謝海華：人工智能推動(dòng)數(shù)字出版的發(fā)展和創(chuàng)新

胡玉枝

謝海華及他的研發(fā)團(tuán)隊(duì)協(xié)同方正IT旗下方正電子、北大醫(yī)信、方正阿帕比等企業(yè)，在出版、媒體、教育、醫(yī)療等領(lǐng)域規(guī)劃了一系列技術(shù)上可行且有行業(yè)應(yīng)用前景的應(yīng)用方向。

對(duì)面這位溫文爾雅，沉穩(wěn)靦腆的像在校大學(xué)生的男孩，就是謝海華博士。若不是事先有些了解，很難將他與高級(jí)技術(shù)專家聯(lián)系起來，但正是這樣一個(gè)大男孩，承擔(dān)起北大方正集團(tuán)數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室知識(shí)服務(wù)方向的科研重任。

正在嚴(yán)重感冒的海華博士，很耐心地解答了所有問題。他厚厚的鏡片下，一雙深沉的眼睛，透著學(xué)者的嚴(yán)謹(jǐn)和誠懇。雖然他的思緒和敘述，不時(shí)地被他壓抑的從胸口而出的咳嗽打斷。

說起今天的成就，謝海華謙虛地說是團(tuán)隊(duì)共同努力的結(jié)果。

海外求學(xué)

謝海華，典型的80后，出生于江西上饒。在清華大學(xué)獲得碩士學(xué)位后，他進(jìn)入美國愛荷華州立大學(xué)就讀計(jì)算機(jī)科學(xué)博士，并在美國留學(xué)深造五年多。

說起五年多的留學(xué)感受，謝海華停頓了一下，好像在運(yùn)用他的理科思維整理那幾年的求學(xué)軌跡。他最深切的感受是，開闊了視野，接觸到世界領(lǐng)先的計(jì)算機(jī)科學(xué)與技術(shù)，對(duì)大數(shù)據(jù)、人工智能以及自然語言處理等專業(yè)技術(shù)的認(rèn)知有了不同維度的提升。國外的學(xué)術(shù)氛圍、教學(xué)模式、管理體系不同于國內(nèi)，非常自由和開放，并且學(xué)術(shù)交流十分方便。謝海華非常珍惜這個(gè)學(xué)習(xí)機(jī)會(huì)，十分刻苦地學(xué)習(xí)和研究，并且取得了出色的成果。

有關(guān)海外求學(xué)的經(jīng)歷，謝海華講了一個(gè)有趣的故事。美國的宗教氛圍特別強(qiáng)烈，經(jīng)常有人直接去住的地方傳教。有一次傳教士來敲門的時(shí)候，謝海華讓他的室友跟他們說自己不在，但他在說這句話的時(shí)候，被傳教士們聽到了，一時(shí)有點(diǎn)尷尬。雖然之后傳教士沒有再來，但是謝海華的心里卻很過意不去。雖然他是由于學(xué)習(xí)緊張，對(duì)別的活動(dòng)都沒有興趣，但是當(dāng)謝海華一本正經(jīng)地說出這些話時(shí)，讓你覺得他特別善良。

留學(xué)期間，讓謝海華最難忘的是第一次寫論文的經(jīng)歷。大部分研究生的導(dǎo)師會(huì)親自指導(dǎo)學(xué)生的論文，不過他的博士導(dǎo)師并沒有。在整個(gè)過程中，導(dǎo)師基本沒有過問，只是一個(gè)師兄在與謝海華溝通。謝海華很認(rèn)真地、下了很大功夫地撰寫論文，夜以繼日地寫了十多頁，就在準(zhǔn)備投稿的時(shí)候，請(qǐng)導(dǎo)師過目把關(guān)。沒想到，導(dǎo)師拿過論文來，基本上全部否定了，并且把十多頁的論文刪減到最后只剩下四頁。雖然論文最終發(fā)表出來了，但它本來是一篇很有分量的論文，卻最終變成分量很輕的了。浪費(fèi)很多時(shí)間和精力，謝海華感到很郁悶。但是這次的經(jīng)歷，也給謝海華之后的論文撰寫提供了經(jīng)驗(yàn)。他認(rèn)識(shí)到要多跟導(dǎo)師溝通，爭取導(dǎo)師的指導(dǎo)，后來寫出了好幾篇很有分量的專業(yè)論文，發(fā)表在權(quán)威雜志上。

