姜　靖

今年1月底，正當(dāng)全國(guó)上下開(kāi)展整治互聯(lián)網(wǎng)低俗之風(fēng)專項(xiàng)行動(dòng)之際，中科院聲學(xué)所研發(fā)出一種具有語(yǔ)義理解特點(diǎn)的“網(wǎng)絡(luò)不良信息檢測(cè)系統(tǒng)”，能幫助監(jiān)管部門(mén)和網(wǎng)站管理者監(jiān)控色情和低俗等不良信息。張全正是該項(xiàng)目的負(fù)責(zé)人，本來(lái)就很忙的他，一下子又讓新聞界給“包圍”了。

“我沒(méi)有故事，就是一個(gè)普通人?！睆埲辉?gòu)?qiáng)調(diào)。然而，隨著采訪的深入，記者仿佛從這個(gè)“普通人”身上看到千千萬(wàn)萬(wàn)科研工作者的身影，他們的喜憂苦樂(lè)是那樣的真實(shí)，可愛(ài)。

三個(gè)月研發(fā)出系統(tǒng)

“你用‘三點(diǎn)造個(gè)句，如何?”一開(kāi)始，記者本想請(qǐng)張全簡(jiǎn)單介紹一下這套“網(wǎng)絡(luò)不良信息檢測(cè)系統(tǒng)”，孰料他先給記者出了一道考題。

“三點(diǎn)確定一個(gè)平面。我三點(diǎn)有個(gè)采訪……”記者隨口答。

“你的造句發(fā)到網(wǎng)上，很有可能被當(dāng)成不良信息被屏蔽掉。”張全微笑地說(shuō)。

記者愕然。這時(shí)，他不慌不忙地打開(kāi)電腦，調(diào)出一個(gè)程序，輸入了一個(gè)網(wǎng)址。不一會(huì)兒，屏幕開(kāi)始提示有幾十個(gè)“不良信息”。然而，打開(kāi)這些所謂的“不良信息”一看，其實(shí)就是幾則再正常不過(guò)的反邪教信息。

張全解釋說(shuō)，傳統(tǒng)的網(wǎng)絡(luò)監(jiān)測(cè)系統(tǒng)，一般是基于關(guān)鍵詞對(duì)網(wǎng)絡(luò)信息進(jìn)行機(jī)械的識(shí)別和過(guò)濾，只要文本里含有設(shè)定的關(guān)鍵詞，不管這個(gè)詞是什么意思，甚至如“小三點(diǎn)了一杯咖啡”里“三點(diǎn)”都不是一個(gè)詞，也會(huì)被屏蔽掉。

與傳統(tǒng)的網(wǎng)絡(luò)監(jiān)測(cè)系統(tǒng)不同，他們的這套系統(tǒng)主要根據(jù)語(yǔ)句的意義來(lái)判斷哪些網(wǎng)頁(yè)信息需要過(guò)濾。用戶只要輸入目標(biāo)網(wǎng)站的網(wǎng)址，系統(tǒng)便會(huì)自動(dòng)打開(kāi)該網(wǎng)站的所有網(wǎng)頁(yè)，同時(shí)模擬人瀏覽網(wǎng)頁(yè)的方式來(lái)審查是否還有不良信息，對(duì)于不能做出判斷的內(nèi)容系統(tǒng)還能提出警告，供人工判別。

張全說(shuō)，這就好比為網(wǎng)絡(luò)裝上了“電子眼”，能幫助監(jiān)管部門(mén)和網(wǎng)站管理者從源頭上“遏制不良信息傳播，凈化網(wǎng)絡(luò)環(huán)境。”

為了提供檢測(cè)標(biāo)準(zhǔn)，他們課題組針對(duì)網(wǎng)絡(luò)上出現(xiàn)的色情、反動(dòng)、低俗等不良信息進(jìn)行了搜集，對(duì)其語(yǔ)言特征和語(yǔ)意特點(diǎn)進(jìn)行了提取，建立了一個(gè)龐大的不良信息知識(shí)庫(kù)，為軟件搜索不良信息提供了文字基礎(chǔ)。

