论文部分内容阅读
计算语言学到底研究啥
北语的计算语言学开设于全校唯一理工科学院信息科学学院（简称信科）。学院副书记李超是学院首届本科学生，作为本硕博都在这儿读的，彻头彻尾的土著，讲起北语信科和计算语言学，他滔滔不绝。
北语信科的历史有近三十年了，前身是计算机科学与技术系，成立于2000年，再之前，是1987年成立的中国第一个以汉语信息处理为主要研究方向的“语言信息处理研究所”。2014年，北语进行了大部制改革，信科在原有的语言信息处理研究所基础上，成立了另外三个研究所，分别是：大数据与语言教学研究所、语言监测与社会计算研究所（国家语言监测与研究平面媒体中心）和管理科学与工程研究所。几个研究所基本上都与计算语言学学科直接相关，分别对语言的教学、研究和应用开展深入的研究。信科的主要任务是培养外语水平出色，具有信息处理基本素养的
人工智能大潮滚滚而来，语言信息处理是人工智能中最难突通用人才，在信息领域开展一些前沿性的研究。破和最难解决的核心技术问题之一。“语言智能与技术，是北语在中国语言文学一级
北京语言大学语言智能与技术（以下称计算语言学），就是学科下，自主设置的二级学科。”李超说，计算语言专门做语言信息处理的。计算语言学是语言学的一个分支，学就是利用计算机对语言进行计算处理，比如要提出
某个语言现象，若没有语言数据的支持，就不能成为
利用计算机对语言进行研究。不同于传统的语言学，它是一一个语言规律。而发现规律一般有两种方法：一种基门由语言学、计算机科学和数学三者交叉的新型学科，融合于规则，如语法专家经过研究，发现语言规律；另一了计算机的奥妙、语言学的神秘，还有数学的逻辑，在人工种基于统计，根据大规模数据提炼规则。后一种就是智能的科技大潮中，显示出非凡的生命力和创造力。计算语言学主要做的事。
在这门融合了计算机科学、语言学和数学的计算语言学中，计算机科学是研究工具，语言学是处理对象，数学是建模工具，此外还会用到物理学等知识。李超进一步解释：“计算语言学，是从字、词、句、篇章、语音等各个维度去研究语言，比如让计算机自动评判一个留学生写汉字写得对不对、好不好，这项技术的核心是数学曲线在二维平面的变换；再比如研究日本人说汉语，计算机可以判断他们说得对不对、准不准，这项技术就利用了物理学中的声学理论，通过发音的波形进行判断。”计算语言学的应用还有很多，最常见的比如在拼音输入法中，有一项功能是“拼写和语法错误”，一旦判定有错误嫌疑，系统就会用红色波浪线划出。还有让计算机评判一篇论文写得好不好，对不对等。
资源优势独一无二
除了北语，国内开展计算语言研究的还有清华大学、北京大学、中国科技大学、哈尔滨工业大学、复旦大学、中国科学院等名校。每所大学的研究各有侧重，比如中国科技大学的科大讯飞主攻语音信息处理，特别是语音识别。语音识别的应用也很多，比如语音输入法，又比如语音考试，“在口语考试中，有一种题型是模仿原声读句子，计算机会给考生自动评分。”传统牛校的计算语言研究规模大，相比之下，北语更像是小团队作战，但在某些领域有得天独厚的优势。
这优势就是在语言资源方面，尤其是搜集外国人的语言资源上面。李超在写博士论文时，需要收集各国人书写的汉字样本做研究。当时，他的一个师弟在英国读博，也做着相同的研究。师弟采集样本时跑遍了英国，还专门跑去了埃及，可是一年下来，收集的样本规模还不如李超在北语一堂汉语课上收集得多。“在北语，随便推开一间教室的门，20位同学就可能来自20个国家，我只要收集每个人的汉字，就是20个国别样本。”李超自豪地说。目前，约有170多个国家和地区的学生在北语学习，校园里能见到世界各地的人。在北语，研究语言信息处理根本不愁样本，这是其他高校无法比拟的。
