蒙古文信息处理的前途

雪花飞舞

蒙古文信息处理就是做蒙古文处理软件，希望大家讨论一下。
    虽然我不是悲观主义者，但我认为，随着office 2007的盗版，蒙古文处理变得越来越普及，但市场利润越来越小。这对蒙古文信息来说不是好消息。蒙古文信息处理需要做很多的基础工作，这些是蒙古文以后发展的基础，但蒙古文信息处理来说利润减少意味着投入将减少。
    从自己的角度希望越来越多的人投入到蒙古文信息。但物质的鼓励减少会影响开发人员的情绪。

ganjike

这个问题真的很复杂，向我这样搞技术可能永远也搞不清楚。

我想这是咱们国家特有的经济方式造成的。
基础的研究费用应该由国家出。

有投资必须有回报，这是市场经济的规律。也是正常的，应该的。
有投资没有回报，早晚会出问题。

雪花飞舞

信息处理的理论的东西我们看得太少又没深入研究。我们在应用方面和基础资源方面加大力气在做。不过如果在理论方面能跟上欧美的话就好了。不怕在国际上发表论文。那样蒙古语就更受国际重视了。

Timon

现在理论研究和应用开发以及基础建设都不到位，人太少，经费非常紧张，很多老师和学生的劳动都得不到合理的报酬，这样一来更没有人愿意做了。政府应该在这方面投资更多的钱。为了汉语信息处理国家投资了3个亿，而且这只是一个具体项目，其他小项目数不胜数，没有人统计过到底投入了多少资金。语言都是平等的，处理起来需要的人力、时间和资金都是差不多的。并不会因为是少数民族的语言就需要较少的人力和资金。内蒙古拿出了2000万做一个20年的项目，一年100万。前十年搞方言调查和语料库的建设，后十年作文献处理。专门针对蒙古语信息处理研究和开发的占很小一部分。主要承担项目的首席科学家是一位搞语料库建设和编辑词典的人，到底能做多少事情谁都不知道。内大师大有很好的人力资源，可是因为个人矛盾不想跟他们合作。语音这一块儿是一个大块儿。这个项目资金少但是范围特大。他们想调查国内八省市所有土语点和蒙古国、布里亚特、卡尔梅克等地方的典型土语点。土语的概念不等于方言，比方言细很多的东西。内蒙古49个旗县，每个旗县调查80个人的。这只是调查计划，如果调查80个人，录音80个人的语料，再来处理80个人的语料的话，这2000万元全部用在语音录音和处理上都不够。一般，一个小时的录音资料分析、标注需要40个小时，这40个小时的人工呢？而且做完了只是一种基础建设，没有什么应用开发和理论研究。如果想继续做理论研究的话得要数据处理，一个小时材料可能需要一人做一个月，才能做完数据采集。我们的专家和官员们总是想的很大，实际上这些工作量太大了。国内搞蒙古语语音研究的人甚少，包括那些老专家和不会用计算机来处理语音的书本研究者们也就五十来号人，这已经包括进来所有跟语音研究有关的人员了，学生都进来了。真正可以用语料库和实验方法处理语音的人不到5个。悲哀啊，没人啊，没钱啊！昨天说到蒙古语媒体信息量贫瘠的问题，还提到了蒙古语遇到的窘境，这些都是离不开的。语言遇到的困境已经影响到了我们整个蒙古。

雪花飞舞

原帖由 Timon 于 2006-7-17 11:40 发表
现在理论研究和应用开发以及基础建设都不到位，人太少，经费非常紧张，很多老师和学生的劳动都得不到合理的报酬，这样一来更没有人愿意做了。政府应该在这方面投资更多的钱。为了汉语信息处理国家投资了3个亿，而 ...

  我认为语音方面做得事情已经比较完备了，而且只能算是基础数据。语音识别和语音生成与书面语的连接部分是词汇层次，语用层次。语音识别达到音节识别70%，剩下的用词汇和语法分析补充，在把感情色彩信息注入到语料中，这样就有了书面语和感情标注的语料。再从语料中训练参数，可以得生成语音的参数。

  关于语音方面了解不多。不过分析语音的软件很多，当然人工好是好，不过太慢。如果分析很多的语料，可用软件批量处理。方言和土语的研究的意义，我感觉意义不大。语族的研究的好像最近不太快了。这方面的人才少了。

  说到计算机，好像现在的老师特别排斥计算机。计算机是很好用的工具。与现今地方比起来，我们的综合还是有差距，从项目的规划，实行，测试都有很大差距。还在计划经济的粗放式管理。很多项目都在糊弄。自己不做出成绩怎么让人相信。既然资源有限，应该认真对待。

Timon

我认为语音方面做得事情已经比较完备了，而且只能算是基础数据。语音识别和语音生成与书面语的连接部分是词汇层次，语用层次。语音识别达到音节识别70%，剩下的用词汇和语法分析补充，在把感情色彩信息注入到语料中，这样就有了书面语和感情标注的语料。再从语料中训练参数，可以得生成语音的参数。
----------------------------------------
你说的语音是什么语音？我说的可是口语哦。而且是蒙古语的。蒙古语的语音处理在一定程度上参考其它语言语音研究领域内的经验和理论，但是本身问题也是很多的。


  关于语音方面了解不多。不过分析语音的软件很多，当然人工好是好，不过太慢。如果分析很多的语料，可用软件批量处理。方言和土语的研究的意义，我感觉意义不大。语族的研究的好像最近不太快了。这方面的人才少了。
---------------------------
用软件批量处理的数据无法用于研究或者开发上，误差太大，需要一个一个做规正处理。语音的变化太多，比起书面语不确定因素很多。现在蒙古语口语音系层面上的研究比较多，语音层面上的研究太少了，基本上可以说基础研究还没有做完，所以没有软件可以帮助我们。方言的研究在软件开发上没有多少贡献，但是在理论研究上贡献很大。

雪花飞舞

原帖由 Timon 于 2006-7-18 21:02 发表
用软件批量处理的数据无法用于研究或者开发上，误差太大，需要一个一个做规正处理。语音的变化太多，比起书面语不确定因素很多。现在蒙古语口语音系层面上的研究比较多，语音层面上的研究太少了，基本上可以说基础研究还没有做完，所以没有软件可以帮助我们。方言的研究在软件开发上没有多少贡献，但是在理论研究上贡献很大。

  语音处理的软件，在国外也有很多好的，当然贵些。不过我不相信英语的语音方面的工作都靠人工完成的。一是他们在语音方面的研究很多（物理特征分析和数值分析），而是他们特别能偷懒的。
   软件在古刹的规整方面也可以用比如，自动分类，数据平滑技术等。
   当然60%音节识别率是不能用在理论研究的，语音在语言学的理论研究的地位当然不能忽视。说到底语言就是语音，至于文本和文字都是相似的纪录语音的标记。语音的变化太多，所以文字的稳定性好一些。
   以前的机构化思想的影响，语言了层次；语音，语法，词汇，修辞等。实际上人的认识和学习还有心理活动会影响整个层面，语言应该是立体的。

原帖由 Timon 于 2006-7-18 21:02 发表
   你说的语音是什么语音？我说的可是口语哦。而且是蒙古语的。蒙古语的语音处理在一定程度上参考其它语言语音研究领域内的经验和理论，但是本身问题也是很多的。

   我只是谈论语音处理和文字处理的关系。语音当然是以口语为标准，人的认知作标准。