學(xué)成歸來

2015年5月，謝海華在愛荷華州立大學(xué)完成畢業(yè)論文，獲得計(jì)算機(jī)博士學(xué)位。當(dāng)時(shí)有幾家著名的科研單位向他伸出了橄欖枝，但是在留與歸之間，他沒懸念地回到了祖國。因?yàn)樗母谥袊?，家在中國，最重要的是父母早就希望他回來了。其?shí)，當(dāng)初他剛?cè)ッ绹魧W(xué)時(shí)，父母就很不舍得讓他去。美國太遙遠(yuǎn)，來去很不方便，而且與國內(nèi)有十幾個(gè)小時(shí)的時(shí)差，這樣的時(shí)空距離無法逾越，父母和姐姐非常希望他留在身邊。但是作為計(jì)算機(jī)專業(yè)的研究生，謝海華認(rèn)為很有必要走出去，看看世界先進(jìn)的計(jì)算機(jī)技術(shù)。

回國后，2015年10月，謝海華進(jìn)入海淀園博士后工作坊北大方正集團(tuán)分站，成為與北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)研究所合作培養(yǎng)的企業(yè)博士后，從事知識(shí)服務(wù)和自然語言處理技術(shù)相關(guān)研究。博士后期間，謝海華的研究方向涉及領(lǐng)域知識(shí)體系構(gòu)建、知識(shí)庫構(gòu)建及準(zhǔn)確性校驗(yàn)，媒體&出版行業(yè)文本資源分析和處理等。其相關(guān)的研發(fā)成果應(yīng)用于方正公司的“中華數(shù)字書苑”和“學(xué)知搜索系統(tǒng)”等產(chǎn)品和服務(wù)，以及紡織出版社的“中華服飾文化云平臺(tái)”等項(xiàng)目。基于研究成果，他發(fā)表了3篇論文，申請(qǐng)5項(xiàng)專利。博士后期間的工作經(jīng)歷、經(jīng)驗(yàn)和成績，對(duì)于謝海華現(xiàn)在及以后的學(xué)術(shù)研究方向的深入和廣闊，以及學(xué)術(shù)眼界的開闊和提升，都起到了極為重要的影響。

“中華數(shù)字書苑”是方正阿帕比推出的專業(yè)優(yōu)質(zhì)華文數(shù)字內(nèi)容整合服務(wù)平臺(tái)，收錄了建國以來大部分的圖書全文資源、全國各級(jí)各類報(bào)紙及年鑒、工具書、圖片等特色資源產(chǎn)品，旨在為圖書館、學(xué)校、企業(yè)、政府等客戶及其所屬讀者提供在線閱讀、全文檢索、離線借閱、移動(dòng)閱讀、下載、打印等數(shù)字內(nèi)容和知識(shí)服務(wù)。“中華數(shù)字書苑”，還多次作為國禮贈(zèng)送國際友人。

在談及這些項(xiàng)目時(shí)，謝海華做了詳細(xì)講解，以及他在項(xiàng)目當(dāng)中擔(dān)負(fù)的責(zé)任。

謝海華在中華數(shù)字書苑和中華紡織文化云平臺(tái)（華服志）等項(xiàng)目中，負(fù)責(zé)了知識(shí)庫置信度評(píng)估這個(gè)任務(wù)，設(shè)計(jì)算法評(píng)估知識(shí)庫中的三元組的置信度，實(shí)體的置信度，以及知識(shí)庫本身的置信度。并根據(jù)置信度的評(píng)估結(jié)果，選出置信度較低的三元組和實(shí)體進(jìn)行人工校驗(yàn)，以去除錯(cuò)誤的三元組和實(shí)體，提高知識(shí)庫的數(shù)據(jù)質(zhì)量。另外，他還負(fù)責(zé)設(shè)計(jì)算法計(jì)算實(shí)體與資源、實(shí)體之間、資源之間的關(guān)系強(qiáng)度。根據(jù)關(guān)系強(qiáng)度，可以在檢索階段，返回關(guān)系強(qiáng)度較大的相關(guān)資源，以提高檢索質(zhì)量。在由國家新聞出版署指導(dǎo)、中國新聞出版研究院主辦的第八屆中國數(shù)字出版博覽會(huì)上，“華服志”平臺(tái)作為知識(shí)服務(wù)的旗艦項(xiàng)目，舉辦了專門的平臺(tái)發(fā)布活動(dòng)。