李超的博士论文研究外国人写汉字。在传统教学模式中，老师只能看到留学生写完的汉字，看不到写字过程中的笔画顺序，无法全方位判断写得怎么样。李超研究时用了一种数码笔，“它看起来和普通圆珠笔一样，但书写的时候，能记录书写者书写汉字时的位置、速度、压力等信息，再加上研制的算法，计算机就能告诉留学生写的汉字到底对不对了，如果不对还能指出哪里写得不对，给出修正意见。”
北语坚持‘专业 外语’的复合型人才培养模式。大一到大四都开设英语课，学院本科生的英语专八考试通过率能达到70%。
此外，计算语言研究需要的理论知识，北语也有着得天独厚的条件。“全球近300所孔子学院，由北语承办的就有17所。在培养汉语国际教学师资方面，北语是培训汉语国际教学师资的官方机构，对汉语国际教学中的各种教学研究得非常深入。”丰富的学生资源、专业的理论积累，都为北语的计算语言学提供了良好环境。
专业教学各有特色
北语计算语言学专业招收本科、硕士和博士。本科时要将基础数学、物理、统计等基础学科学扎实了，这可不简单。在本科生眼里，高等数学、线性代数、离散数学和概率论与数理统计是“四座大山”。李超认为，在计算语言学专业中，数学是基础，所有的语言现象都要对应一个语言模型。什么是语言模型？说得简单点儿就是一个数学公式。攻克了“四座大山”，大三大四的学生就可以选人工智能、自然语言处理等选修课了，还可以参与到学院老师们的研究项目中。本科生直接申请项目或直接参与科学研究，这是北语信科的特色。
至于硕士和博士，北语的计算语言学专业文理兼收，“我们不挑人，会针对每个人的专业特长、兴趣点对他们的研究方向进行专门定制。”李超说，多数硕士博士是理工科出身，他们会编程，但一般不懂语言学，进来后要补修《语言学概论》等语言学基础课程。文科背景的研究生则要补数学和计算机课程，但这没有想象中那么痛苦，“甚至有几位文科研究生经过一段时间的学习，成了编程大拿。”
北语计算语言学强调动手能力，本科生、硕士生和博士生有时会参加同一个研究课题，但是对他们的要求是不同的：本科生做的是基础工作；研究生则是解决课题中的一两个具体问题；对于博士生，则必须有三五个完整的创新点，并以此为基础完成博士论文，这是毕业的硬性要求。 去向好，招生难
谈起同学们的毕业去向，李超精神一振：“北语坚持‘专业 外语’的复合型人才培养模式。信科大一到大四都开设英语课，学院本科生的英语专八考试通过率能达到70%。”选择就业的本科生和研究生，除了去外交部、新华社等国家级机构，以及中国银行、工商银行等金融单位从事信息技术相关工作外，还有不少毕业生在IBM、微软、Google、百度、阿里巴巴、腾讯、新浪等从事软件开发、信息管理、技术服务工作。
因为做的都是前沿研究，有意深造的同学去向也不错，每年都有50%左右的本科毕业生赴国内外名校读研，如清华、北大、北航、北邮、牛津大学、斯坦福、帝国理工、加州伯克利、哥伦比亚、宾夕法尼亚、卡耐基·梅隆、东京大学等。想读博也不难，张劲松教授门下四位2015届研究生，一个去了日本京都大学，一个去了美国伊利诺伊大学厄巴纳 -香槟分校分校，一个去了澳大利亚麦考利大学，还有一个去了德国德累斯顿工业大学，都拿了全额奖学金。还有一个研究前后鼻韵母的2016届研究生，联系了西澳大利亚大学的一个大牛级教授，两封信就谈妥了读博事宜。如今，每年都有外国高校请北语计算语言学的教授推荐博士生候选人。
“2012年，北语邀请第三方机构调查了校友满意度，各院系中信科校友满意度排名第一。”李超自豪地说。不过校友满意度第一也可能是由于一个令人哭笑不得的原因：没来信科之前，不少同学对北语的唯一理工科学院不了解甚至有怨气，来了后却发现真的很棒，不虚此行。
