LA-share：/* Lesson 3（2026.10.21） */

= 专业写作（学硕、博士）李正华 =

* 学生：2026博士、学硕
* 助教：刘为杰 2024级博士研究生
* 时间：星期三 6-8 14:00-16:40 (从第三周开始上课) 14:45休息5分钟；15:35休息20分钟（实际会休息5分钟）
* 地点：理工楼153

== 课堂内容（拟） ==

1）示范性读论文

2）报告2-3 个（提问情况，作为平时成绩参考）

3）翻转课堂（主要围绕“语析 LAGroup 微信公众号”的小文章）：大家可以留言、可以课堂提问，积极讨论的同学，平时成绩加分

李正华：继续写科研相关的小文章，发表在语析 LAGroup 微信公众号上（论文解读、论文写作点评、科研方法等）

= 课程考核 =

1. 平时成绩：提问、讨论

2. 做报告：强烈要求在课堂上积极做报告 ==

3. 闭卷考试

具体安排待定（和去年相比，会有微调）

考试内容：围绕上课内容

考试成绩查看：研究生系统

== 课上报告 ==

未在课堂上做报告的同学需离线录制 8-12分钟的视频报告（推荐使用腾讯会议录屏）。

具体要求待定

== 2025秋：同学们期末的课程建议 ==
* 本学期总结：
** 系列小文章特别好，平生所学。
** 示范性读论文很好，下学期尝试写出来。
** 同学作报告一般，尤其提问环节。
** 如何示范性写论文？

== 教学规划 ==

<nowiki>
1 08:00-08:45
2 08:50-09:35
3 09:55-10:40
4 10:45-11:30
5 11:35-12:20
6 14:00-14:45
7 14:50-15:35
8 15:55-16:40 【15:40第三节课，通常16:25下课】
9 16:45-17:30
</nowiki>

<nowiki>
2026/9/23 课程介绍
什么是科研、如何做科研
论文讲解和讨论（示范）
2026/9/30 如何听报告、做报告
论文讲解和讨论（示范）
2026/10/7 放假
2026/10/14 如何选论文、读论文
论文讲解和讨论（示范）
论文筛选和分组
2026/10/21 如何写论文笔记
论文讲解和讨论（1）
2026/10/28 如何想 idea、如何改进 idea
论文讲解和讨论（2）
2026/11/4 如何做实验、实验目录设计
论文讲解和讨论（3）
2026/11/11 如何撰写experiments
论文讲解和讨论（4）
2026/11/18 如何撰写 methods
论文讲解和讨论（5）
2026/11/25 如何撰写 related works
论文讲解和讨论（6）
2026/12/2 如何撰写introduction
论文讲解和讨论（7）
2026/12/9 如何撰写title、abstract、 conclusions
论文讲解和讨论（8）
2026/12/16 论文写作常见问题（参考文献、格式、画图、例子）
论文讲解和讨论（9）
2026/12/23 如何投稿、如何审稿
论文讲解和讨论（10）
2026/12/30 如何撰写学位论文、科研和写作规范
论文讲解和讨论（11）

</nowiki>

== 上课板书 ==

=== Lesson 4（2026.10.28） ===

<gallery>
Writing-2026-fall-lesson4-merged.jpg
</gallery>

* 李乐和吕喆讲报告

=== Lesson 3（2026.10.21） ===

<gallery>
Writing-2026-fall-lesson3-merged.jpg
</gallery>

* 高若轩、梅睿桐、周昊喆讲报告

=== Lesson 2（2026.10.14） ===

<gallery>
Writing-2026-fall-lesson2-merged.jpg
</gallery>

* 艾禹名和周月驰讲报告

=== Lesson 1（2026.9.23） ===

<gallery>
Writing-2026-fall-lesson1-merged.jpg
</gallery>

* 刘为杰和刘亚慧讲报告

Writing-2026-fall

2026-10-28T08:49:41Z

LA-share：/* 上课板书 */

= 专业写作（学硕、博士）李正华 =

* 学生：2026博士、学硕
* 助教：刘为杰 2024级博士研究生
* 时间：星期三 6-8 14:00-16:40 (从第三周开始上课) 14:45休息5分钟；15:35休息20分钟（实际会休息5分钟）
* 地点：理工楼153

== 课堂内容（拟） ==

1）示范性读论文

2）报告2-3 个（提问情况，作为平时成绩参考）

3）翻转课堂（主要围绕“语析 LAGroup 微信公众号”的小文章）：大家可以留言、可以课堂提问，积极讨论的同学，平时成绩加分

李正华：继续写科研相关的小文章，发表在语析 LAGroup 微信公众号上（论文解读、论文写作点评、科研方法等）

= 课程考核 =

1. 平时成绩：提问、讨论

2. 做报告：强烈要求在课堂上积极做报告 ==

3. 闭卷考试

具体安排待定（和去年相比，会有微调）

考试内容：围绕上课内容

考试成绩查看：研究生系统

== 课上报告 ==

未在课堂上做报告的同学需离线录制 8-12分钟的视频报告（推荐使用腾讯会议录屏）。

具体要求待定

== 2025秋：同学们期末的课程建议 ==
* 本学期总结：
** 系列小文章特别好，平生所学。
** 示范性读论文很好，下学期尝试写出来。
** 同学作报告一般，尤其提问环节。
** 如何示范性写论文？

== 教学规划 ==

<nowiki>
1 08:00-08:45
2 08:50-09:35
3 09:55-10:40
4 10:45-11:30
5 11:35-12:20
6 14:00-14:45
7 14:50-15:35
8 15:55-16:40 【15:40第三节课，通常16:25下课】
9 16:45-17:30
</nowiki>

<nowiki>
2026/9/23 课程介绍
什么是科研、如何做科研
论文讲解和讨论（示范）
2026/9/30 如何听报告、做报告
论文讲解和讨论（示范）
2026/10/7 放假
2026/10/14 如何选论文、读论文
论文讲解和讨论（示范）
论文筛选和分组
2026/10/21 如何写论文笔记
论文讲解和讨论（1）
2026/10/28 如何想 idea、如何改进 idea
论文讲解和讨论（2）
2026/11/4 如何做实验、实验目录设计
论文讲解和讨论（3）
2026/11/11 如何撰写experiments
论文讲解和讨论（4）
2026/11/18 如何撰写 methods
论文讲解和讨论（5）
2026/11/25 如何撰写 related works
论文讲解和讨论（6）
2026/12/2 如何撰写introduction
论文讲解和讨论（7）
2026/12/9 如何撰写title、abstract、 conclusions
论文讲解和讨论（8）
2026/12/16 论文写作常见问题（参考文献、格式、画图、例子）
论文讲解和讨论（9）
2026/12/23 如何投稿、如何审稿
论文讲解和讨论（10）
2026/12/30 如何撰写学位论文、科研和写作规范
论文讲解和讨论（11）