2017年，由于方正集團(tuán)在數(shù)字出版和知識(shí)服務(wù)領(lǐng)域的技術(shù)積累和行業(yè)優(yōu)勢，特別是方正旗下的數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室的濃厚學(xué)術(shù)氛圍以及崇尚自由探索的技術(shù)精神，謝海華在博士后出站之后選擇留在數(shù)字出版技術(shù)實(shí)驗(yàn)室，并以技術(shù)負(fù)責(zé)人的身份，帶領(lǐng)研發(fā)團(tuán)隊(duì)進(jìn)行知識(shí)服務(wù)關(guān)鍵技術(shù)的研究，深耕數(shù)字出版行業(yè)的應(yīng)用技術(shù)的研發(fā)。實(shí)驗(yàn)室重點(diǎn)研究數(shù)字出版領(lǐng)域中普適性文檔技術(shù)、自動(dòng)排版技術(shù)、數(shù)字出版內(nèi)容的自適應(yīng)重組技術(shù)等關(guān)鍵技術(shù)，促進(jìn)數(shù)字出版產(chǎn)業(yè)的技術(shù)進(jìn)步，通過產(chǎn)學(xué)研合作在數(shù)字內(nèi)容的生產(chǎn)、發(fā)行和服務(wù)等領(lǐng)域，進(jìn)行技術(shù)創(chuàng)新和產(chǎn)業(yè)化應(yīng)用、推廣，并推動(dòng)數(shù)字出版產(chǎn)業(yè)相關(guān)標(biāo)準(zhǔn)的制定。他們還將結(jié)合人工智能、VR/AR等新興技術(shù)，研究對(duì)未來數(shù)字出版發(fā)展具有重要影響的前沿技術(shù)、數(shù)字出版領(lǐng)域的關(guān)鍵應(yīng)用基礎(chǔ)技術(shù)，形成公共技術(shù)平臺(tái)，并促進(jìn)成果轉(zhuǎn)化。

2018年5月30日，根據(jù)《依托企業(yè)建設(shè)國家重點(diǎn)實(shí)驗(yàn)室管理暫行辦法》，科技部組織對(duì)99個(gè)企業(yè)國家重點(diǎn)實(shí)驗(yàn)室進(jìn)行了評(píng)估，依托方正集團(tuán)建設(shè)的數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室順利通過科技部組織的評(píng)估。

從2017年擔(dān)任國家數(shù)字出版技術(shù)重點(diǎn)實(shí)驗(yàn)室技術(shù)負(fù)責(zé)人以來，謝海華及他的研發(fā)團(tuán)隊(duì)已與方正IT旗下方正電子、北大醫(yī)信、方正阿帕比等企業(yè)開展深入合作，在出版、媒體、教育、醫(yī)療等領(lǐng)域規(guī)劃了一系列技術(shù)上可行且有行業(yè)應(yīng)用前景的應(yīng)用方向。這個(gè)團(tuán)隊(duì)在媒體大數(shù)據(jù)分析、用戶行為大數(shù)據(jù)分析、學(xué)術(shù)知識(shí)庫構(gòu)建等領(lǐng)域已開展專項(xiàng)研究，探索自然語言處理領(lǐng)域各種技術(shù)、算法和工具在工業(yè)界的應(yīng)用和改進(jìn)，以及在“人工智能+”新的技術(shù)發(fā)展階段，對(duì)各個(gè)業(yè)務(wù)領(lǐng)域拓展起到積極的推動(dòng)作用。