毕业不愁出路的计算语言学，招生时却让学院操碎了心。考研时第一志愿填报北语计算语言学的，只要能过国家分数线就能被录取。但每年招的30名硕士研究生，还是有近一半要靠调剂。2015年，计算语言学收到了100多个调剂申请，最后调剂生的平均分数比第一志愿录取的还要高。
采访手记：
这一次为报道北语计算语言学，记者们采访了八位老师和学生。自豪和无奈，是每一位被采访者都流露出的情感。他们自豪于自己的前沿研究，自豪于自己灵活的本硕博培养方案，自豪于学生的就业去向，自豪于毕业生对学院的真心热爱。但是，也无奈于本科招不满，研究生靠调剂的局面。正如李超所坚信的，是金子的终会发光。而北语计算语言学，不仅是金子，还是一座蕴藏着金子的金矿。
探索前沿，低调耕耘
采写/本刊记者 尹颖尧 曹晓晨文字整理/陈林芩
北语计算语言学有一群大牛教师，他们的研究前沿、有趣。记者分别采访了研究语言教学、研究和应用的几位代表教授。
于东副教授——让计算机“听懂”语言
主攻语言信息处理的于东老师研究语义计算，即让计算机“听懂”、并且理解人说的话。
于老师介绍，语义学历经了三代研究。第一代是做生物分类体系般的语词典，通过条目分类囊括所有的词语。第二代是制作知识图谱，如网友自发编辑的百度、维基等百科，每一个词条形成一个小数据库。第三代则将词义抽象表示出来，再通过计算机分析词与词之间千丝万缕的关系。比如“鸡蛋”，可让计算机通过50个数字表示，表面看50个数字毫无关联，但一旦所有的食物都由50个数字表示出来后，计算机就能发现“鸡蛋”和“母鸡”间的联系，并能将它们的关系类比为人类母亲和孩子的关系。
提取个人中文简历中的信息，也是于老师重点负责的项目之一。对于有百度百科词条的人，他们的信息比较完整，普通人的信息则散落在互联网的各个角落，需要好好寻找。简历中，人们往往会写祖籍、出生地、年龄等信息，于东和学生们将这些信息提取后建模，再在更大的互联网文本中，找与这个人有关的
用计算机解决语言应信息，比如曾经待过的地方、做过的职位、人物关系用问题，即计算机理等等。之后逐层推导，绘制出一份社交图谱——以一解语言的句法结构和个人为中心，找出与之相关的人及其职位，构成人物语意结构，是当前大关系网络。这个项目2013年启动，仍在进行中。热的人工智能的一个用计算机解决语言应用问题，即让计算机理解方向。语言的句法结构和语意结构，是当前大热的人工智能
的一个方向。饿了吃饭，脏了洗澡，这是人的常识，但计算机没有这个常识，如何让计算机获取、表示，甚至运算这种常识性知识，仍是研究的一个难点。 2015年，于老师所在的大数据研究所团队加入了国家 “863”计划项目“面向基础教育的知识能力智能测评与类人答题验证系统”，2016年再次申请到国家社科重点项目资助，目标就是以语法、语义结构分析为核心技术，帮助人工智能参加高考，并在高考科目中达到一定水平。
链接：在知识图谱领域，清华大学和中国科学院都在做相关研究，前者注重在知识图谱基础上的知识推理，而后者关注如何从原始文本中抽取知识图谱。北语计算语言学更多是在积累资源，从文本中挖掘知识，并着手清华和中科院都不怎么关注的常识领域。
荀恩东教授——写手漂亮的汉字
信科学院大数据与语言教学研究所所长荀恩东教授的研究，主要包括两个部分。一是用计算机帮助汉语学习。在北语这个拥有不同肤色学生的“小联合国”，很多留学生写汉字如同画画，而且没有笔顺概念。荀教授和同学们研发了帮助留学生写好汉字的手机APP——“易汉字”，以国家规定的笔画笔顺为标准，指导学生写出标准的汉字。这款软件针对的不仅仅是外国人，没机会“练笔”的中国成年人同样是目标对象。