</nowiki>

== 上课板书 ==

=== Lesson 4（2026.10.28） ===

<gallery>
Writing-2026-fall-lesson4-merged.jpg
</gallery>

* 李乐和吕喆讲报告

=== Lesson 3（2026.10.21） ===

<gallery>
Writing-2026-fall-lesson3-merged.jpg
</gallery>

* 高若轩和梅睿桐讲报告

=== Lesson 2（2026.10.14） ===

<gallery>
Writing-2026-fall-lesson2-merged.jpg
</gallery>

* 艾禹名和周月驰讲报告

=== Lesson 1（2026.9.23） ===

<gallery>
Writing-2026-fall-lesson1-merged.jpg
</gallery>

* 刘为杰和刘亚慧讲报告

文件:Writing-2026-fall-lesson4-merged.jpg

2026-10-28T08:46:51Z

LA-share：

文件:Writing-2026-fall-lesson3-merged.jpg

2026-10-28T08:46:32Z

LA-share：

Linux-2026-fall

2026-10-26T07:38:32Z

LA-share：/* 板书和笔记 */

== 课程安排 ==
* 老师: [http://web.suda.edu.cn/zhli13/ 李正华]
* 助教：顾天宇
* 计24计科1班,计24计科2班（大三上）
* 专业选修课
* 上课时间和地点
** QQ群：705869759
** 理论课：周一 6-7节 14:00-15:35 逸夫楼334 【1-17周】
** 实践课：周三 1-2节 8:00-9:35 理工楼238 【单周】
* 课程成绩构成（拟）：平时10%（考勤等）、实验成绩30%（实验报告、随堂考试）、期末60%（闭卷）

== 注意事项 ==
* 上机课做学习无关的事情，发现则平时和实验成绩为0 

== 自学资料 ==

* [http://hlt.suda.edu.cn/index.php/Linux-video-notes 2018年春季上课视频和笔记]
* [http://hlt.suda.edu.cn/index.php/Linux-2025-fall 2025年秋上课板书]
* [http://hlt.suda.edu.cn/index.php/Linux-2024-fall 2024年秋上课板书]
* [http://hlt.suda.edu.cn/index.php/Linux-2024-spring 2024年春上课板书]

== 参考书 ==

* 有问题，问大模型！

* Unix & Linux大学教程哈恩(Harley Hahn) (作者), 张杰良 (译者) 【基础内容、讲得比较细；图书馆可以借】

* 跟阿铭学Linux 李世明人民邮电出版社【难度适中，我们只学前半部分】

== 板书和笔记 ==

=== TODO ===

<nowiki>

arr+=(3) 【数组增加一个元素】

b=($(cat a.txt)) 【外面的()必须有，否则 b 就不是一个数组了。而是一个字符串了】

a=($(echo 'a b')) 【a 是一个数组了】

read -a arr <<< 'a b c' 【读入数组，arr 会包含三个元素，默认空白符为分隔符】

IFS=',' read -a arr <<< $x 【默认是空格，IFS 可以改】【不会跨行的】

IFS='\n' read -a arr < a.txt 【不会跨行的，只会处理第一行？？】

read x y z <<< '1 2 3' 【第三个变量】

read -a arr < a.txt 【只处理第一行】
IFS=','
while read -a arr; do echo ${arr[1]}; done < a.txt 【每一行输出一次】

while read name; do echo $name; done < a.txt 【read 和重定向的配合】

while read -d ',' name; do echo $name; done < a.txt 【-d 是 delimiter，默认是换行符，没遇到一个 delimiter，就会返回一个，最后一个元素后面必须有 delimiter】
a.txt: a,b,c,

awk 中变量直接写，不用取值符，如 print x, y, z

awk 'BEGIN {FS=",";OFS="#"}; {print $1, $2}' a.txt

awk -F',' 'BEGIN {OFS="#"}; {print $1, $2}' a.txt

awk -F'\n\r' '{print NF}' a.txt 【每一行一个记录，每个记录只有一个 field，因此会输出多个 1，一行对应一个】

sed 's/a/A/g' <<< 'aaa' 字符串的重定向，很有用，应该讲！

a=($(sed 's/,/ /g' <<< 'a,b')) 【a 是数组了】

</nowiki>

=== TODO或者就不讲了 ===

<nowiki>
shell使用技巧，如 tab 补全，可以晚点讲（2025 年 Lesson 4的内容）

2025 年 Lesson 7，板书的图的顺序有问题：
vi: set !pwd r!ls ...
如何kill后台运行的进程： 1) top; Ki_LL 2) jobs; fg 1; ctrl+C强制ki_LL
如何把正在运行的进程改为后台：ctrl+z suspended/stopped?; bg
</nowiki>

=== Lesson 7（2026.10.26；第7周） ===

<gallery>
Linux-2026-fall-week7-merged.jpg
</gallery>

* 关于LLM使用的思考
* 输入重定向
* 管道 pipeline

=== Lesson 6（2026.10.19；第6周） ===

<gallery>
Linux-2026-fall-week6-merged.jpg
</gallery>

* VI编辑器
* 通配符、元字符、字符类
* 重定向、文件句柄
* 所使用到的命令
1998 ls *.py
1999 man tar
2000 tar -czvf mypy.tar.gz *.py
2001 ls -l *.py *.tar.gz
2002 ls *.py
2003 ls /bin/???????
2004 ls /bin/??????[a-g]
2005 ls /root
2006 ls a.txt
2007 vi a.txt
2008 ls /root > a.txt
2009 cat a.txt
2010 cat b.txt
2011 ls /root 2> a.txt
2012 vi a.txt
2013 ls *.py /root 2> a.txt >&2