在這些產(chǎn)品和項(xiàng)目中，謝海華團(tuán)隊(duì)研發(fā)的成果涉及核心及基礎(chǔ)性技術(shù)研究，包括機(jī)器寫作、信息抽取、語義分析、智能審校等。這些基礎(chǔ)技術(shù)的研究支持了各個(gè)企業(yè)與出版社、高校和圖書館的合作，以及企業(yè)自身的知識(shí)服務(wù)和大數(shù)據(jù)分析等方向的技術(shù)探索。

學(xué)以致用

踐行王選院士“科技頂天，市場立地”的精神，并依照企業(yè)國家重點(diǎn)實(shí)驗(yàn)室的產(chǎn)學(xué)研結(jié)合的模式，謝海華及其團(tuán)隊(duì)在許多研究方向上取得了大量產(chǎn)學(xué)研成果，或者規(guī)劃了可行而且詳實(shí)的研究方案。主要的方向和成果有以下這些方面：

第一，在學(xué)術(shù)大數(shù)據(jù)平臺(tái)建設(shè)方面，他們已經(jīng)構(gòu)建了一個(gè)學(xué)術(shù)大數(shù)據(jù)平臺(tái)，包含學(xué)術(shù)會(huì)議庫，學(xué)術(shù)論文庫，學(xué)者信息庫，并含有知識(shí)提取和信息挖掘功能。學(xué)術(shù)大數(shù)據(jù)平臺(tái)可以作為知識(shí)挖掘和信息提取研究的基礎(chǔ)數(shù)據(jù)庫?；趯W(xué)術(shù)大數(shù)據(jù)平臺(tái)的學(xué)者影響力預(yù)測、學(xué)者科研興趣分析、學(xué)者參會(huì)信息分析等，可以為公司或者科研機(jī)構(gòu)提供信息咨詢服務(wù)，例如：為高校引進(jìn)人才時(shí)提供候選人的科研能力和學(xué)術(shù)潛力評(píng)估。

在2017年8月至10月間，謝海華和他的同事們，代表數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室知識(shí)服務(wù)團(tuán)隊(duì)，參加了“2017開放學(xué)術(shù)精準(zhǔn)畫像大賽”， 并在400支參賽隊(duì)伍中取得第一階段第二，第二階段第五的佳績。這次大賽，是基于學(xué)術(shù)數(shù)據(jù)挖掘系統(tǒng)提供的原始數(shù)據(jù)集，設(shè)計(jì)準(zhǔn)確高效的方法提取學(xué)者的個(gè)人描述信息，分析學(xué)者的研究興趣，以及預(yù)測學(xué)者的論文引用情況，從而更好地面向?qū)W術(shù)界提供專家信息、評(píng)估學(xué)者研究成果、介紹科學(xué)研究進(jìn)展、展示學(xué)術(shù)發(fā)展動(dòng)態(tài)。在比賽中，他們運(yùn)用機(jī)器學(xué)習(xí)和自然語言處理的專業(yè)知識(shí)，探索并試驗(yàn)學(xué)者信息挖掘和影響力預(yù)測的算法和技術(shù)，提升了信息檢索、文本信息處理和數(shù)據(jù)挖掘方面的能力，積累了大規(guī)模數(shù)據(jù)分析和計(jì)算方面的經(jīng)驗(yàn)，展示了實(shí)驗(yàn)室的技術(shù)水平。

第二，在機(jī)器寫作方面，他們運(yùn)用生成式和抽取式相結(jié)合的方法，實(shí)現(xiàn)新聞文本摘要的生成。包括：單篇文檔自動(dòng)摘要（100字左右）生成，而且摘要的語句通順;多篇文章的自動(dòng)標(biāo)題（20字左右）生成;多篇文章的自動(dòng)摘要（150字左右）生成。現(xiàn)在，這項(xiàng)成果已在公司內(nèi)部的新聞部門應(yīng)用，并得到廣泛好評(píng)。