如今，人们提笔忘字的现象越来越严重，为让人们写得一手好字，荀教授还请来了书法家，采集其书写汉字的过程和成型的字体，让大家在APP上跟着书法家一笔一画地临摹。此外，荀教授还将师生互动从课堂上搬到了移动终端上。课前，他将课上要讲的内容发送至手机等终端，供学生预习，课后，他收集学生练习的结果，作为研究的第一手资料。
与于东老师一样，荀教授也关注人工智能中的常识问题。此外，他还牵头建立了BCC现代汉语语料库（http：//bcc.blcu.edu.cn/），总字数约 150 亿字，包括报刊（20亿字）、文学（30亿字）、微博（30亿字）、科技（ 30亿字）、综合（ 10亿字）和古汉语（20亿字）等多领域语料，可供检索，服务于教学、舆情等。它是目前国内最大、被使用次数最多的语料库，不论是博士、硕士生写论文，还是老师做语言学研究，都能用到它。 链接：北京语言大学在汉语学习的理论方法领域做得最深入，比如汉语的字、词、句、篇章的分析和处理技术，在国内可比肩清华大学、中国科学院大学、哈尔滨工业大学、和复旦大学等知名院校，也丝毫不比国外逊色。
荀教授和同学们研发了帮助留学生写好汉字的手机APP——“易汉字”，以国家规定的笔画笔顺为标准，指导学生写出标准的汉字。
2015年，张教授的团队在日本同学中做测试，参加测试前，日本同学发音的准确率是80%，经过一段时间的训练，准确率达到了90%。
张劲松教授——改进洋腔洋调
张劲松教授关注计算机辅助发音教学和实用语音学。经过调研，张教授发现计算机辅助发音的第一代产品，运用的是语音匹配技术，用打分的方式判断发音是否标准，但这对学生改进和提高发音的帮助实在有限。“学生只知道自己发音的水平，却不知道哪儿出了问题。这样的反馈，于教学而言远远不够。”
怎样才能让学生更好地改进发音呢？
带着这一目标，张老师把发音分成“三个环节、五个层面”，挨个儿攻克难关。五个层面指音段、声调、语调、语段和韵律。“三个环节”的第一个环节是产出环节。张老师发现，将汉语作为第二语言学习，不同国家的学生有着不同程度的“洋腔洋调”。比如日本人分不清l、r和zhi、chi、shi，送气也不足。此外，日本人讲中文时，也许每个音调都正确，但他们不明白汉语的韵律、节奏，连起来说时句子听起来十分生硬。第二个环节是知觉层面，这个层面常见的问题是在教学过程中，老师讲的东西同学能理解多少，老师不能确定，如“妈”和“马”，有的同学听起来完全一样。第三个层面是交际层面，这个层面也有一些容易产生的问题，比如，中国人与外国人聊天时，为了让对话顺利进行下去，有时会选择性忽略外国人说中文时的错误，这样一来，外国人就认为自己的错误表达是正确的，这是加深印象或巩固错误的陷阱。
随后，张教授带领同学们有针对性地解决这些问题。在知觉环节，针对日本学生阳平上声不分的问题，团队利用物理参数合成音高区间，并划分了十个次级，“对母语是汉语者来说，听 1～4 级时， 100%的人都表示听到的是阳平；听 7～10级时， 100%听到的都是上声；而听 5或6级时，他们也会拿不准。”团队把中国人听1～10次级的情况告诉日本同学，并针对他们的薄弱环节进行针对性的训练。 2015年，张教授的团队在日本同学中做测试，参加测试前，日本同学发音的准确率是 80%，经过一段时间的训练，准确率达到了 90%。
链接：在计算机辅助发音教学领域，美国佐治亚理工学院、香港中文大学、新加坡A*STAR（Agency for Science，Technology andReseach）研究所、日本京都大学等都有相关研究。由于北语开展得比较早，目前在国内外都处于前沿地位，研究成果在领域内也极受重视。
