081202-计算机软件与理论

自然语言处理，中文信息处理

2009-09--2013-01   中国科学院大学   博士
2004-09--2007-07   中国科学院研究生院   工学硕士/计算机软件与理论
2000-09--2004-07   北京交通大学   本科/理学学士/信息与计算科学

   

2017-04~现在, 中国科学院软件研究所, 高级工程师
2016-12~2017-03,北京华为数字技术有限公司, 主任工程师
2015-02~2016-11,中国科学院软件研究所, 高级工程师
2009-11~2015-02,中国科学院软件研究所, 工程师
2007-07~2009-11,中国科学院软件研究所, 助理工程师

2025-11-01-今,中国民族语言学会语言资源与计算人文专业委员会, 理事
2025-07-08-2030-07-09,全国信息技术标准化技术委员会藏文信息技术国家标准工作组, 委员
2024-08-21-2029-08-21,全国信息技术标准化技术委员会字符集与编码分技术委员会, 委员
2024-06-06-今,北京市民文化大讲堂, 授课专家
2023-11-06-今,全国信息技术标准化技术委员会蒙古文信息技术国家标准工作组, 成员
2021-06-04-今,中国语文现代化学会民族语文现代化专委会, 常务理事

   

（1） 2025年国际数字人文奖（DH Awards 2025）, 二等奖, 其他, 2025
（2） 中国社会科学院2025年度贯彻落实习近平总书记在哲学社会科学工作座谈会上重要讲话精神重大成果, , 部委级, 2025
（3） 语言文字先进工作者, 其他, 2025
（4） 2024年度国际数字人文奖（DH Awards 2024）, 三等奖, 其他, 2024
（5） 2014 ACM SIGSPATICAL CUP 竞赛一等奖, 一等奖, 其他, 2014

（ 1 ） 一种数据访问口令增强方法、访问控制方法及加密方法, 发明专利, 2025, 第 1 作者, 专利号: 202510852105.8

（ 2 ） 用户身份检测方法和系统, 专利授权, 2016, 第 4 作者, 专利号: CN105306496A

（ 3 ） 双语对齐语料的加工方法及装置, 发明专利, 2015, 第 1 作者, 专利号: CN104657351A

（ 4 ） 提供云字库服务的方法和系统, 发明专利, 2015, 第 5 作者, 专利号: CN104462026A

（ 5 ） 一种解决文件名乱码问题的ZIP文件解压缩方法, 发明专利, 2014, 第 1 作者, 专利号: CN104199867A

（ 6 ） 一种字形加粗方法, 发明专利, 2014, 第 1 作者, 专利号: CN104133809A

（ 7 ） 一种面向轻量级终端的路网匹配方法, 发明专利, 2013, 第 5 作者, 专利号: CN103198111A

（ 8 ） 一种基于部件的联机手写藏文字符的识别方法, 发明专利, 2012, 第 3 作者, 专利号: CN102360436A

（ 9 ） 一种基于词位标注的藏文分词方法, 发明专利, 2011, 第 1 作者, 专利号: CN102135956A

（ 10 ） 一种图形用户界面的多语言自适应方法, 发明专利, 2008, 第 2 作者, 专利号: CN101114225A

（ 11 ） 藏文网页及其编码的识别方法, 发明专利, 2007, 第 3 作者, 专利号: CN101055593A

   