第三，在智能問答方面，他們與集團(tuán)子公司的具體業(yè)務(wù)部門溝通討論應(yīng)用場景，并實(shí)施了客服領(lǐng)域的自動(dòng)問答。另外，他們還積極探索基于知識(shí)庫的智能問答、多輪對(duì)話等領(lǐng)域的最新技術(shù)，努力將問答系統(tǒng)領(lǐng)域的學(xué)術(shù)成果，轉(zhuǎn)化為數(shù)字出版技術(shù)實(shí)驗(yàn)室的工程成果。

第四，在智能審校方面，在出版行業(yè)里，待出版的文檔中往往存在很多語法和語義錯(cuò)誤，需要耗費(fèi)審校人員大量的時(shí)間來進(jìn)行校對(duì)。現(xiàn)有的自動(dòng)審校工具，例如黑馬校對(duì)，只能找出文檔中的簡單語法錯(cuò)誤，比如錯(cuò)別字，拼音錯(cuò)誤等。然而，目前沒有成熟的技術(shù)能夠自動(dòng)檢查出文檔中的復(fù)雜語法和語義錯(cuò)誤，例如：語句中的主語和謂語等成分殘缺、主謂搭配不當(dāng)、褒貶顛倒等。而這些錯(cuò)誤的校對(duì)，也恰恰是審校人員工作的重點(diǎn)和難點(diǎn)。因此，審校工作業(yè)界對(duì)審校的效率和準(zhǔn)確率的提升有強(qiáng)烈的需求。而智能審校這項(xiàng)研究，主要針對(duì)的就是，待出版文檔中的復(fù)雜語法錯(cuò)誤和語義錯(cuò)誤，進(jìn)行自動(dòng)識(shí)別和糾錯(cuò)，以節(jié)省審校人員的工作量，并提高出版物的質(zhì)量。

智能審校作為知識(shí)服務(wù)方向今明兩年的重點(diǎn)工作，謝海華傾注了大量的時(shí)間和精力推動(dòng)該項(xiàng)目相關(guān)技術(shù)的研究。2018年12月27日，謝海華參加了方正電子與中國出版協(xié)會(huì)編校工作委員會(huì)、數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室舉辦的智能輔助審校專家研討會(huì)，探討在人工智能時(shí)代，如何運(yùn)用自然語言理解等前沿技術(shù)為編輯人員減負(fù)增效。

當(dāng)前，我國正在從出版大國向出版強(qiáng)國發(fā)展，出版物內(nèi)容編校質(zhì)量一直是出版行業(yè)關(guān)注的重點(diǎn)。人工智能技術(shù)、自然語言理解技術(shù)、機(jī)器深度學(xué)習(xí)技術(shù)的發(fā)展，為出版行業(yè)提升出版物編校智能化程度、降低人工勞動(dòng)強(qiáng)度、提高工作效率提供了新的解決方案。在此背景下，方正電子聯(lián)合中國出版協(xié)會(huì)編校工作委員會(huì)、數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，邀請(qǐng)出版行業(yè)專家和技術(shù)專家就人工智能技術(shù)如何運(yùn)用在內(nèi)容編校領(lǐng)域進(jìn)行研討。會(huì)議當(dāng)中，謝海華博士介紹了人工智能技術(shù)在文檔審校修改中的應(yīng)用，以及自然語言理解基礎(chǔ)技術(shù)、語言模型、機(jī)器學(xué)習(xí)模型、深度學(xué)習(xí)模型在文檔審校修改方面的應(yīng)用情況，分享了人工智能技術(shù)在單位格式自動(dòng)校核和標(biāo)點(diǎn)符號(hào)審校修改方面取得的進(jìn)展。他還介紹了方正電子在圖表公式序號(hào)檢查、上下文內(nèi)容查重、全半角、規(guī)范用語等十一項(xiàng)檢查項(xiàng)的產(chǎn)品情況，向與會(huì)專家概括了智能輔助審校產(chǎn)品下一步研發(fā)的重點(diǎn)工作。

