Projects

Suda-HLT主要项目

LAGroup（语言分析小组）

 作为自然语言处理基础研究，18新利体育
自然语言分析技术的目标是精准分析句子的词法和句法信息，以支持各种应用需求。我们的技术主要有几个特点：1）采用目前行业领先的多种机器学习技术，包括传统的基于离散特征的方法和深度学习方法，以提高分析性能，同时兼顾效率；2）基于我们做出的面向多源异构数据融合的一系列工作，充分利用现有的各种人工标注数据，提高模型的分析能；3）采用我们提出的基于局部标注表示的统一框架，允许训练数据只包含局部标注信息，从而充分利用各种弱标注数据，也可以将先验知识转化为弱标注信息，从而对模型解码过程进行直接约束；4）我们不断针对多源网络文本，进行人工标注，不断增加高质量训练数据。

基于以上技术，我们搭建了一个稳定、高准确率、高效率的汉语理解平台，从而实现技术不断积累和沉淀，目前已经向阿里、科沃斯、狗尾草等公司提供服务。同时，为了支持人工数据标注工作，我们也搭建了一个139X224X234X18/anno-sys 数据标注平台，采用局部标注、严格双人标注、专家审核等形式，我们发现可以最大限度降低数据标注管理者的工作，同时也可以在降低人力成本和提高数据质量之间获得平衡。

• 汉语开放依存树库构建：CODT
• 词语关系网络构建（目前关注上下位关系）

KG(知识图谱)

• 情感知识构建

* 中文实体情感知识库 SentiBridge
* 电商情感词典ECSD

• 知识图谱构建

* 人物关系标注数据集：IPRE，下载地址=https://github.com/SUDA-HLT/IPRE
* 实体关系标注数据集：NYT-H，在NYT远程监督数据基础上，人工对测试集进行标注，可实现准确评价，下载地址=https://github.com/Spico197/NYT-H