11&ZD189 蕭國(guó)政、姬東鴻：：項(xiàng)目簡(jiǎn)報(bào)-第13期-2017

基于本體演化和事件結(jié)構(gòu)的語(yǔ)義網(wǎng)模型研究

為國(guó)家網(wǎng)絡(luò)語(yǔ)言文字信息管理獻(xiàn)策建言：

設(shè)立網(wǎng)絡(luò)語(yǔ)言與信息監(jiān)管項(xiàng)目和基地，培養(yǎng)一支有語(yǔ)言研究能力和處理技術(shù)的忠于黨、忠于國(guó)家、忠于人民的網(wǎng)防軍

由武漢大學(xué)蕭國(guó)政、姬東鴻為首席專家的國(guó)家哲學(xué)社會(huì)科學(xué)基金重大招標(biāo)項(xiàng)目《基于本體演化和事件結(jié)構(gòu)的語(yǔ)義網(wǎng)模型研究》（項(xiàng)目批準(zhǔn)號(hào)：11&ZD189)始終堅(jiān)持學(xué)術(shù)探索、技術(shù)基礎(chǔ)和應(yīng)用導(dǎo)向，積極推進(jìn)成果轉(zhuǎn)化和使用，不斷提高網(wǎng)絡(luò)生活的質(zhì)量和水平，為創(chuàng)立網(wǎng)絡(luò)中國(guó)文化新面貌貢獻(xiàn)力量。

一

近年來(lái)，在網(wǎng)絡(luò)語(yǔ)言處理中，發(fā)現(xiàn)用非文字符號(hào)（含空白）代替漢字“敏感詞”的現(xiàn)象甚多，特別是在文學(xué)作品中，給網(wǎng)絡(luò)作品的發(fā)展、網(wǎng)絡(luò)界面面貌和受眾文化生活帶來(lái)不必要和可以不發(fā)生的非正面影響（為什么不必要和可克服，見(jiàn)后），也給一些境內(nèi)外敵對(duì)勢(shì)力和對(duì)網(wǎng)絡(luò)健康管理不理解的受眾，提供了一些不必要的攻擊理由和煽動(dòng)話題。上個(gè)月，由子課題負(fù)責(zé)人吳鴻緲教授牽頭，項(xiàng)目首席專家蕭國(guó)政教授、姬東鴻教授等參與，通過(guò)武漢大學(xué)向上級(jí)有關(guān)部門呈送了一份關(guān)于文學(xué)網(wǎng)站小說(shuō)文本敏感詞管理辦法的報(bào)告，提請(qǐng)領(lǐng)導(dǎo)和有關(guān)部門關(guān)注，提出了幫助國(guó)家用技術(shù)和相關(guān)策略，改善甚至克服該問(wèn)題的智庫(kù)建議。該智庫(kù)性報(bào)告和建議,我們認(rèn)為事關(guān)國(guó)家安全、社會(huì)發(fā)展、民情導(dǎo)向和我黨威望，現(xiàn)特以簡(jiǎn)報(bào)形式向項(xiàng)目主管部門和領(lǐng)導(dǎo)再次報(bào)告，若認(rèn)為有些合理和可能，也煩請(qǐng)轉(zhuǎn)呈黨和國(guó)家有關(guān)領(lǐng)導(dǎo)。

二

為了“凈化”網(wǎng)絡(luò)語(yǔ)言，我國(guó)當(dāng)前對(duì)網(wǎng)絡(luò)語(yǔ)言文字的管理，采用的是早期簡(jiǎn)單技術(shù)和粗放型策略。

該類技術(shù)，在處理敏感詞時(shí)，采用的是直接屏蔽的方式。操作上，凡可能屬于不妥或不雅的詞或字段，皆收進(jìn)“應(yīng)刪詞表”，用星號(hào)或空格“替代”。這種處理，臨時(shí)用用無(wú)妨，但長(zhǎng)年累月，后果可以想到。這里，以各類文學(xué)網(wǎng)站中的小說(shuō)文體敏感詞屏蔽的為例，看看這種技術(shù)和處理策略的后果。被屏蔽的敏感詞絕大多數(shù)為政治事件和兩性關(guān)系事件。