出版社的專家們充分肯定了方正集團(tuán)致力于新聞出版行業(yè)的技術(shù)創(chuàng)新的初哀和出發(fā)點(diǎn)，需要從行業(yè)的角度解決行業(yè)的共同需要，認(rèn)為智能輔助審校的產(chǎn)品方向、目標(biāo)和定位是正確的，技術(shù)路線是清晰的。與會(huì)專家建議，方正電子和數(shù)字出版實(shí)驗(yàn)室應(yīng)該充分考慮內(nèi)容編校的復(fù)雜性、艱巨性和難度，進(jìn)一步明確產(chǎn)品的邊界。明確在內(nèi)容“審”的方面哪些是機(jī)器能解決的問題，哪些是編輯人員人工解決的問題，立足為編輯“減負(fù)”，同時(shí)與國內(nèi)專業(yè)權(quán)威機(jī)構(gòu)建立長期的合作關(guān)系。

謝海華認(rèn)為智能輔助審校專家研討會(huì)的召開，為方正電子智能輔助審校產(chǎn)品的研發(fā)明確了定位與發(fā)展方向，大力推動(dòng)了方正電子基于新聞出版行業(yè)的技術(shù)創(chuàng)新。他說，面對(duì)出版業(yè)的發(fā)展和需求，方正電子和數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室將繼續(xù)致力于出版行業(yè)的技術(shù)創(chuàng)新，通過運(yùn)用人工智能等前沿技術(shù)，提升出版行業(yè)編校水平，為編輯人員減負(fù)增效。

第五，在媒體大數(shù)據(jù)分析方面，他們計(jì)劃構(gòu)建一個(gè)媒體大數(shù)據(jù)分析系統(tǒng)，包含新聞文本的轉(zhuǎn)載、侵權(quán)和同題檢測，新聞線索發(fā)掘和新聞?dòng)绊懥Ψ治?。該?xiàng)研究的創(chuàng)新點(diǎn)是基于新聞文本特點(diǎn)和媒體業(yè)務(wù)場景的知識(shí)服務(wù)應(yīng)用研究。中國人民大學(xué)新聞學(xué)院作為國內(nèi)新聞傳播學(xué)的頂尖研究機(jī)構(gòu)，也和謝海華團(tuán)隊(duì)合作，為這項(xiàng)研究提供專業(yè)的媒體傳播理論分析。因此，這項(xiàng)研究的應(yīng)用前景非常廣闊。

不久的將來，謝海華和他的團(tuán)隊(duì)在已有的技術(shù)成果以及行業(yè)前沿的探索的基礎(chǔ)上，將致力于不斷發(fā)展方正集團(tuán)在人工智能領(lǐng)域的技術(shù)，推動(dòng)現(xiàn)有產(chǎn)業(yè)革新，并努力開拓新的產(chǎn)業(yè)發(fā)展方向，助力公司在當(dāng)今人工智能的大潮當(dāng)中不斷前進(jìn)，成為國內(nèi)領(lǐng)先的創(chuàng)新科技企業(yè)。對(duì)此，謝海華博士充滿了信心。

鏈接

謝海華，1983年生，博士畢業(yè)于美國愛荷華州立大學(xué)計(jì)算機(jī)系。2015年進(jìn)入海淀園北大方正集團(tuán)企業(yè)博士后工作分站（與北京大學(xué)聯(lián)合培養(yǎng)），出站后留站，現(xiàn)任數(shù)字出版技術(shù)國家重點(diǎn)實(shí)驗(yàn)室高級(jí)算法研究員，知識(shí)服務(wù)方向技術(shù)負(fù)責(zé)人。博士后期間主持多項(xiàng)數(shù)字出版行業(yè)關(guān)鍵應(yīng)用技術(shù)創(chuàng)新項(xiàng)目，運(yùn)用人工智能技術(shù)探索并實(shí)現(xiàn)了專業(yè)出版領(lǐng)域的數(shù)字資源大數(shù)據(jù)云平臺(tái)，已取得數(shù)千萬經(jīng)濟(jì)效益;發(fā)表EI論文14篇，申請(qǐng)發(fā)明專利14項(xiàng);2018年入選北京市海聚工程青年項(xiàng)目，獲得“北京市特聘專家”榮譽(yù)稱號(hào)，并獲評(píng)方正集團(tuán)高級(jí)技術(shù)專家。