中新網(wǎng)北京10月9日電 (記者 孫自法)中國(guó)科學(xué)院自動(dòng)化研究所(中科院自動(dòng)化所)9日向媒體發(fā)布信息說(shuō)，該所自然語(yǔ)言處理研究組歷時(shí)近兩年，采集處理完成迄今國(guó)際上規(guī)模最大、包含信息最豐富的漢語(yǔ)同步多模態(tài)神經(jīng)影像數(shù)據(jù)集，并于近日正式對(duì)外發(fā)布。

　　該數(shù)據(jù)集覆蓋了近萬(wàn)個(gè)漢語(yǔ)詞匯，是當(dāng)前國(guó)際上最大規(guī)模的用于腦語(yǔ)言處理機(jī)制研究的多模態(tài)同步神經(jīng)影像數(shù)據(jù)集。其相關(guān)研究成果論文已在《自然》(Nature)旗下專業(yè)學(xué)術(shù)期刊《科學(xué)數(shù)據(jù)》(Scientific Data)發(fā)表。

　　據(jù)中科院自動(dòng)化所自然語(yǔ)言處理研究組介紹，大腦在加工語(yǔ)言時(shí)，需要實(shí)時(shí)調(diào)動(dòng)多個(gè)腦區(qū)的神經(jīng)元進(jìn)行協(xié)同工作。構(gòu)建高時(shí)空分辨率的神經(jīng)影像數(shù)據(jù)可以幫助人們更好地了解各個(gè)腦區(qū)以及腦區(qū)之間的協(xié)同合作，對(duì)于研究大腦的語(yǔ)言加工機(jī)制至關(guān)重要。

　　當(dāng)前已有的開(kāi)源數(shù)據(jù)主要針對(duì)英文采集，只包括單一模態(tài)的神經(jīng)影像數(shù)據(jù)，如高空間分辨率的功能核磁共振(fMRI)或高時(shí)間分辨率的腦磁圖(MEG)，并且大多使用1小時(shí)以內(nèi)的實(shí)驗(yàn)材料，數(shù)據(jù)規(guī)模有限，無(wú)法借助數(shù)據(jù)需求量大的計(jì)算模型進(jìn)行更全面、更深入的大腦語(yǔ)言加工機(jī)制探索。

　　為突破上述問(wèn)題，該研究組歷時(shí)近兩年采集處理完成目前國(guó)際上規(guī)模最大、包含信息最豐富的漢語(yǔ)同步多模態(tài)神經(jīng)影像數(shù)據(jù)集，針對(duì)12個(gè)被試收聽(tīng)約6個(gè)小時(shí)故事時(shí)的功能核磁共振(fMRI)、腦磁圖(MEG)、每個(gè)被試的T1/T2加權(quán)結(jié)構(gòu)像、擴(kuò)散磁共振成像(diffusion MRI)和靜息態(tài)核磁共振(resting MRI)數(shù)據(jù)采集整理而成。為了便于利用計(jì)算模型進(jìn)行腦語(yǔ)言處理機(jī)制的研究，所有故事材料都由人工標(biāo)注了句法結(jié)構(gòu)樹(shù)，計(jì)算了文本中每個(gè)詞匯對(duì)應(yīng)的音頻時(shí)間點(diǎn)、詞頻以及多種不同字和詞匯的向量。同時(shí)，所有測(cè)試指標(biāo)均超越或可比于已有的同類數(shù)據(jù)集，具有充分的質(zhì)量保證。

　　中科院自動(dòng)化所自然語(yǔ)言處理研究組表示，目前國(guó)際最大規(guī)模漢語(yǔ)同步多模態(tài)神經(jīng)影像數(shù)據(jù)集的公開(kāi)發(fā)布，可以為全方位研究大腦在真實(shí)場(chǎng)景下理解詞匯、短語(yǔ)和句子時(shí)如何調(diào)動(dòng)不同腦區(qū)以及不同腦區(qū)之間如何協(xié)同工作等科學(xué)問(wèn)題提供重要支撐。

　　特別值得注意的是，該數(shù)據(jù)集覆蓋了近萬(wàn)個(gè)漢語(yǔ)詞匯，這不僅對(duì)于研究大腦理解漢語(yǔ)的認(rèn)知機(jī)理具有重要意義，而且將在探索自然語(yǔ)言計(jì)算模型與人腦語(yǔ)言處理機(jī)制之間的關(guān)系，研究如何利用神經(jīng)影像數(shù)據(jù)提升現(xiàn)有語(yǔ)言計(jì)算模型的性能，從而構(gòu)建新一代受腦啟發(fā)的神經(jīng)語(yǔ)言模型等一系列工作中發(fā)揮顯著作用。(完)