语言表征机理及受脑启发的文本表示模型研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61906189
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    27.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0606.自然语言处理
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

It is a new research trend to combine the achievements and technologies in the fields of neuroscience and computer science to study natural language understanding. In the road of achieving natural language understanding, language representation is the most basic and important step. Specifically, only after knowing the mechanism of brain language representation, can we understand brain language comprehension and assist the diagnosis and treatment of related brain diseases. Only after building efficient textual representation models, can we let the computer truly understand natural language and construct more intelligent systems such as machine translation and intelligent customer service. Therefore, the in-depth study of brain language representation and textual representation method has important theoretical research value and important practical application value. In this project, we focus on the language representation issue, and study the following three problems within the context of brain Chinese understanding: 1) how do people encode lexical meaning, 2) how do they integrate lexical meaning, and 3) how to design a more intelligent textual representation model. This project aims to explore a new way of combining brain language representation and textual representation models. Specifically, one goal is to construct a more intelligent textual representation model guided by the mechanism of brain language representation, aiming to improve the performance of natural language processing tasks. The other goal is to draw a preliminary complete brain representation maps based on the computational models, which will be the first representation map of brain Chinese understanding, which have ground-breaking significance.
结合神经科学和计算机科学领域的成果和技术开展语言理解的研究已经成为国际上的研究趋势。语言表征是实现自然语言理解最基础的步骤,只有清楚人脑的语言表征机制才能解析人脑语言理解过程,辅助相关脑疾病的诊断和治疗;只有学到高效的文本表示才能使计算机真正理解自然语言,从而实现机器翻译、智能客服等智能系统。因此,对人脑语言表征机制和文本表示方法进行深入研究既有重要的理论研究价值又有重要的实际应用价值。在本项目中,我们聚焦语言表征问题,在人脑中文理解的环境下,具体研究人是如何表征词汇含义、如何将词汇含义进行整合,以及如何设计更加智能的文本表示模型这三个问题。本项目旨在探索结合人脑语言表征与计算机文本表示方法的新方式,借鉴人脑语言表征机制构建更加智能的文本表示模型,提升自然语言处理任务的性能;并且利用计算模型初步绘制一套完整的人脑中文表征图谱,这将是国际上首个人脑中文理解的表征图谱,具有开创性的意义。

结项摘要

语言理解是认知科学和计算机科学交叉领域共同关心的问题,但两个学科在选择具体研究问 题时却十分不同。认知科学领域的研究侧重解析大脑的工作机制,更多地关注于描述大脑对语言的响 应,缺乏对大脑语言功能整体化、系统化的研究,而计算机科学家在选择研究问题时重点关注实际应 用效能,往往忽略了对语言最本质规律的研究。那么,如何实现两种思路的交叉融合,为智能语言计 算模型的构建和语言认知机理的研究带来新的机遇和启发呢?本项目结合神经科学和计算机科学领域的成果和技术开展语言理解的研究已经成为国际上的研究趋势。语言表征是实现自然语言理解最基础的步骤,只有清楚人脑的语言表征机制才能解析人脑语言理解过程,辅助相关脑疾病的诊断和治疗;只有学到高效的文本表示才能使计算机真正理解自然语言,从而实现机器翻译、智能客服等智能系统。因此,对人脑语言表征机制和文本表示方法进行深入研究既有重要的理论研究价值又有重要的实际应用价值。在本项目中,我们聚焦语言表征问题,1)完成采集了大规模神经影像数据;2)研究了人脑语义句法表征的基础;3)设计了更加智能的连续学习模型。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
A synchronized multimodal neuroimaging dataset to study brain language processing
用于研究大脑语言处理的同步多模态神经影像数据集
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    scientific data
  • 影响因子:
    9.8
  • 作者:
    shaonan wang
  • 通讯作者:
    shaonan wang
基于语言计算方法的语言认知实验综述
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    中文信息学报
  • 影响因子:
    --
  • 作者:
    王少楠;张家俊;宗成庆
  • 通讯作者:
    宗成庆
语言认知与语言计算 – 人与机器的语言理解
  • DOI:
    10.1360/ssi-2021-0100
  • 发表时间:
    2022
  • 期刊:
    中国科学信息科学
  • 影响因子:
    --
  • 作者:
    王少楠
  • 通讯作者:
    王少楠
Neural Encoding and Decoding with Distributed Sentence Representations
使用分布式句子表示的神经编码和解码
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    IEEE Transactions on Neural Networks and Learning Systems
  • 影响因子:
    10.4
  • 作者:
    Jingyuan Sun;Shaonan Wang;Jiajun Zhang;Chengqing Zong
  • 通讯作者:
    Chengqing Zong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于MODIS NDVI的LandsatTM影像地形阴影区光谱信息恢复方法研究
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    遥感技术与应用
  • 影响因子:
    --
  • 作者:
    边金虎;李爱农;王少楠;赵伟;雷光斌
  • 通讯作者:
    雷光斌
基于MODIS NDVI的LandsatTM影像地形阴影区光谱信息恢复方法研究
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    遥感技术与应用
  • 影响因子:
    --
  • 作者:
    李爱农;王少楠;赵伟;雷光斌
  • 通讯作者:
    雷光斌
银行信贷、房产价格与经常账户余额动态关联性研究——基于TVP-SV-VAR和贝叶斯DCC-GARCH模型的分析
  • DOI:
    10.1002/ange.201705197
  • 发表时间:
    2019
  • 期刊:
    商业研究
  • 影响因子:
    --
  • 作者:
    董凯;王少楠;许承明
  • 通讯作者:
    许承明
一种基于双通道LDA模型的汉语词义表示与归纳方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    计算机学报
  • 影响因子:
    --
  • 作者:
    王少楠;宗成庆
  • 通讯作者:
    宗成庆

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码