目前，他們對(duì)該系統(tǒng)進(jìn)行的語(yǔ)料測(cè)試已超過(guò)3萬(wàn)篇，測(cè)試成功率達(dá)85％以上，“完全達(dá)到了商品化的要求”。通過(guò)更換知識(shí)庫(kù)，該系統(tǒng)就可廣泛應(yīng)用在熱點(diǎn)信息跟蹤、輿情分析等領(lǐng)域。

出人意料的是，這套系統(tǒng)的研發(fā)時(shí)間并不長(zhǎng)，“去年下半年才開(kāi)始做，滿打滿算也就3個(gè)月的時(shí)間?！睂?duì)于這點(diǎn)，張全很是自豪。

好技術(shù)竟然賣不出去

張全告訴記者，“網(wǎng)絡(luò)不良信息檢測(cè)系統(tǒng)”是自然語(yǔ)言理解處理技術(shù)與先進(jìn)的網(wǎng)絡(luò)技術(shù)結(jié)合的產(chǎn)物。從20世紀(jì)80年代末，中科院聲學(xué)所黃曾陽(yáng)研究員就開(kāi)始探索模擬人腦語(yǔ)言智能的自然語(yǔ)言理解處理模式，創(chuàng)立了“概念層次網(wǎng)絡(luò)(HierarchicalNetworkof Concepts，簡(jiǎn)稱HNC)理論”，并發(fā)展形成了HNC自然語(yǔ)言理解處理技術(shù)。HNC的最大特點(diǎn)是能夠進(jìn)入語(yǔ)義深層處理自然語(yǔ)言的內(nèi)容，而不是僅僅利用語(yǔ)言的表層信息進(jìn)行處理。通過(guò)多年的科研攻關(guān)，HNC團(tuán)隊(duì)已經(jīng)取得了多項(xiàng)成果，形成了自主知識(shí)產(chǎn)權(quán)的自然語(yǔ)言理解處理技術(shù)，為形成滿足信息時(shí)代要求的各種特定的信息處理技術(shù)奠定了堅(jiān)實(shí)的基礎(chǔ)。

然而，張全從事自然語(yǔ)言理解處理研究卻是在讀博士以后。1993年，從西北工業(yè)大學(xué)碩士畢業(yè)的他面臨人生的一次重大抉擇?！拔冶究?、研究生學(xué)的都是信號(hào)處理，研究生畢業(yè)的時(shí)候，希望自己的研究方向有所改變?！币粋€(gè)偶然的機(jī)會(huì)，他認(rèn)識(shí)了黃曾陽(yáng)老師。與黃老師的幾次深談，堅(jiān)定了他轉(zhuǎn)行的決心。

然而，這次轉(zhuǎn)行并沒(méi)有想象的那么輕松，而是“痛苦的像是重新生了一回?！睆埲f(shuō)，自然語(yǔ)言處理是語(yǔ)言學(xué)與計(jì)算機(jī)技術(shù)的交叉學(xué)科，對(duì)語(yǔ)言學(xué)和計(jì)算機(jī)的要求都非常高，單單寫(xiě)幾千行的程序這一項(xiàng)就讓他“吃不消”。

不過(guò)，與技術(shù)上的困難相比，張全面臨最大的挑戰(zhàn)是如何將技術(shù)產(chǎn)業(yè)化。張全說(shuō)：“一項(xiàng)再完美的技術(shù)，只有在市場(chǎng)中才能體現(xiàn)出其應(yīng)用的價(jià)值，停留在實(shí)驗(yàn)室無(wú)異于死路一條?！睆埲f(shuō)。1996年博士畢業(yè)后，他的工作重心就轉(zhuǎn)向技術(shù)轉(zhuǎn)化上來(lái)。當(dāng)時(shí)，盡管國(guó)內(nèi)做自然語(yǔ)言處理的不止他們一家，然而如何將自然語(yǔ)言處理技術(shù)進(jìn)行技術(shù)轉(zhuǎn)化，是大家都在探索的問(wèn)題，沒(méi)有現(xiàn)成的模式可循，同時(shí)，自己?jiǎn)挝挥譀](méi)有產(chǎn)業(yè)化的平臺(tái)，致使產(chǎn)業(yè)化一度陷入困境。2000年年底，他們嘗試?yán)肂NC理論的無(wú)形資產(chǎn)與外面公司聯(lián)合成立了按企業(yè)模式獨(dú)立運(yùn)營(yíng)的研究院，計(jì)劃將其打造成產(chǎn)業(yè)化基地，因種種原因，這一目標(biāo)還在努力之中。