北语的计算语言学开设于全校唯一理工科学院信息科学学院（简称信科）。学院副书记李超是学院首届本科学生，作为本硕博都在这儿读的，彻头彻尾的土著，讲起北语信科和计算语言学，他滔滔不绝。
北语信科的历史有近三十年了，前身是计算机科学与技术系，成立于2000年，再之前，是1987年成立的中国第一个以汉语信息处理为主要研究方向的“语言信息处理研究所”。2014年，北语进行了大部制改革，信科在原有的语言信息处理研究所基础上，成立了另外三个研究所，分别是：大数据与语言教学研究所、语言监测与社会计算研究所（国家语言监测与研究平面媒体中心）和管理科学与工程研究所。几个研究所基本上都与计算语言学学科直接相关，分别对语言的教学、研究和应用开展深入的研究。信科的主要任务是培养外语水平出色，具有信息处理基本素养的
人工智能大潮滚滚而来，语言信息处理是人工智能中最难突通用人才，在信息领域开展一些前沿性的研究。破和最难解决的核心技术问题之一。“语言智能与技术，是北语在中国语言文学一级
北京语言大学语言智能与技术（以下称计算语言学），就是学科下，自主设置的二级学科。”李超说，计算语言专门做语言信息处理的。计算语言学是语言学的一个分支，学就是利用计算机对语言进行计算处理，比如要提出
某个语言现象，若没有语言数据的支持，就不能成为
利用计算机对语言进行研究。不同于传统的语言学，它是一一个语言规律。而发现规律一般有两种方法：一种基门由语言学、计算机科学和数学三者交叉的新型学科，融合于规则，如语法专家经过研究，发现语言规律；另一了计算机的奥妙、语言学的神秘，还有数学的逻辑，在人工种基于统计，根据大规模数据提炼规则。后一种就是智能的科技大潮中，显示出非凡的生命力和创造力。计算语言学主要做的事。
在这门融合了计算机科学、语言学和数学的计算语言学中，计算机科学是研究工具，语言学是处理对象，数学是建模工具，此外还会用到物理学等知识。李超进一步解释：“计算语言学，是从字、词、句、篇章、语音等各个维度去研究语言，比如让计算机自动评判一个留学生写汉字写得对不对、好不好，这项技术的核心是数学曲线在二维平面的变换；再比如研究日本人说汉语，计算机可以判断他们说得对不对、准不准，这项技术就利用了物理学中的声学理论，通过发音的波形进行判断。”计算语言学的应用还有很多，最常见的比如在拼音输入法中，有一项功能是“拼写和语法错误”，一旦判定有错误嫌疑，系统就会用红色波浪线划出。还有让计算机评判一篇论文写得好不好，对不对等。
资源优势独一无二
除了北语，国内开展计算语言研究的还有清华大学、北京大学、中国科技大学、哈尔滨工业大学、复旦大学、中国科学院等名校。每所大学的研究各有侧重，比如中国科技大学的科大讯飞主攻语音信息处理，特别是语音识别。语音识别的应用也很多，比如语音输入法，又比如语音考试，“在口语考试中，有一种题型是模仿原声读句子，计算机会给考生自动评分。”传统牛校的计算语言研究规模大，相比之下，北语更像是小团队作战，但在某些领域有得天独厚的优势。
这优势就是在语言资源方面，尤其是搜集外国人的语言资源上面。李超在写博士论文时，需要收集各国人书写的汉字样本做研究。当时，他的一个师弟在英国读博，也做着相同的研究。师弟采集样本时跑遍了英国，还专门跑去了埃及，可是一年下来，收集的样本规模还不如李超在北语一堂汉语课上收集得多。“在北语，随便推开一间教室的门，20位同学就可能来自20个国家，我只要收集每个人的汉字，就是20个国别样本。”李超自豪地说。目前，约有170多个国家和地区的学生在北语学习，校园里能见到世界各地的人。在北语，研究语言信息处理根本不愁样本，这是其他高校无法比拟的。