=== Lesson 5（2026.10.12；第5周） ===

<gallery>
Linux-2026-fall-week5-merged.jpg
</gallery>

* vim基础使用、基础概念
* 删除、复制、粘贴、替换、撤销、重做的操作
* 普通模态、插入模态、末行模态、视图模态
* 末行模态下的一些命令

=== Lesson 4（2026.10.10；第4周） ===

<gallery>
Linux-2026-fall-week4-merged.jpg
</gallery>

* 命令类型、内部命令、外部命令
* PATH、alias、自动补全
* cat、less、more、分屏下的按键操作
* 文件(目录)操作、touch、vi、cp、mv、rm
* 所使用到的命令
1996 type cd ls cp
1997 echo $空白PATH （替换"空白"为""）
1998 ls /sbin/
1999 echo $空白PATH （替换"空白"为""）
2000 alias ll='ls -l'
2001 ll
2002 less words
2003 du -sh xxx* yyy*
2004 rm -r yyy2
2005 rm -r xxx2
2006 cp -r xxx yyy
2007 du -sh xxx* yyy*
2008 cp -r xxx yyy
2009 du -sh xxx* yyy*
2010 mv yyy zzz
2011 du -sh xxx* yyy* zzz*

=== Lesson 3（2026.9.22；第3周） ===

<gallery>
Linux-2026-fall-week3-merged.jpg
</gallery>

* shell脚本
* linux目录结构、相对路径、绝对路径
* ls命令参数
* 三个时间戳timestamp
* man命令、man -k
* 所使用到的命令
1996 ls
1997 pwd
1998 cd ..
1999 ls
2000 cd ..
2001 ls
2002 cd bin
2003 ls ls
2004 ls -l ls
2005 ls -l cp
2006 cd
2007 ls
2008 cd ..
2009 ls
2010 cd ..
2011 ls
2012 ls -S # 默认从大到小排序
2016 ls -Sr
2017 cd
2018 cd linux/
2019 ls
2020 history
2021 cd ..
2022 stat cmdline-arg.py
2023 cat cmdline-arg.py
2024 stat cmdline-arg.py
2025 ls -ltu *py
2026 ls -ltc *py
2027 ls -lt *py
2028 ls /bin
2029 ls -l /bin
2030 ls -ld /bin
2031 ls -ld
2032 ls -l
2033 ls -ld /bin
2034 ls -ld /
2035 ls -l /
2037 ls --color=never
2038 ls --color=always
2039 man ls
2040 man man
2041 whereis printf
2042 printf "%10s%5d" hi 9

=== Lesson 2（2026.9.14；第2周） ===

<gallery>
Linux-2026-fall-week2-merged.jpg
</gallery>

* shell基本使用、父shell、子shell
* Shell提示符、ls命令、cd命令
* 命令语法、命令行参数、python的sys.argv接收参数
* 所使用到的命令
1998 bc
1999 echo 'hi'
2000 x=7
2001 y='hello world'
2002 echo $x
2003 echo $y
2004 echo $$
2005 bash
2006 /bin空白/echo $$ （替换"空白"为""）
2007 man echo
2008 ls
2009 ls -l
2010 cd linux/
2011 ls
2012 ls -l
2013 cd awk/
2014 ls
2015 ls -l
2016 ls -a
2017 ls
2018 s
2019 ls -a
2020 cd ..
2021 find cmd
2022 find . -name '*.py'
2023 vi cmdline-arg.py

=== Lesson 1（2026.9.7；第1周） ===

<gallery>
Linux-2026-fall-week1-merged.jpg
</gallery>

* 课程介绍、个人介绍
* Linux介绍、安装
* 运行状态、init
* 图形界面GUI、文字界面CLI
* 系统组成、shell初介绍
* 所使用到的命令
1984 ps afx | egrep gnome
1985 ps afx | egrep kde
1986 sudo init 3
1988 ps afx | egrep bash
1989 exit
1990 man init
1991 echo $SHELL
1992 ps afx | egrep bash
1993 bash
1994 ps afx | egrep bash
1995 exit

文件:Linux-2026-fall-week7-merged.jpg

2026-10-26T07:37:22Z

LA-share：

Zhenghua-recruiting

2026-10-20T04:25:14Z

LA-share：/* 我的特点和风格（2019.6.18） */

= 李正华招生 =

我的[http://hlt.suda.edu.cn/~zhli/ 个人主页]内容太多了。关于招生的信息搬到这儿来。

欢迎优秀本科生加入俱乐部，提前打基础、了解科研；欢迎优秀研究生加入实验室，做高质量的工作。

== 我希望招到什么样的学生 ==

以下几方面，按照优先级排序。这些方面之间也是互相影响的。
* 沟通。包含两方面。
** 沟通能力强：能用简单的话，把事情说清楚。要把事情讲清楚，必须站在对方的角度去思考，不容易，得锻炼。
** 有较强的沟通意愿：愿意沟通，愿意总结自己的收获，愿意把自己懂的东西讲给别人。
* 逻辑思维。能够把一个复杂的事情，模块化，一一解决。
* 代码能力过关，愿意写代码。
** 很难想象，一个代码能力不过关的同学，会喜欢这个专业。做科研，不一定要有多强的代码能力，但是基本的水平要能达到。别人的代码能看懂。遇到效率瓶颈时，能找到方法解决。遇到bug，能一步步找到问题所在。
* 数学过关，不畏惧。用到的数学知识并不多，也不难。
* 英语过关，不畏惧。计算语言学这个领域，最好还是对语言有点兴趣。
* 人品。这个不好说，毕竟人心隔肚皮。我不对学生做过分的要求，能够体谅学生，也希望学生能够体谅我，互相理解。

'''博士招生'''：如果是外校考博同学，我比较看重硕士期间你是否受过扎实的科研训练。

== 如何申请成为我的学生（尽早联系我，给双方留足够的时间去互相熟悉） ==

=== 发邮件 ===
如果您有兴趣，请发邮件到我的苏大邮箱，附件包括
* 个人简历。越详细越好，英语成绩、照片、爱好、家庭情况等。不要泛泛的讲，把自己的真实的东西讲出来。
* 本科成绩单
* 获奖证书等，不需要
* 请不要发压缩包，一个文件一个附件，文件尽量都转成pdf

通常我会在一天内回复邮件。但是也可能会有特殊清楚出现，如邮件被放到垃圾邮件、漏看邮件等。如果在24小时内没有回复，可以再次发邮件确认，或者直接联系其他老师，不要耽误大家。

=== 考察、录用流程 ===

 请有意向的同学尽量提前联系我。
* 保研同学，有一定把握可以保研，就可以联系我，比如暑假期间。早一点也可以。
* 考研同学，可以等初试结束，感觉有把握可以进入复试，然后联系我，进入考察阶段。当然也可以更早联系我。