去年下半年，國(guó)內(nèi)凈化網(wǎng)絡(luò)環(huán)境的呼聲日益高漲，張全他們?cè)诙虝r(shí)間內(nèi)研發(fā)出“網(wǎng)絡(luò)信息不良信息監(jiān)測(cè)系統(tǒng)”，希望搭乘國(guó)家整治不良信息的快車，打開(kāi)市場(chǎng)。

也曾遭遇“無(wú)米下鍋”

身為自然處理項(xiàng)目負(fù)責(zé)人，張全不得不花時(shí)間精力去談項(xiàng)目，找經(jīng)費(fèi)?！拔腋憧蒲谐錾?，以前總想著做好研究就行了”。然而，現(xiàn)在他坐在這個(gè)位置上，就不可能對(duì)這些事完全置身事外，如果有一個(gè)好項(xiàng)目，覺(jué)得機(jī)會(huì)好，他也會(huì)花時(shí)間來(lái)談。

張全說(shuō)，雖然聲學(xué)所做自然語(yǔ)言處理已有45年的歷史，但是至今在很多人眼里，做語(yǔ)言處理應(yīng)該不是聲學(xué)所的事，聲學(xué)所來(lái)做就難以形成品牌效應(yīng)，每次拿出去跟人家談都要解釋一番，項(xiàng)目更不會(huì)主動(dòng)找上門(mén)來(lái)。很長(zhǎng)一段時(shí)間，課題組“吃了上頓沒(méi)下頓?！?/p>

張全回憶說(shuō)，1996年到1998年間，課題組基本上申請(qǐng)不到課題，沒(méi)有課題就沒(méi)有經(jīng)費(fèi)，當(dāng)時(shí)中科院系統(tǒng)已開(kāi)始全成本核算，所里給予了一定的幫助但非常有限，課題組成員的收入很難和其他課題組相比，一些研究人員選擇了離開(kāi)。課題組只剩下幾個(gè)人。因?yàn)樵谕饷嬲也坏阶√?，張全只好在博士生宿舍“賴”了一年多。有個(gè)細(xì)節(jié)張全印象特別深，那時(shí)有很多同學(xué)在外面混的特別好，每次同學(xué)聚會(huì)，他只管去吃，同學(xué)從來(lái)不忍心讓他付錢(qián)。

“也不覺(jué)得苦，當(dāng)時(shí)也沒(méi)小孩，物價(jià)水平也不高，生活還是沒(méi)有太大問(wèn)題?！睆埲⑿Φ卣f(shuō)。

一直到1998年底，課題組申請(qǐng)到新的課題，一切才漸漸恢復(fù)正常。1999年年底，聲學(xué)所被批準(zhǔn)進(jìn)入中科院創(chuàng)新基地后，所領(lǐng)導(dǎo)給予了課題組很大的經(jīng)費(fèi)、人員和機(jī)制的支持，使得課題組人員一度達(dá)到20多人。那段時(shí)間，課題組科研進(jìn)展很快，成果出得也多。

張全說(shuō)，隨著信息時(shí)代的發(fā)展，對(duì)自然語(yǔ)言處理技術(shù)的需求將愈來(lái)愈多，計(jì)算機(jī)的功能必將由以簡(jiǎn)單的數(shù)值計(jì)算為主逐步過(guò)渡到以信息知識(shí)處理為主。那時(shí)，他們的自然語(yǔ)言理解處理技術(shù)將大有可為。

然而，在培育產(chǎn)業(yè)環(huán)境的同時(shí)，他們最為迫切的任務(wù)是完善專業(yè)知識(shí)庫(kù)，但是因?yàn)榻?jīng)費(fèi)不足，這項(xiàng)工作進(jìn)展一直不太順利。