清华大学孙茂松教授

清华大学孙茂松教授发言

　　主持人：下面是来宾发言，先请孙茂松发言。

　　孙茂松：首先非常高兴参加咱们这个讨论会，我觉得商务印书馆有百余年的历史，一直在引领我们国家文字的潮流，今天这件事我觉得也非常好，很荣幸可以参与这个活动。

　　我想和计算机结合还是应该大有可为的，我想了几个具体事情。

　　一个比如说今天的搜索引擎是打一个词给出很多文章，但语言文字工作的改革不一定很方便，因为没有一个汇总能力，我原来做过一个软件，比如说我对这一千个词感兴趣，你有一个表可以把这一千个词放进去，这个软件把这一千个词自动交给百度或者谷歌然后去查，它可能去查，谷歌可以查999页所有页面全自动抓下来，再点进去，点到那篇文章，再把相关例句找出来，看跟这个相关的词到底有多少。另外还可以考察跟这个词可能的搭配，把所有可能搭配的分布是怎么样的找出来。这个东西好处就是省了人力，要不然一千个词你要每个词打到搜索引擎，每个词看999页，把所有的文档下下来，这个事其实计算机一个晚上就做出来了，我觉得是发挥了计算机和语言的双重功能。

　　我现在去查一个词它给出的结果，我发现有些文章是非常严肃的文章，还有很多文章都是80后、90后的文章，我们看起来很挠头。如果做一个文体的自动分类的程序，分一分，这种软件也是可能做出来的。包括哪些是文学色彩更浓的文章，哪些是比较口语化的文章，都是可能的。

　　再有一个跟双语相关的，比如术语。清华同方把期刊库所有的文章，那是国内最大的，很多科技工作者或者老百姓到数据库里不知道怎么翻成英文，这种专家又很难找。同方做了一个自动计算机双语比对，最后的结果是你给任何一个术语，它就给一个比较贴合的英文翻译，非常有用，每天点击量有上百万。

　　再有一个比如视频检索，我做过一个简单的东西，就是打一个北京话盖了帽了，很多外国人不知道什么意思。有的有字幕，如果通过技术把字幕标出来，应用视频的镜头检测技术，可以把相关的片断弄成一个数据。如果视频是广东话的普通话，或者京味的普通话，可以做很多事。

　　还有比如娱乐，微软做过一个东西相当好，它给你识选，有些对你不太好，但是往往有一些奇思妙想，机器想到，人反而想不到，如果有这么个机器人肯定可以赛过大师。我在清华上研究课，我的学生每个人都做一个系统，做出五花八样，最后产生的句子很有意思。还有古诗中词和词的关联如果挖掘出来也很有意思。

　　再有一个我们张轴材老师，他做了一个篆刻的，随便给四个字或几个字，它自动可以出现一个刻章。还有一个填字游戏也很有趣，比如我搞的成语你就可以做成语填字，还可以按等级划分。很多好玩的东西都可能和市场有潜在的联系。这里面还会有很多问题，比如有机制的问题，包括技术和语言工作的确保结合的问题。

　　我简单就说这么多，谢谢大家。