==== 对于相互熟悉的同学 ====
* 如果同学在我的课程班上、或在数据标注项目、或者大创项目等，表现优秀，一般考察会比较简单。

==== 对于之前没有接触、或者接触不深的同学 ====

* 我通常会考察6天左右（如有特殊情况，可以告知、暂停考察）
** 主要任务：基础编程练习。如果有其他事情，进度可以慢一点。
** 如果有其他学习或项目工作，日志中也可以体现出来。
* 考察结束后，我会进行1-2次视频、代码面试。最终决定是否录取。
* 考察期间，如果同学担心最终没有被录取而错过其他老师，建议可以同时联系其他老师。
* 具体要求如下
<nowiki>
日志周志邮箱：nlp.suda@qq.com
如果哪天有事情或者需要休息，邮件说一下即可。

日志邮件标题格式：姓名-2017.7.10-日志-标注系统的xxx bug
日志内容：包含本日计划、本日工作和遇到的问题及收获、下个工作日计划三部分
日志没有字数要求，但必须条理清晰、逻辑清晰、文字清楚。总结自己的工作和问题，从而和老师更好的交流。 </nowiki>

=== 基础编程练习 ===

* [http://hlt.suda.edu.cn/index.php/New-stu-training 基础编程练习网页]

== 硕士转博士 ==

非常欢迎我自己培养的、且有科研兴趣和理想的硕士生继续读博士。
有三个方案：
# 博士候选人，直接就转成博士（不建议，对科研没有概念，不知道自己是否喜欢，有点冒险）
# 硕博连读，研二上学期经过选拔，研三转为博一，不用写硕士论文（最优）
# 审核考博，研三上学期经过选拔，硕士结束，毕业后，入学。

第2个方案最优，但是研二上学期选拔前（10月份左右）就要至少录用一篇CCF-A/B/C类的会议长文，否则选拔时，打分不够的，可以问问师兄姐了解情况

== 视频、PPT信息==
* [http://hlt.suda.edu.cn/index.php/LA-paper-report-talk-etc 一些学术报告的视频]
* bilibili上关于COLING-2022 Best Paper的英文报告；账号LAGroup
* [http://hlt.suda.edu.cn/index.php/Linux-video-notes Linux授课视频+板书+笔记]
* [http://hlt.suda.edu.cn/index.php/Python-2020-fall Python授课视频+板书+笔记]

== 我的特点和风格（2019.6.18）==
* 认真：做事情就要把事情搞清楚，不能糊里糊涂。把事情搞清楚，才能自我提升，越活越明白，才有乐趣。
* 负责：非常清楚自己的责任，绝不推卸责任。对学生负责，尽最大努力帮助学生实现自我价值是大部分老师的追求。我一定会批评学生，但都是就事不就人，不会侮辱学生，会stand in someone's shoes（引自《杀死一只知更鸟》）。我坚信，有人批评你，是一种幸福，可以帮助个人成长。
* 尊重：通过规则管理学生，一方面把我从管理细节中解脱出来，一方面让学生更自由地按照自己的想法做事情，有尊严地学习、工作和生活。老师和学生应该是互相学习的关系。
* 互利：我不喜欢讲个人奉献，不会单方面的不求回报的培养学生。相反，遇到非常自私的学生，我会根据回报调整我自己的付出。但我绝不会为了自己的利益，去损害学生的利益。帮助学生实现自我价值，对我来说就是实现自我价值。
* 鼓励同学形成独立、自由的人格：多运动、多读书，凡事有自己的见解。我特别喜欢同学和我有不同的观点。我特别希望我的学生将来比我做的好，做出更有价值的事情！
* 科研追求：一定是去做有用的、有价值的、高质量的研究。我一直坚信论文只是科研产出的一部分。科研产出的其他形式包括：标准、系统、代码、报告等等。国内太重视可以量化的东西，太追求新，而不太重视基础的打磨和一点一滴的优化和积累。我认为这是目前一些企业和我们合作的一个原因。
* 坚持第一线工作：看论文、推导公式、写论文、看代码、写代码、看数据、标数据、分析实验结果；不断提升自己，根据兴趣学习新的东西，例如数学（人生一大乐趣）。自勉：45岁前坚持看代码、写代码！
* 数据标注：高质量数据资源是人工智能算法和模型的基础。自从2013年加入苏州大学以来，我一直和学生建设数据标注平台，近两年通过和企业的合作，终于大规模开展数据标注工作，招聘了近百位本科生，作为兼职数据标注人员。几个从事数据标注相关工作的研究生，会花一部分精力做标注系统的维护、标注规范的维护、标注管理等。一方面，我们会根据工作量给项目补助，另一方面这些工作通常也是硕士课题的一部分，会写到硕士论文中。这些学生的主要精力还是在算法和模型上，以保证找到好的技术型实习和工作职位。随着大模型时代的到来，我的观念有一些变化：数据规模不需要很大，但是质量要高，标注过程要对任务形成深入的insights。【2024-08：大模型时代，我对数据标注有了新的认识：NLP研究不再需要大量数据标注；只需要标注少量的数据，但是标注质量要高，标注过程中对任务形成较深入的理解。】

* 还有很多可以说的，欢迎加入我们组长期交往更多了解。人生由一段段经历构成，其中大部分和身边的人有关。选择哪些人长期深入交往，虽然有缘分的成分，但也需要仔细筛选一下。

LA-paper-report-talk-etc

2026-10-20T02:40:22Z

LA-share：/* Papers in English */

请大家按照规则不断完善此页面。包含pdf ppt codes等。论文按年度，先中文、再英文；先期刊、再会议；先录用时间、后发表（开会）时间。尽量用英文吧。

文献格式和内容与内部wiki保持一致（尽量避免重复劳动）
* pdf ppt等附件都可以放到外网可以访问的地方，放一个地方，避免重复
* 基金号等信息，这个页面上删掉，不要写

== bib and abstract ==

[http://hlt.suda.edu.cn/index.php/LA-paper-report-talk-bib bib]