李超的博士论文研究外国人写汉字。在传统教学模式中，老师只能看到留学生写完的汉字，看不到写字过程中的笔画顺序，无法全方位判断写得怎么样。李超研究时用了一种数码笔，“它看起来和普通圆珠笔一样，但书写的时候，能记录书写者书写汉字时的位置、速度、压力等信息，再加上研制的算法，计算机就能告诉留学生写的汉字到底对不对了，如果不对还能指出哪里写得不对，给出修正意见。”
北语坚持‘专业 外语’的复合型人才培养模式。大一到大四都开设英语课，学院本科生的英语专八考试通过率能达到70%。
此外，计算语言研究需要的理论知识，北语也有着得天独厚的条件。“全球近300所孔子学院，由北语承办的就有17所。在培养汉语国际教学师资方面，北语是培训汉语国际教学师资的官方机构，对汉语国际教学中的各种教学研究得非常深入。”丰富的学生资源、专业的理论积累，都为北语的计算语言学提供了良好环境。
专业教学各有特色
北语计算语言学专业招收本科、硕士和博士。本科时要将基础数学、物理、统计等基础学科学扎实了，这可不简单。在本科生眼里，高等数学、线性代数、离散数学和概率论与数理统计是“四座大山”。李超认为，在计算语言学专业中，数学是基础，所有的语言现象都要对应一个语言模型。什么是语言模型？说得简单点儿就是一个数学公式。攻克了“四座大山”，大三大四的学生就可以选人工智能、自然语言处理等选修课了，还可以参与到学院老师们的研究项目中。本科生直接申请项目或直接参与科学研究，这是北语信科的特色。
至于硕士和博士，北语的计算语言学专业文理兼收，“我们不挑人，会针对每个人的专业特长、兴趣点对他们的研究方向进行专门定制。”李超说，多数硕士博士是理工科出身，他们会编程，但一般不懂语言学，进来后要补修《语言学概论》等语言学基础课程。文科背景的研究生则要补数学和计算机课程，但这没有想象中那么痛苦，“甚至有几位文科研究生经过一段时间的学习，成了编程大拿。”
北语计算语言学强调动手能力，本科生、硕士生和博士生有时会参加同一个研究课题，但是对他们的要求是不同的：本科生做的是基础工作；研究生则是解决课题中的一两个具体问题；对于博士生，则必须有三五个完整的创新点，并以此为基础完成博士论文，这是毕业的硬性要求。 去向好，招生难
谈起同学们的毕业去向，李超精神一振：“北语坚持‘专业 外语’的复合型人才培养模式。信科大一到大四都开设英语课，学院本科生的英语专八考试通过率能达到70%。”选择就业的本科生和研究生，除了去外交部、新华社等国家级机构，以及中国银行、工商银行等金融单位从事信息技术相关工作外，还有不少毕业生在IBM、微软、Google、百度、阿里巴巴、腾讯、新浪等从事软件开发、信息管理、技术服务工作。
因为做的都是前沿研究，有意深造的同学去向也不错，每年都有50%左右的本科毕业生赴国内外名校读研，如清华、北大、北航、北邮、牛津大学、斯坦福、帝国理工、加州伯克利、哥伦比亚、宾夕法尼亚、卡耐基·梅隆、东京大学等。想读博也不难，张劲松教授门下四位2015届研究生，一个去了日本京都大学，一个去了美国伊利诺伊大学厄巴纳 -香槟分校分校，一个去了澳大利亚麦考利大学，还有一个去了德国德累斯顿工业大学，都拿了全额奖学金。还有一个研究前后鼻韵母的2016届研究生，联系了西澳大利亚大学的一个大牛级教授，两封信就谈妥了读博事宜。如今，每年都有外国高校请北语计算语言学的教授推荐博士生候选人。
“2012年，北语邀请第三方机构调查了校友满意度，各院系中信科校友满意度排名第一。”李超自豪地说。不过校友满意度第一也可能是由于一个令人哭笑不得的原因：没来信科之前，不少同学对北语的唯一理工科学院不了解甚至有怨气，来了后却发现真的很棒，不虚此行。
