位上繼續(xù)深化研究，帶動(dòng)了相關(guān)領(lǐng)域的進(jìn)一步發(fā)展。

“教育部-微軟語言語音重點(diǎn)實(shí)驗(yàn)室”在哈工大計(jì)算機(jī)學(xué)院和微軟亞洲研究院長(zhǎng)期穩(wěn)定的合作的支持下，以優(yōu)勢(shì)互補(bǔ)，友好協(xié)商，共同發(fā)展為合作原則，到目前為止，實(shí)驗(yàn)室已完成或正在實(shí)施的重要科研項(xiàng)目已接近40項(xiàng)，包括國家自然科學(xué)基金(重點(diǎn))項(xiàng)目、863計(jì)劃(重點(diǎn))項(xiàng)目、省部級(jí)攻關(guān)項(xiàng)目、國際合作項(xiàng)目等；已發(fā)表論文400多篇。目前實(shí)驗(yàn)室研究人員包括博士導(dǎo)師6人、具有博士學(xué)位的副教授8人、在職教師21人，博士研究生50余人、碩士研究生140余人，為相關(guān)研究領(lǐng)域輸送了大量人才。我們會(huì)再接再厲，不斷探索開拓合作方式，在更廣泛的領(lǐng)域開展更深入細(xì)致的合作，為相關(guān)研究領(lǐng)域的整體進(jìn)步，貢獻(xiàn)自己的力量。