摘要和基金信息请看内部wiki

== Talks（报告） ==

* '''视频尽可能都放在了哔哩哔哩上了（搜用户名：LAGroup）'''
* 2024年11月24日受南师大李斌老师邀请做报告（大模型时代如何做研究：一些思考）【文本纠错任务上的大模型相关工作，作为例子】
* 2024年2月1日受邀参加2024阿里云高校前沿技术论坛（大模型时代下文本校对研究的尝试和构想）【小而美的研究工作】
* 2023年4月8日受北语杨天麟老师邀请做报告（大模型时代句法语义研究何去何从）
* 2022年11月29日受复旦邱锡鹏老师邀请做报告（基于适配句法知识的文本纠错）
* 2022年11月11日受邀对COLING-2022 Best Paper做英文报告【按邀请顺序：新加坡国立大学、新加坡设计与技术大学、南京大学】
* 2022年8月27日，受邀在江苏省人工智能大会上做报告（汉语文本纠错近年进展：数据集和模型）

* 2021.7.27：《数据标注师资培训》(哈工大大数据集团)
** [http://hlt.suda.edu.cn/LA/videos/2021-07-26-1+X数据标注师资培训.mp4 培训视频] [https://mp.weixin.qq.com/s/T2HS90jrHs-ly8aCbwj-Eg 数据标注师资培训介绍]

* 2021.4.20：《基于树形条件随机场的句法分析》(CCF-NLP走进高校-西湖大学)
** [http://hlt.suda.edu.cn/LA/videos/2021-04-20%2015-28-23.mp4 talk video] [http://hlt.suda.edu.cn/LA/ppt/视频对应-基于treecrf的句法分析-2021-04-20-13-55.pdf ppt(视频对应版)] [http://hlt.suda.edu.cn/LA/ppt/修改错误-基于treecrf的句法分析-2021-04-20-17-45.pdf ppt(修正版)]

* 2021.3：《人工智能与脑机接口》慕课（15章）[https://hikeweb.zhihuishu.com/studyResource/index?courseId=10431947 .]
** [http://hlt.suda.edu.cn/LA/videos/15-1_nlp.mp4 NLP基础介绍]
** [http://hlt.suda.edu.cn/LA/videos/15-2_labelling.mp4 数据标注简介]　　

* 2020.10：《神经网络》慕课 - 面向自然语言处理的神经网络（13章）
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.1.mp4 第1节：从离散特征到连续稠密向量表示]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.2.mp4 第2节：表示学习]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.3.mp4 第3节：序列标注问题]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.4.mp4 第4节：句法树解析问题]

* 2020.8.15: I have given a talk on data annotation at AI+EDUCATION SUB-FORUM at AI-EXPO (2020 GLOBAL AI PRODUCT AND APPLICATION EXPO)
** [http://hlt.suda.edu.cn/~zhli/20200816_AI_data_annotating.mp4 talk video]
** [https://www.ai-expo.org.cn/?content/416= AI+教育发展分论坛-全球人工智能产品应用博览会]

* 2019年9月28日句法标注培训（LA组介绍）：
** [http://hlt.suda.edu.cn/~zhli/2019-9-train/LAGroup.mp4 mp4视频] [http://hlt.suda.edu.cn/~zhli/2019-9-train/zhenghua-2019-9-28-LAGroup.pdf pdf]

== Competition or Shared Tasks ==

* 刘亚慧、乔子恒、李正华、龚晨、张民. 2025.8. CCL-2025 第三届汉语框架语义解析评测, 二等奖 [https://tianchi.aliyun.com/competition/entrance/532338/rankingList 比赛榜单]，[http://cips-cl.org/static/CCL2025/cclEval/taskResults/index.html 评测结果]

* 周厚全，乔子恒，蒋浩辰，刘雨萌. 金山办公2024算法挑战赛-中文文本智能校对大赛，第一名，一等奖

* 刘亚慧、龚晨、张民. 2024.8. CCL-2024 第二届汉语框架语义解析（开放赛道）, 一等奖 [https://aclanthology.org/2024.ccl-3.3.pdf 官方评测报告.pdf] ， [https://tianchi.aliyun.com/competition/entrance/532179/rankingList 比赛榜单]

* 王学彬, 李正华. 2024.5. 第一届古汉语断句标点评测（EvaHan2024）评测，二等奖*（COLING-2024 workshop）

* 辜仰淦，周仕林，李正华. 2023年8月. CCL中文抽象语义表示解析评测（一等奖）[https://aclanthology.org/2023.ccl-3.5 官网评测报告]

* 蒋浩辰，刘雨萌，周厚全，乔子恒，章波，李辰，李正华，张民. CCL汉语学习者文本纠错评测（封闭、开放双赛道第一）. 2023年8月. [https://aclanthology.org/2023.ccl-3.25.pdf S&A-CCL2023评测报告.pdf]
** [http://cuge.baai.ac.cn/#/ccl/2023/cltc 比赛榜单]

* 刘亚慧，李正华，张民. CCL汉语框架语义解析评测(三等奖). 2023年8月. [https://aclanthology.org/2023.ccl-3.9.pdf 官网评测报告.pdf]， [https://tianchi.aliyun.com/competition/entrance/532083/rankingList 比赛榜单]

* 2022.12法研杯第一名 CAIL-2022 法律文本纠错

* 我们组织了两届跨领域句法分析评测：CCL-2021和NLPCC-2019

* 李嘉诚，沈嘉钰，包祖贻，章波，章岳，李辰，李正华. S&A团队CGED-7评测报告（识别，定位，纠正层第一）. 2021年12月. [[文件:S&A团队CGED-7评测报告.pdf]]
** [http://nlg.cipsc.org.cn/evaluation.html 比赛主页] [https://zhuanlan.zhihu.com/p/444117518 知乎总结]

* 章岳，包祖贻，章波，李辰，李嘉诚，李正华. S&A队CTC2021评测报告（检错、纠错、总分三赛道第一）. 2021年9月.[[文件:S&A-CTC2021评测报告.pdf]]
** [https://2021aichina.caai.cn/track?id=5 比赛主页] [https://github.com/destwang/CTC2021 github榜单]

== Awards ==
* 2024. 第三届全国大模型智能生成大会（CIPS-LMG 2024）优秀海报奖（EMNLP-2024论文）
* 2023. CCF-NLPCC“青年新锐学者” （Young Outstanding Scientist Award）
* 2022. SudaNLP团队张宇同学的硕士论文《基于树形条件随机场的高阶句法分析》被评选为2022年度江苏省优秀学术型硕士学位论文 [http://hlt.suda.edu.cn/index.php/Zhangyu-jiangsu-outstanding-paper wechat-sudanlp-news]
* 2022. Coling '''best paper'''
* 2021. 章波，江苏省优秀学术型硕士论文；同时获江苏省计算机学会优秀硕士论文《面向依存句法的树库转化与应用研究》
* 2020. NLPCC best paper

== 同学必须深入学习的东西 ==

[http://hlt.suda.edu.cn/index.php/LA-to-sudy-list LAGroup 同学必须深入学习的东西] 慢慢完善

== 2026 ==

=== Papers in English ===

* Lijie Wang, Yahui Liu, Yue Zhang, Zhenghua Li*. LLM-assisted Data Quality Improvement: SRL as a Case Study. In Findings of EMNLP 2026, Budapest, Hungary. [[文件:Emnlp-2026-lyh.pdf|pdf]]【待补充offical官网】.