毕业不愁出路的计算语言学，招生时却让学院操碎了心。考研时第一志愿填报北语计算语言学的，只要能过国家分数线就能被录取。但每年招的30名硕士研究生，还是有近一半要靠调剂。2015年，计算语言学收到了100多个调剂申请，最后调剂生的平均分数比第一志愿录取的还要高。
采访手记：
这一次为报道北语计算语言学，记者们采访了八位老师和学生。自豪和无奈，是每一位被采访者都流露出的情感。他们自豪于自己的前沿研究，自豪于自己灵活的本硕博培养方案，自豪于学生的就业去向，自豪于毕业生对学院的真心热爱。但是，也无奈于本科招不满，研究生靠调剂的局面。正如李超所坚信的，是金子的终会发光。而北语计算语言学，不仅是金子，还是一座蕴藏着金子的金矿。
探索前沿，低调耕耘
采写/本刊记者 尹颖尧 曹晓晨文字整理/陈林芩
北语计算语言学有一群大牛教师，他们的研究前沿、有趣。记者分别采访了研究语言教学、研究和应用的几位代表教授。
于东副教授——让计算机“听懂”语言
主攻语言信息处理的于东老师研究语义计算，即让计算机“听懂”、并且理解人说的话。
于老师介绍，语义学历经了三代研究。第一代是做生物分类体系般的语词典，通过条目分类囊括所有的词语。第二代是制作知识图谱，如网友自发编辑的百度、维基等百科，每一个词条形成一个小数据库。第三代则将词义抽象表示出来，再通过计算机分析词与词之间千丝万缕的关系。比如“鸡蛋”，可让计算机通过50个数字表示，表面看50个数字毫无关联，但一旦所有的食物都由50个数字表示出来后，计算机就能发现“鸡蛋”和“母鸡”间的联系，并能将它们的关系类比为人类母亲和孩子的关系。
提取个人中文简历中的信息，也是于老师重点负责的项目之一。对于有百度百科词条的人，他们的信息比较完整，普通人的信息则散落在互联网的各个角落，需要好好寻找。简历中，人们往往会写祖籍、出生地、年龄等信息，于东和学生们将这些信息提取后建模，再在更大的互联网文本中，找与这个人有关的
用计算机解决语言应信息，比如曾经待过的地方、做过的职位、人物关系用问题，即计算机理等等。之后逐层推导，绘制出一份社交图谱——以一解语言的句法结构和个人为中心，找出与之相关的人及其职位，构成人物语意结构，是当前大关系网络。这个项目2013年启动，仍在进行中。热的人工智能的一个用计算机解决语言应用问题，即让计算机理解方向。语言的句法结构和语意结构，是当前大热的人工智能
的一个方向。饿了吃饭，脏了洗澡，这是人的常识，但计算机没有这个常识，如何让计算机获取、表示，甚至运算这种常识性知识，仍是研究的一个难点。 2015年，于老师所在的大数据研究所团队加入了国家 “863”计划项目“面向基础教育的知识能力智能测评与类人答题验证系统”，2016年再次申请到国家社科重点项目资助，目标就是以语法、语义结构分析为核心技术，帮助人工智能参加高考，并在高考科目中达到一定水平。
链接：在知识图谱领域，清华大学和中国科学院都在做相关研究，前者注重在知识图谱基础上的知识推理，而后者关注如何从原始文本中抽取知识图谱。北语计算语言学更多是在积累资源，从文本中挖掘知识，并着手清华和中科院都不怎么关注的常识领域。
荀恩东教授——写手漂亮的汉字
信科学院大数据与语言教学研究所所长荀恩东教授的研究，主要包括两个部分。一是用计算机帮助汉语学习。在北语这个拥有不同肤色学生的“小联合国”，很多留学生写汉字如同画画，而且没有笔顺概念。荀教授和同学们研发了帮助留学生写好汉字的手机APP——“易汉字”，以国家规定的笔画笔顺为标准，指导学生写出标准的汉字。这款软件针对的不仅仅是外国人，没机会“练笔”的中国成年人同样是目标对象。