從被刪除替換后的網(wǎng)頁(yè)看，兩性關(guān)系類的“敏感詞”主要有以下幾類：①敏感性身體部位的名詞。如“屁股”，“乳房”，“乳頭”，“大腿”，“胴體”；②表示事件行為的動(dòng)詞或動(dòng)名詞。如“操”，“日”，“靠”，“性”，“豐胸”，“意淫”，“誘惑”，“嫖娼”，“撫摸”，“脫光”，“上床”，“性愛(ài)”；③與事件有關(guān)的其他名詞。如“情欲”，“激情”，“欲望”，“曖昧”，“春夢(mèng)”，“初夜”，“高潮”，“性幻想”，“性感”。

如“日”有一個(gè)方言義項(xiàng)同“操”，結(jié)果含有“日”的字段或詞，“日”均被星號(hào)代替，如：抗 *、每*、*頭、往 *、* 后、* 歷、整*里、**夜夜、狗*的、*本人等；又如含“性”字的字段用星號(hào)替換后：人 *、* 命、耐 *、同 *、索 *、黨 *、間歇*、革命*等。

這種用星號(hào)替換的現(xiàn)象又被稱為“打碼”，還被部分網(wǎng)民和寫者戲稱為“被和諧了”。為了避免被打碼，寫手們主要采用了以下六種手段進(jìn)行應(yīng)對(duì)，形成了漢字網(wǎng)絡(luò)文本非規(guī)范書寫的六種表達(dá)：（1）拆分原字，分字輸入（胴體 → 月同體）；（2）形近字代替（日本 → 曰本）；（3）音近字代替（大陸→大6）；（4）保留原字，中間添加分隔符（對(duì)付“詞表刪除技術(shù)”，如：親熱 → 親！熱），（5）部分拼音化（胸膛 → xiong膛），（6）空格（親熱→親 熱）。

直接屏蔽關(guān)鍵字的粗放式技術(shù)手段，不僅看不到語(yǔ)義技術(shù)的應(yīng)用，也顯得對(duì)文字作品和受眾不夠尊重。統(tǒng)計(jì)小說(shuō)《弄潮》發(fā)現(xiàn)，“性”字被屏蔽340次，但僅有三處與兩性關(guān)系類事件有關(guān)；“日”字被屏蔽285次，無(wú)一處與兩性關(guān)系類事件有關(guān)。一些成語(yǔ)和慣用語(yǔ)也變得讓人啼笑皆非，如“*[靠]山吃山*水吃水、”“來(lái)*[日]方長(zhǎng)”、“十有**[八九]”、“天下事不如意者十常**[八九]”。在政治敏感詞方面，為避“國(guó)軍”，“某國(guó)軍隊(duì)”變成“某**隊(duì)”；“臺(tái)獨(dú)”被屏蔽后，如“某電視臺(tái)獨(dú)家播報(bào)”變成“某某電視**家播報(bào)”。

外事無(wú)小事，其實(shí)代表國(guó)家的語(yǔ)言行為更是涉及黨和國(guó)家的形象，關(guān)乎人民特別是年輕一代文化思想修養(yǎng)，可以說(shuō)是影響千秋萬(wàn)代的事，必須高度重視。語(yǔ)言無(wú)小事，網(wǎng)絡(luò)（含手機(jī)）讀物，事關(guān)黨、國(guó)家、人民和民族現(xiàn)實(shí)安全和文化未來(lái)，不能簡(jiǎn)單從事，需認(rèn)真研究，必須投入經(jīng)費(fèi)金額力量，進(jìn)行有針對(duì)性的語(yǔ)義、技術(shù)、政策、策略及戰(zhàn)略研究，彰顯我們黨對(duì)國(guó)家、對(duì)人民、對(duì)歷史最具高度責(zé)任感的政治特色和光榮傳統(tǒng)，同時(shí)提高我國(guó)語(yǔ)言學(xué)界、技術(shù)處理界的語(yǔ)言研究水平和技術(shù)處理水平。

