云藏搜索引擎藏文信息处理数据标注

申诉单元：海南藏族自治州藏文信息手艺计算中心

推选单元：青海省数据局

一、案例简介

藏文信息处理靠近言语结构复杂、标注圭臬缺失、数字化资源不及等问题。本案例通过系统化数据标注手艺，构建高质地藏文语料库，赋能藏文信息化行业，鼓舞藏文当然言语处理手艺的超过和实用化，促进地区信息化建设和数字经济发展，为藏族文化的保护和传承提供了要紧支握。

举座框架

二、举措与奏效

一是建立圭臬化标注体系。协同行内大众，充分参与《信息处理用藏文分词顺序》和《信息处理用藏语词类璀璨集》两项国度圭臬的制定，掩饰分词、词性、语义等维度。降服国度圭臬累计标注藏文分词语料868万词次，标注造作率缩短至3%以下。

三是构建绽放合作生态。构建绽放的数据标注平台，招引13万实名用户参与，孝敬10%的标注数据。累计收录藏文百科词条12万条、常识问答10万条，用户遍布世界34个省级行政区及民众90多个国度和地区，日均探问量200万次，撑握藏文信息处理产业链发展，促进区域数字经济。

四是培养专科东说念主才梯队。麇集高校开展藏文信息处理培训，探问学者8东说念主，柔性引进高端东说念主才5东说念主，累计培养45名专科标注东说念主员，其中硕士占比82%。支握11名从业东说念主员攻读博士学位，缓解行业东说念主才缺少问题。

五是优化全历程管制。经受模块化缱绻，已毕数据汇集、标注、审核全历程数字化。完成藏词句法标注2.3万句、语音标注1079小时、汉藏平行语料168万句对、框架语义常识库达1870个类，为藏文数字化保护提供基础资源。

三、特点亮点

一是圭臬化先行。建立藏文信息处理圭臬体系，鼓舞标注数据顺序化运用。已毕了圭臬化历程和严格的质地按捺，为藏文东说念主工智能研发提供高质地数据底座。

二是手艺实用化。斥地了针对藏文的智能分词与标注器用，缩短标注门槛，成果晋升40%。为低资源言语处理提供了“自动化标注+智能校验+握续迭代”的翻新范式。

三是社区共建。饱读动用户和技俩合作单元参与标注责任，酿成合作式标注生态。贬责藏文数据稀缺和标注资源不及的问题。通过众包形式快速膨大语料界限，鼓舞藏文信息处理手艺的社区化发展。

开首：国度数据局万博manbext体育官网app官网