（1） Final proposal to encode CJK Unified Ideographs Components, ISO/IEC JTC1/SC2/WG2 IRG, 2026, 第 2 作者  通讯作者
（2） IRG-RAG: An Iterative Reflective Graph Retrieval-Augmented Generation Method for Chinese Medicine, IEEE International Conference on Bioinformatics and Biomedicine (BIBM2025) , 2025, 第 3 作者
（3） China's advice on the encoding work of CJK Hybrid Characters, ISO/IEC JTC1/SC2/WG2 IRG , 2025, 第 3 作者
（4） Updated proposal to encode CJKV components to UCS, ISO/IEC JTC1/SC2/WG2 IRG, 2025, 第 2 作者
（5） 面向公共服务的中文编码字符集实用子集的构建方法研究, Research on Building a Well Fit Sub Set of Chinese Coded Character Set for Public Service, 信息技术与标准化, 2024, 第 3 作者
（6） 面向公共服务的中文编码字符集实用子集的构建方法研究, 信息技术与标准化, 2024, 第 3 作者  通讯作者
（7） Proposal on Revising PnP to Enhance the Work Efficiency of IRG, ISO/IEC JTC1/SC2/WG2 IRG, 2024, 第 1 作者
（8） Preliminary proposal to encode 131 CJK components for GF 3001—1997 and GF 0014—2009, ISO/IEC JTC1/SC2/WG2 IRG, 2024, 第 2 作者
（9） 数字中国实名信息比对同字同码研究, Research on Same Char Same Codepoint of Real Name Information Validation for Digital China, 信息技术与标准化, 2023, 第 1 作者
（10） Denoising Distantly Supervised Named Entity Recognition via a Hypergeometric Probabilistic Model, In Proceedings of the 35th AAAI Conference on Artificial Intelligence (AAAI 2021, CCF-A), 2021, 第 5 作者
（11） 基于词向量的藏文语义相似词知识库构建, Construction of Knowledge Base of Semantic Similar Tibetan Words Based on Word Vectors, 中文信息学报, 2020, 第 3 作者
（12） 基于句法树的藏语最长名词短语识别, Longest Noun Phrases Detection in Tibetan, 中文信息学报, 2019, 第 2 作者
（13） 汉—藏人名用字音译规则研究, Transliteration Rules for Human Names Between Chinese Characters and Tibetan Syllables, 中文信息学报, 2018, 第 3 作者
（14） CTTC: A Collection of Tibetan Text Corpora, Proceedings of LREC 2018 Workshop on Belt & Road: Language Resources and Evaluation, 2018, 第 1 作者
（15） 基于深度学习的藏文分词方法, Tibetan word segmentation based on deep learning, 计算机工程与设计, 2018, 第 2 作者
（16） 深度学习在汉藏机器翻译中的应用研究, 民族翻译, 2018, 第 1 作者
（17） 藏语音节标注研究, Research on Tagging of Tibetan Syllables, 中文信息学报, 2017, 第 2 作者
（18） 基于大规模网络语料的藏文音节拼写错误统计与分析, Statistics and Analysis on Spell Errors of Tibetan Syllables Based on a Large Scale Web Corpus, 中文信息学报, 2017, 第 1 作者
（19） A Chinese to Tibetan Machine Translation System with Multiple Translating Strategies, Himalayan Linguistics, 2016, 第 1 作者
（20） Tibetan Trisyllabic Light Verb Construction Recognition, Himalayan Linguistics, 2016, 第 1 作者
（21） 藏文国际音标（拉萨音）自动转换研究, Research on Automatic Conversion of IPA for Tibetan Text, 中文信息学报, 2016, 第 2 作者
（22） 藏文编码字符集标准应用中的问题及对策, 信息技术与标准化, 2016, 第 2 作者
（23） 基于藏语字性标注的词性预测研究, Tibetan POS Tagging Based on Syllable Tagging, 中文信息学报, 2015, 第 2 作者
（24） 藏语三音动词短语自动抽取研究, Automatic Extraction of Trisyllabic Verb Phrases in Tibetan, 中文信息学报, 2015, 第 3 作者
（25） Tibetan Word Segmentation as Sub-syllable Tagging with Syllable's Part-of-Speech Property, CHINESE COMPUTATIONAL LINGUISTICS AND NATURAL LANGUAGE PROCESSING BASED ON NATURALLY ANNOTATED BIG DATA (CCL 2015), 2015, 第 1 作者  通讯作者
（26） Tibetan Unknown Word Identification from News Corpora for Supporting Lexicon-based Tibetan Word Segmentation, PROCEEDINGS OF THE 53RD ANNUAL MEETING OF THE ASSOCIATION FOR COMPUTATIONAL LINGUISTICS (ACL) AND THE 7TH INTERNATIONAL JOINT CONFERENCE ON NATURAL LANGUAGE PROCESSING (IJCNLP), VOL 2, 2015, 第 2 作者