三

為此，我們建議：在國(guó)家網(wǎng)絡(luò)信息安全領(lǐng)導(dǎo)小組領(lǐng)導(dǎo)下，通過(guò)社會(huì)科學(xué)基金、自然科學(xué)基金、教育部等，可把相關(guān)的工作和任務(wù)，通過(guò)國(guó)家交叉學(xué)科項(xiàng)目招標(biāo)方式招標(biāo)，或?qū)⒋祟惞ぷ髦苯哟虬�和分�?xiàng)委托給政治責(zé)任感強(qiáng)、語(yǔ)言和信息處理技術(shù)到位的重大項(xiàng)目組、學(xué)校、機(jī)關(guān)、學(xué)術(shù)團(tuán)體和有關(guān)基地，與他們簽訂責(zé)任書，定期檢查、考核，優(yōu)勝劣汰，讓他們?cè)趪?guó)家有關(guān)部門領(lǐng)導(dǎo)、管理和監(jiān)護(hù)下，成為我黨、我國(guó)網(wǎng)絡(luò)空間的一支新型“網(wǎng)防”軍。

如果國(guó)家和有關(guān)領(lǐng)導(dǎo)部門認(rèn)為我們的建議可行，有需要有人先行先試，我們項(xiàng)目組是交叉學(xué)科團(tuán)隊(duì)，有上好的語(yǔ)言研究基礎(chǔ)、網(wǎng)絡(luò)技術(shù)基礎(chǔ)和項(xiàng)目研究成果，我們項(xiàng)目組和項(xiàng)目組所在的“武漢大學(xué)湖北語(yǔ)言與智能信息處理重點(diǎn)研究基地”，項(xiàng)目負(fù)責(zé)人所主持的“中國(guó)語(yǔ)文現(xiàn)代化學(xué)會(huì)語(yǔ)言與智能信息研究會(huì)”，愿意參與先行先試，并保證在完成好現(xiàn)有重大項(xiàng)目研究的同時(shí)，為國(guó)家網(wǎng)絡(luò)語(yǔ)言信息的安全監(jiān)管工作和履行國(guó)家智庫(kù)使命，做出我們應(yīng)有的貢獻(xiàn)。

在技術(shù)上，我們今天已可以做到精準(zhǔn)剔除，最大程度地保護(hù)漢語(yǔ)的健康肌體。試舉兩例：一，從簡(jiǎn)單的“關(guān)鍵詞刪除法”往前走一小步，搜索該詞前數(shù)字或/和后數(shù)字（或詞），建一個(gè)輔助性的“反刪除詞表”，如“性”，凡遇“人性、性命、耐性、索性、黨性、間歇性、革命性”（此表可根據(jù)出現(xiàn)的失誤不斷擴(kuò)展），則取消刪除；用此法來(lái)避免對(duì)成語(yǔ)、俗語(yǔ)的破壞。二，更復(fù)雜一點(diǎn)，以大數(shù)據(jù)為基礎(chǔ)結(jié)合智能學(xué)習(xí)和深度學(xué)習(xí)，對(duì)敏感詞進(jìn)行精確過(guò)濾自動(dòng)攔截，如收集與相關(guān)詞語(yǔ)鄰近的上下文詞語(yǔ)，標(biāo)出其頻率進(jìn)行排序，結(jié)合貝葉斯網(wǎng)絡(luò)和隱馬爾可夫模型，加上適當(dāng)?shù)尼槍?duì)性算法，便可精準(zhǔn)判斷“屁股”一詞是否出現(xiàn)在帶有色情意味的上下文中。爾后，根據(jù)需要可在此基礎(chǔ)上，再一步步往前走。

（課題組供稿）