77、自然语言处理运营引擎的评估与应用

自然语言处理运营引擎的评估与应用

1. 自然语言处理技术进展与UIMA的应用

自然语言处理技术已经取得了显著进展，大量的NLP引擎集合能够在需要多引擎组合的任务中提供有用的输出。UIMA（非结构化信息管理架构）使得七个GALE站点的IOD团队能够协作，互操作15个引擎，每天对阿拉伯新闻视频和网络内容进行转录、翻译和信息提取。结果呈现为英文文本标题与主题摘要、故事标题和故事翻译的超链接形式。

为IOD开发的类型系统和数据重组组件可作为一个实验测试平台，用于评估不同团队开发的各种引擎组合的有效性。可以探索许多涉及引擎互操作的研究领域，例如系统组合技术在转录、实体识别和翻译方面的有效性，使用源语言实体对机器翻译的益处，独立的性别和/或说话人检测对语音转文本的价值等。

2. UIMA组件仓库（UCR）

UCR是一个基于Web的门户，旨在支持高效的组件传播和重用。它由一个基于Web的用户界面和一个关系数据库组成，数据库存储UIMA组件（集合读取器、注释器、CAS消费者）以及每个组件的相关元数据。

用户可以通过以下两种方式提交自己的组件：
- 仅发布组件的描述符（一个XML文件，指示如何将组件作为服务调用）。
- 如果希望传播组件的二进制（可选源代码）代码，可以将其以特殊的.zip格式（UIMA处理引擎存档[PEAR]格式）上传到UCR。

UCR有注册用户和未注册用户两种类型。所有用户都可以浏览和下载组件或描述符，但只有注册用户可以上传组件。UCR支持的用户操作包括：
- 注册用户：新用户通过选择用户名和密码，并提供有效的电子邮件地址进行注册。
- 加入邮件列表：网站提供一个界面，用于订阅