基于深度学习的手语计算的发展趋势及研究分析

手语的自然语言处理是计算机学科中的一项重要任务。目前随着信息技术的飞速发展，以文本和语音为主要载体的传统语言计算的工作重点已从编码、输人方法和字音的研究逐渐转移到语法层面，并进入深度计算的阶段。然而手语信息处理却严重滞后，处于空白起步阶段。究其原因，主要是缺乏用于机器学习的具有一定规模的手语语料库资源，同时传统的语言计算技术也存在不足，这些都阻碍了手语机器翻译、手语冋答系统、手语信息检索等信息处理的应用研究。该文首先阐述了手语计算与传统语言计算的本质差异在于空间建模，这种差异导致了前者核心任务是单信道与多信道转换，后者根本任务是消歧。从词法、句法、语义、语用、应用等层面对手语计算进行了回顾，重点介绍了手语机器翻译和分类词谓语计算，指岀分类词谓语是手语计算的关键以及取得突破的切人点。从展望的角度，认为互联网肘代体感设备的出现、认知神经科学的兴起、深度学习的进展等新技术为手语计算带来了新的机遇。将手语计算饬传统语言计算进行比较，分析了手语计算的趋势和未来的研究方向，手语的认知计算是从手势的物理特征到语义表征的映射转换过程，其计算趋势是填补音韵特征、语义单元这样的中间步骤，避免直接从底层特征得到语义概念，关注在手语行为与语言特征的关系上进行机器学习，建立融合空间特征的统计学习模型。未来研究方向包括资源建设、文景转换、隐喻理解，其中文景转换有助于实现空间信息抽取，即物体的空间方向、位置等信息，结合知识库消除自然语言的模糊性，进而实现三维场景构建。指出手语计算正从萌芽期过渡到发展期，若取得重大突破，手语计算将扩展语言计算体系，推动人工智能的发展。