（27） Web藏文文本资源挖掘与利用研究, Mining Tibetan Web Text Resources and Its Application, 中文信息学报, 2015, 第 1 作者
（28） Zipf’s Law and Statistical Data on Modern Tibetan, The 25th International Conference on Computational Linguistics (COLING 2014), 2014, 第 1 作者
（29） 现代藏语助动词结尾句子边界识别方法, Modern Tibetan Auxiliary Ending Sentence Boundary Detection, 中文信息学报, 2013, 第 3 作者
（30） 新标准体系下蒙古文变形显现模型的设计与实现, Design and Implement of Mongolian Shaping Model under the New Standard, 中文信息学报, 2013, 第 2 作者
（31） 基于中心语块扩展的汉藏基本名词短语对的识别, Chinese-Tibetan Base Noun Phrase Alignment Based on Head-Phrase Extension, 中文信息学报, 2013, 第 2 作者
（32） 基于短语串实例的汉藏辅助翻译, Example Phrase Based Chinese-Tibetan Computer Aided Translation, 中文信息学报, 2013, 第 3 作者
（33） 新标准体系下的通用蒙古文变形显现模型的设计与实现, 中文信息学报, 2013, 第 1 作者
（34） 基于中心语块扩展的汉藏基本名词短语对识别, 第六届全国青年计算语言学会议, 2012, 第 2 作者
（35） SegT：一个实用的藏文分词系统, JOURNAL OF CHINESE INFORMATION PROCESSING, 2012, 第 1 作者
（36） Tibetan base Noun Phrase Identification framework based on Chinese-Tibetan sentence aligned corpus, In Proceedings of the 24th International Conference on Computational Linguistics (COLING2012), 2012, 
（37） 基于关联度的汉藏多词单元等价对抽取方法, Collocation Based Chinese-Tibetan Multi-Word Equivalent Pair Extraction, 中文信息学报, 2012, 第 2 作者
（38） SegT：一个实用的藏文分词系统, JOURNAL OF CHINESE INFORMATION PROCESSING, 2012, 第 1 作者
（39） ISCAS机器翻译系统与评测技术报告, 第七届全国机器翻译研讨会, 2011, 第 4 作者
（40） 国际音标输入软件的设计与实现, Design and Implementation of IPA Input System, 中文信息学报, 2011, 第 2 作者
（41） Automatic acquisition of chinese-tibetan multi-word equivalent pair from bilingual corpora, 2011 International Conference on Asian Language Processing, IALP 2011, 2011, 第 2 作者
（42） Mrg-ohtc database for online handwritten tibetan character recognition, 11th International Conference on Document Analysis and Recognition, ICDAR 2011, 2011, 第 2 作者
（43） Tibetan Word Segmentation as Syllable Tagging Using Conditional Random Fields, In Proceedings of the 25th Pacific Asia Conference on Language, Information and Computation (PACLIC-2011), 2011, 第 1 作者
（44） 汉藏短语对抽取中短语译文获取方法研究, Research on Phrase Translation Extraction for Chinese-Tibetan Machine Translation, 中文信息学报, 2011, 第 3 作者
（45） Tibetanword segmentation as syllable tagging using conditional random field, PACLIC 25 - PROCEEDINGS OF THE 25TH PACIFIC ASIA CONFERENCE ON LANGUAGE, INFORMATION AND COMPUTATION, 2011, 第 1 作者
（46） 汉藏短语抽取, Chinese Tibetan Phrase Extraction, 中文信息学报, 2011, 第 3 作者
（47） Tibetan Number Identification Based on Classification of Number Components in Tibetan Word Segmentation, In Proceedings of the 23rd International Conference on Computational Linguistics, 2010, 第 1 作者
（48） 基于Qt的国际化图形用户界面设计与实现, Design and Implementation of Internationalized Graphical User Interface Based on Qt, 中文信息学报, 2006, 第 1 作者

（1） 藏文自动分词的理论与方法研究, 知识产权出版社, 2016-03, 第 2 作者

已指导学生

金琪  硕士研究生  083500-软件工程  

伍家豪  硕士研究生  083500-软件工程  

1. GB18030-2022 《信息技术　中文编码字符集》
2. GB/T 36338-2018 《信息处理用藏文文献文本信息标记规范》
3. GB/T 标准号待定《信息技术　藏文文本表示切分和生成规范》
4. GB/T 标准号待定《信息技术　汉字字形部件拆分描述规范》
5. GB/T 28038-202x《信息技术　通用多八位编码字符集蒙古文 通用键盘字母数字区布局》
6. GB/T 36641-202x《信息技术　锡伯文名义字符、变形显现字符和控制字符使用规则》
7. GB/T 36649-202x 《信息技术　托忒文名义字符、变形显现字符和控制字符使用规则》
8. GB/T 36645-202x 《信息技术　满文名义字符、变形显现字符和控制字符使用规则》
9. 20231453-T-469 《信息技术　虚拟键盘藏文字符布局》》
10. JR/T 0253-2022 《金融服务　生僻字处理指南》

​