如今，人们提笔忘字的现象越来越严重，为让人们写得一手好字，荀教授还请来了书法家，采集其书写汉字的过程和成型的字体，让大家在APP上跟着书法家一笔一画地临摹。此外，荀教授还将师生互动从课堂上搬到了移动终端上。课前，他将课上要讲的内容发送至手机等终端，供学生预习，课后，他收集学生练习的结果，作为研究的第一手资料。
与于东老师一样，荀教授也关注人工智能中的常识问题。此外，他还牵头建立了BCC现代汉语语料库（http：//bcc.blcu.edu.cn/），总字数约 150 亿字，包括报刊（20亿字）、文学（30亿字）、微博（30亿字）、科技（ 30亿字）、综合（ 10亿字）和古汉语（20亿字）等多领域语料，可供检索，服务于教学、舆情等。它是目前国内最大、被使用次数最多的语料库，不论是博士、硕士生写论文，还是老师做语言学研究，都能用到它。 链接：北京语言大学在汉语学习的理论方法领域做得最深入，比如汉语的字、词、句、篇章的分析和处理技术，在国内可比肩清华大学、中国科学院大学、哈尔滨工业大学、和复旦大学等知名院校，也丝毫不比国外逊色。
荀教授和同学们研发了帮助留学生写好汉字的手机APP——“易汉字”，以国家规定的笔画笔顺为标准，指导学生写出标准的汉字。
2015年，张教授的团队在日本同学中做测试，参加测试前，日本同学发音的准确率是80%，经过一段时间的训练，准确率达到了90%。
张劲松教授——改进洋腔洋调
张劲松教授关注计算机辅助发音教学和实用语音学。经过调研，张教授发现计算机辅助发音的第一代产品，运用的是语音匹配技术，用打分的方式判断发音是否标准，但这对学生改进和提高发音的帮助实在有限。“学生只知道自己发音的水平，却不知道哪儿出了问题。这样的反馈，于教学而言远远不够。”
怎样才能让学生更好地改进发音呢？
带着这一目标，张老师把发音分成“三个环节、五个层面”，挨个儿攻克难关。五个层面指音段、声调、语调、语段和韵律。“三个环节”的第一个环节是产出环节。张老师发现，将汉语作为第二语言学习，不同国家的学生有着不同程度的“洋腔洋调”。比如日本人分不清l、r和zhi、chi、shi，送气也不足。此外，日本人讲中文时，也许每个音调都正确，但他们不明白汉语的韵律、节奏，连起来说时句子听起来十分生硬。第二个环节是知觉层面，这个层面常见的问题是在教学过程中，老师讲的东西同学能理解多少，老师不能确定，如“妈”和“马”，有的同学听起来完全一样。第三个层面是交际层面，这个层面也有一些容易产生的问题，比如，中国人与外国人聊天时，为了让对话顺利进行下去，有时会选择性忽略外国人说中文时的错误，这样一来，外国人就认为自己的错误表达是正确的，这是加深印象或巩固错误的陷阱。
随后，张教授带领同学们有针对性地解决这些问题。在知觉环节，针对日本学生阳平上声不分的问题，团队利用物理参数合成音高区间，并划分了十个次级，“对母语是汉语者来说，听 1～4 级时， 100%的人都表示听到的是阳平；听 7～10级时， 100%听到的都是上声；而听 5或6级时，他们也会拿不准。”团队把中国人听1～10次级的情况告诉日本同学，并针对他们的薄弱环节进行针对性的训练。 2015年，张教授的团队在日本同学中做测试，参加测试前，日本同学发音的准确率是 80%，经过一段时间的训练，准确率达到了 90%。
链接：在计算机辅助发音教学领域，美国佐治亚理工学院、香港中文大学、新加坡A*STAR（Agency for Science，Technology andReseach）研究所、日本京都大学等都有相关研究。由于北语开展得比较早，目前在国内外都处于前沿地位，研究成果在领域内也极受重视。