中新網(wǎng)北京10月9日電 (記者 孫自法)中國科學(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際上規模最大、包含信息最豐富的漢語(yǔ)同步多模態(tài)神經(jīng)影像數據集，并于近日正式對外發(fā)布。

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

　　據中科院自動(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)調動(dòng)多個(gè)腦區的神經(jīng)元進(jìn)行協(xié)同工作。構建高時(shí)空分辨率的神經(jīng)影像數據可以幫助人們更好地了解各個(gè)腦區以及腦區之間的協(xié)同合作，對于研究大腦的語(yǔ)言加工機制至關(guān)重要。

　　當前已有的開(kāi)源數據主要針對英文采集，只包括單一模態(tài)的神經(jīng)影像數據，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?xún)鹊膶?shí)驗材料，數據規模有限，無(wú)法借助數據需求量大的計算模型進(jìn)行更全面、更深入的大腦語(yǔ)言加工機制探索。

　　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際上規模最大、包含信息最豐富的漢語(yǔ)同步多模態(tài)神經(jīng)影像數據集，針對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加權結構像、擴散磁共振成像(diffusion MRI)和靜息態(tài)核磁共振(resting MRI)數據采集整理而成。為了便于利用計算模型進(jìn)行腦語(yǔ)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(shù)，計算了文本中每個(gè)詞匯對應的音頻時(shí)間點(diǎn)、詞頻以及多種不同字和詞匯的向量。同時(shí)，所有測試指標均超越或可比于已有的同類(lèi)數據集，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，目前國際最大規模漢語(yǔ)同步多模態(tài)神經(jīng)影像數據集的公開(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)如何調動(dòng)不同腦區以及不同腦區之間如何協(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，該數據集覆蓋了近萬(wàn)個(gè)漢語(yǔ)詞匯，這不僅對于研究大腦理解漢語(yǔ)的認知機理具有重要意義，而且將在探索自然語(yǔ)言計算模型與人腦語(yǔ)言處理機制之間的關(guān)系，研究如何利用神經(jīng)影像數據提升現有語(yǔ)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(yǔ)言模型等一系列工作中發(fā)揮顯著(zhù)作用。(完)