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

　　該數(shù)據(jù)集覆蓋了近萬個漢語詞匯，是當前國際上最大規(guī)模的用于腦語言處理機制研究的多模態(tài)同步神經(jīng)影像數(shù)據(jù)集。其相關研究成果論文已在《自然》(Nature)旗下專業(yè)學術期刊《科學數(shù)據(jù)》(Scientific Data)發(fā)表。

　　據(jù)中科院自動化所自然語言處理研究組介紹，大腦在加工語言時，需要實時調動多個腦區(qū)的神經(jīng)元進行協(xié)同工作。構建高時空分辨率的神經(jīng)影像數(shù)據(jù)可以幫助人們更好地了解各個腦區(qū)以及腦區(qū)之間的協(xié)同合作，對于研究大腦的語言加工機制至關重要。

　　當前已有的開源數(shù)據(jù)主要針對英文采集，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)或高時間分辨率的腦磁圖(MEG)，并且大多使用1小時以內的實驗材料，數(shù)據(jù)規(guī)模有限，無法借助數(shù)據(jù)需求量大的計算模型進行更全面、更深入的大腦語言加工機制探索。

　　為突破上述問題，該研究組歷時近兩年采集處理完成目前國際上規(guī)模最大、包含信息最豐富的漢語同步多模態(tài)神經(jīng)影像數(shù)據(jù)集，針對12個被試收聽約6個小時故事時的功能核磁共振(fMRI)、腦磁圖(MEG)、每個被試的T1/T2加權結構像、擴散磁共振成像(diffusion MRI)和靜息態(tài)核磁共振(resting MRI)數(shù)據(jù)采集整理而成。為了便于利用計算模型進行腦語言處理機制的研究，所有故事材料都由人工標注了句法結構樹，計算了文本中每個詞匯對應的音頻時間點、詞頻以及多種不同字和詞匯的向量。同時，所有測試指標均超越或可比于已有的同類數(shù)據(jù)集，具有充分的質量保證。

　　中科院自動化所自然語言處理研究組表示，目前國際最大規(guī)模漢語同步多模態(tài)神經(jīng)影像數(shù)據(jù)集的公開發(fā)布，可以為全方位研究大腦在真實場景下理解詞匯、短語和句子時如何調動不同腦區(qū)以及不同腦區(qū)之間如何協(xié)同工作等科學問題提供重要支撐。

　　特別值得注意的是，該數(shù)據(jù)集覆蓋了近萬個漢語詞匯，這不僅對于研究大腦理解漢語的認知機理具有重要意義，而且將在探索自然語言計算模型與人腦語言處理機制之間的關系，研究如何利用神經(jīng)影像數(shù)據(jù)提升現(xiàn)有語言計算模型的性能，從而構建新一代受腦啟發(fā)的神經(jīng)語言模型等一系列工作中發(fā)揮顯著作用。(完)