=== Papers in Chinese ===
* 周昊喆, 李正华*. 面向结构置信度不足：LLM 语义指导的介词短语依附消歧方法. CCL 2026 [[文件:CCL_2026_zhz.pdf|pdf]]

== 2025 ==

=== Journal/Conference Papers in Chinese ===

* [期刊发表后更新下] 严福康, 章岳, 李正华*. 2023. 基于网络词典的现代汉语词义消歧数据集构建. 第二十二届中国计算语言学大会.[[文件:基于网络词典的现代汉语词义消歧数据集构建_CCL_严福康.pdf]]

* [期刊发表后更新下] 杨浩苹, 夏庆荣, 李正华*, 王睿. 基于GCN的异构句法驱动汉语语义角色标注. 计算机应用与软件. [2022年录用] [还未正式发表知网上找不到，期号卷号未知.] '''以后不投这个期刊了'''. [[文件:基于GCN的异构句法驱动汉语语义角色标注.pdf]]

=== Papers in English ===

* Yahui Liu, Zhenghua Li, Chen Gong*, Shilin Zhou，Min Zhang. Annotation error detection in painstakingly annotated data: Part-of-speech tagging as a case study. Expert Systems With Applications (ESWA), 2025,290:128374. [https://www.sciencedirect.com/science/article/pii/S0957417425019931 official] [Journal]

* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Self-Correction Makes LLMs Better Parsers. In Findings of EMNLP 2025, Suzhou, China. [https://arxiv.org/abs/2504.14165 Arxiv].

* Houquan Zhou, Bo Zhang, Zhenghua Li*, Ming Yan, and Min Zhang. 2025. A Training-free LLM-based Approach to General Chinese Character Error Correction. In Proceedings of ACL, pages 13827–13852, Vienna, Austria. Association for Computational Linguistics. [https://aclanthology.org/2025.acl-long.678.pdf official] July 27 - August 1
* Ziheng Qiao, Houquan Zhou, Zhenghua Li*. Mixture of Small and Large Models for Chinese Spelling Check. ACL, pages 28298–28311, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1372.pdf acl-anthology]
* Ziheng Qiao, Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. DISC: Plug-and-Play Decoding Intervention with Similarity of Characters for Chinese Spelling Check. ACL, pages 28312–28324, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1373.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Dynamic Head Selection for Neural Lexicalized Constituency Parsing. In Proceedings of ACL 2025, pages 16141–16155, Vienna, Austria. [https://aclanthology.org/2025.acl-long.786.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Span-based Semantic Role Labeling as Lexicalized Constituency Tree Parsing. In Findings of ACL 2025, pages 10701–10713, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.557.pdf acl-anthology]
* Yanggan Gu, Junzhuo Li, Sirui Huang, Xin Zou, Zhenghua Li*, Xuming Hu*. Capturing Nuanced Preferences: Preference-Aligned Distillation for Small Language Models. In Findings of ACL 2025, pages 15959–15973, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.822.pdf acl-anthology]

* Xuebin Wang, Lei Zhang, Zhenghua Li*, Shilin Zhou, Chen Gong, Yang Hou. Mining Word Boundaries from Speech-Text Parallel Data for Cross-domain Chinese Word Segmentation. [https://arxiv.org/abs/2412.09045 Arxiv]. COLING. January 19–24, 2025. Abu Dhabi, UAE. pages 1247–1257
* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Data Augmentation for Cross-domain Parsing via Lightweight LLM Generation and Tree Hybridization. [[文件:Data_Augmentation_for_Cross-domain_Parsing_via_Lightweight_LLM_Generation_and_Tree_Hybridization.pdf]]. COLING. 19 January, 2025. Abu Dhabi, UAE.
* Xi Ma, Yang Hou, Xuebin Wang, Zhenghua Li. A Probabilistic Toolkit for Multi-grained Word Segmentation in Chinese. [[文件:A_Probabilistic_Toolkit_for_Multi-grained_Word_Segmentation_in_Chinese.pdf]]. COLING Demonstration (demo paper). 19 January, 2025. Abu Dhabi, UAE.

== 2024 ==

=== Journal/Conference Papers in Chinese ===

* 崔秀莲, 严福康, 李正华*. CCKS-2023. 基于实例的词性标注数据错误检测. 2023全国知识图谱与语义计算大会CCKS
** 转发：山西大学学报 2024年4月 47卷2期 47(2)，pp251−259. [[文件:Cxl-山西大学学报-基于实例的词性标注数据错误检测.pdf]]

=== Conference Papers in English ===

* Houquan Zhou, Zhenghua Li*, Bo Zhang, Chen Li, Shaopeng Lai, Ji Zhang, Fei Huang, Min Zhang. 2024. A Simple yet Effective Training-free Prompt-free Approach to Chinese Spelling Correction Based on Large Language Models. EMNLP. pp 17446–17467. [https://arxiv.org/abs/2410.04027 arxiv] [https://aclanthology.org/2024.emnlp-main.966.pdf acl-anthology] November 12-16 Miami, Florida (USA)

* Xuebin Wang, Zhenghua Li*. 2024. Two Sequence Labeling Approaches to Sentence Segmentation and Punctuation Prediction for Classic Chinese Texts. [https://aclanthology.org/2024.lt4hala-1.28/ Acl-anthology] the Third Workshop on Language Technologies for Historical and Ancient Languages (LT4HALA) @ LREC-COLING-2024. pages 237–241 25 May, 2024 Torino (Italia) Turin (Italy)

* Yumeng Liu, Zhenghua Li*, Haochen Jiang, Bo Zhang, Chen Li, Ji Zhang. 2024. Towards Better Utilization of Multi-Reference Training Data for Chinese Grammatical Error Correction. Findings of ACL. [https://github.com/ymliucs/MrGEC code][https://aclanthology.org/2024.findings-acl.180 paper]
* Yang Hou and Zhenghua Li*. 2024. Character-Level Chinese Dependency Parsing via Modeling Latent Intra-Word Structure. ACL-findings. [[文件:2024.findings-acl.173.pdf]], [[文件:2024.findings-acl.173.slide.pdf]], [[文件:2024.findings-acl.173.poster.pdf]]
* Shilin Zhou, Zhenghua Li, Chen Gong*, Lei Zhang, Yu Hong, Min Zhang. 2024. Chinese Spoken Named Entity Recognition in Real-world Scenarios: Dataset and Approaches. Findings of ACL. [[文件:ACL2024_rwcsner.pdf]]，[[文件:Rwcs_poster.pdf]]
* Shilin Zhou, Zhenghua Li*, Yu Hong, Min Zhang, Zhefeng Wang, Baoxing Huai. 2024. CopyNE: Better Contextual ASR by Copying Named Entities. ACL. [[文件:ACL2024_copyne.pdf]]，[[文件:copyne_poster.pdf]] [https://aclanthology.org/2024.acl-long.147.pdf acl-anthology] Bangkok, Thailand 2024.8.11-16 pp. 2675–2686

* Yanggan Gu, Yang Hou, Zhefeng Wang, Xinyu Duan and Zhenghua Li*. 2024. High-order Joint Constituency and Dependency Parsing. COLING. [[文件:2024.lrec-main.713.pdf]]，[[文件:2024.lrec-main.713.poster.pdf]] pages 8144–8154 20-25 May, 2024. Torino (Italia)
* Chenhui Dou, Chen Gong*, Zhenghua Li, Zhefeng Wang, baoxing Huai and Min Zhang. 2024. Improving Chinese Named Entity Recognition with Multi-grained Words and Part-of-Speech Tags via Joint Modeling. COLING.[[文件:2024.lrec-main.765.pdf]]，[[文件:2024.lrec-main.765.poster.pdf]] pages 8732–8742
20-25 May, 2024. Torino (Italia) Turin (Italy)

== 2023 ==

=== Conference Papers in English ===

* Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. 2023. Improving Seq2Seq Grammatical Error Correction via Decoding Interventions. Findings of '''EMNLP''', pages 7393–7405. [https://arxiv.org/abs/2310.14534 arxiv][https://github.com/Jacob-Zhou/gecdi code][https://www.semanticscholar.org/paper/Improving-Seq2Seq-Grammatical-Error-Correction-via-Zhou-Liu/4711f26c0295fed15161b6145800b3df1ab9c0f6 citation]

* Yue Zhang, Leyang Cui, Enbo Zhao, Wei Bi, Shuming Shi. 2023. RobustGEC: Robust Grammatical Error Correction Against Subtle Context Perturbation. EMNLP 2023.[https://arxiv.org/pdf/2310.07299.pdf arxiv] [https://github.com/hillzhang1999/RobustGEC code] pages 16780–16793; December 6-10, 2023

* Saihao Huang, Lijie Wang, Zhenghua Li*, Zeyang Liu, Chenhui Dou, Fukang Yan, Xinyan Xiao, Hua Wu, and Min Zhang. 2023. SeSQL: A High-Quality Large-Scale Session-Level Chinese Text-to-SQL Dataset. NLPCC 2023, pages 537-550.[[文件:SeSQL_A_High-Quality_Large-Scale_Session-Level_Chinese_Text-to-SQL_Dataset.pdf]] [https://arxiv.org/abs/2208.12711 arxiv]

* Yue Zhang, Bo Zhang, Haochen Jiang, Zhenghua Li*, Chen Li, Fei Huang, Min Zhang. 2023. NaSGEC: Multi-Domain Chinese Grammatical Error Correction for Native Speaker Texts. Findings of ACL 2023. pp 9935-9951. [https://aclanthology.org/2023.findings-acl.630.pdf official] [https://arxiv.org/pdf/2305.16023.pdf arxiv] [https://github.com/HillZhang1999/NaSGEC code]

== 2022 ==

=== Journal/Conference Papers in Chinese ===

* 章岳, 黄赛豪, 陆凯华, 李正华*. 2022年1月. 基于模板的中文上下位关系抽取方法. 计算机应用与软件: 39卷1期 pp126-134. [[文件:Hypernym-zhangyue-2022.pdf]]
* 周仕林, 龚晨*, 李正华, 张民. 基于转移的快速精准的语义依存图分析. 山西大学学报(自然科学版): 45卷4期 pp1-13. [[文件:slzhou_transition_based_sdp.pdf]]
* 李帅克，李英，李正华*，张民. 基于tri-training的跨领域依存句法分析. 厦门大学学报（自然科学版）：61卷4期 pp638-645. [[https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XDZK20220509009&uniplatform=NZKPT&v=flne8EoBUv7LYNkuiwSttcXiOfGBPAB_0VtzLHktpwsjrP5-NEfM9rivUOARi0ae 知网抢先版链接]][[文件:基于tri-training的跨领域依存句法分析李帅克.pdf]]
* 周明月，龚晨，李正华*，张民. 2022.数据标注方法比较研究：以依存句法树标注为例. 清华大学学报（自然科学版）：62卷5期 pp908-916. [[http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2022.22.010 电子版]] [[文件:数据标注方法比较研究.pdf | pdf]]
* 彭雪, 李正华*, 张民. 2022. 基于语言模型微调的跨领域依存句法分析. 计算机应用与软件:39卷07期, pp141-146. [[文件:彭雪-基于语言模型微调的跨领域依存句法分析.pdf]]
* 李嘉诚, 沈嘉钰, 龚晨, 李正华*, 张民. 2022. 基于指针网络融入混淆集知识的中文语法纠错中文信息学报:36卷04期,pp29-38. [[文件:基于指针网络融入混淆集知识的中文语法纠错.pdf]]

=== Journal Papers in English ===

* Chen Gong, Zhenghua Li* and Min Zhang. Neural Coupled Sequence Labeling for Heterogeneous Annotation Conversion. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2022, 30:1624-1636.[https://ieeexplore.ieee.org/document/9750873?source=authoralert official]

=== Conference Papers In English ===

* Yue Zhang, Bo Zhang, Zhenghua Li*, Zuyi Bao, Chen Li, and Min Zhang. 2022. SynGEC: Syntax-Enhanced Grammatical Error Correction with a Tailored GEC-Oriented Parser. In '''EMNLP''', pages 2518–2531. [https://arxiv.org/pdf/2210.12484 arxiv][https://aclanthology.org/2022.emnlp-main.162.pdf official pdf][https://underline.io/events/342/sessions/13833/lecture/66146-syngec-syntax-enhanced-grammatical-error-correction-with-a-tailored-gec-oriented-parser video]
* Yu Zhang, Qingrong Xia, Shilin Zhou, Yong Jiang, Guohong Fu*, Min Zhang. 2022. Semantic Role Labeling as Dependency Parsing: Exploring Latent Tree Structures inside Arguments. In '''COLING''', pages 4212–4227. [https://arxiv.org/abs/2110.06865 arxiv] [https://aclanthology.org/2022.coling-1.370/ official pdf] [https://underline.io/events/360/posters/13239/poster/60359-semantic-role-labeling-as-dependency-parsing-exploring-latent-tree-structures-inside-arguments video]
* Shilin Zhou, Qingrong Xia, Zhenghua Li*, Yu Zhang, Yu Hong, and Min Zhang. 2022. Fast and Accurate End-to-End Span-based Semantic Role Labeling as Word-based Graph Parsing. In '''COLING''', pages 4160–4171. [https://arxiv.org/pdf/2112.02970.pdf arxiv] [https://aclanthology.org/2022.coling-1.365/ official pdf] [https://underline.io/events/360/sessions/13099/lecture/60364-fast-and-accurate-end-to-end-span-based-semantic-role-labeling-as-word-based-graph-parsing video] (best paper!)
* Yahui Liu, Haoping Yang, Chen Gong*, Qingrong Xia, Zhenghua Li, Min Zhang. 2022. MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset. In '''NAACL''', pages 1707-1717. [http://arxiv.org/abs/2205.06703 arxiv][https://aclanthology.org/2022.naacl-main.123.pdf official pdf][https://underline.io/events/325/posters/11804/poster/54059-mucpad-a-multi-domain-chinese-predicate-argument-dataset video]
* Yue Zhang, Zhenghua Li*, Zuyi Bao, Jiacheng Li, Bo Zhang, Chen Li, Fei Huang, Min Zhang. 2022. MuCGEC: a Multi-Reference Multi-Source Evaluation Dataset for Chinese Grammatical Error Correction. In '''NAACL''', pages 3118–3130. [https://arxiv.org/abs/2204.10994 arxiv][https://aclanthology.org/2022.naacl-main.227.pdf official pdf][https://underline.io/events/325/sessions/11391/lecture/53888-mucgec-a-multi-reference-multi-source-evaluation-dataset-for-chinese-grammatical-error-correction video]
* Ying Li, Shuaike Li, Min Zhang. 2022. Semi-supervised Domain Adaptation for Dependency Parsing with Dynamic Matching Network. In '''ACL 2022'', pages 1035--1045. [https://aclanthology.org/2022.acl-long.74.pdf official-pdf] [http://hlt.suda.edu.cn/index.php/%E6%96%87%E4%BB%B6:Liying_ACL2022_camera_ready.pdf camera ready pdf] [https://underline.io/lecture/52551-long-semi-supervised-domain-adaptation-for-dependency-parsing-with-dynamic-matching-network video].
* Houquan Zhou, Yang Li, Zhenghua Li, and Min Zhang. 2022. Bridging Pre-trained Language Models and Hand-crafted Features for Unsupervised POS Tagging. In Findings of the Association for Computational Linguistics: ACL 2022, pages 3276–3290, Dublin, Ireland. Association for Computational Linguistics. [http://hlt.suda.edu.cn/LA/papers/acl-findings-hqzhou-bridging.pdf pdf] [https://arxiv.org/pdf/2203.10315 camera ready pdf] [https://aclanthology.org/2022.findings-acl.259.pdf official pdf] [https://underline.io/lecture/49965-findings-bridging-pre-trained-language-models-and-hand-crafted-features-for-unsupervised-pos-tagging video]

== 2021 ==

=== Journal/Conference Papers in Chinese ===

* 吴锟，周夏冰，李正华，梁兴伟，陈文亮. 中文知识库问答中的路径选择. 中文信息学报（CCKS会议推荐）. 2021, 35(9):113-122.[[文件:中文知识库问答中的路径选择吴锟.pdf]]

=== Conference Papers In English ===
* Yang Hou, Houquan Zhou, Zhenghua Li*, Yu Zhang, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. A Coarse-to-Fine Labeling Framework for Joint Word Segmentation, POS Tagging, and Constituent Parsing. Proceedings of CoNLL-2021, pp. 290–299. Punta Cana, Dominican Republic (Online), 10-11 Nov. 2021. [[文件:CoNLL_2021_yhou_official_version.pdf]]

* Kun Wu, Lijie Wang, Zhenghua Li, Ao Zhang, Xinyan Xiao, Hua Wu, Min Zhang, Haifeng Wang. Data Augmentation with Hierarchical SQL-to-Question Generation for Cross-Domain Text-to-SQL Parsing. Proceedings of EMNLP-2021, pp. 8974--8983. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP2021_camera_ready_Data_Augmentation_with_Hierarchical_SQL_to_Question_Generation_forCross_domain_Text_to_SQL_Parsing-09101500.pdf ‎]]

* Qingrong Xia, Zhenghua Li*, Rui Wang, Min Zhang. Stacked AMR Parsing with Silver Data. Proceedings of EMNLP-2021 Findings, pp. 4729--4738. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_Stacked_AMR_Parsing_with_Silver_Data.pdf]]

* Ying Li, Meishan Zhang, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. APGN: Adversarial and Parameter Generation Networks for Multi-Source Cross-Domain Dependency Parsing. Proceedings of EMNLP-2021 Findings, pp. 1727–1733. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_yli_camera_ready.pdf]]

* Chen Gong, Saihao Huang, Houquan Zhou, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. An In-depth Study on Internal Structure of Chinese Words. Proceedings of ACL-2021, pp. 5823–5833. Online, Virtual Event, 1-6 Aug. 2021. [[文件:2021.acl-long.452.pdf]]

* Qingrong Xia, Bo Zhang, Rui Wang, Zhenghua Li*, Yue Zhang, Fei Huang, Luo Si, Min Zhang. 2021. A Unified Span-Based Approach for Opinion Mining with Syntactic Constituents. Proceedings of NAACL-2021, pp. 1795-1804. Mexico City, Mexico (Online), 6-11 June. 2021. [[文件:2021.naacl-main.144.pdf]]

== 2020 ==

=== Journal Papers in Chinese ===

* 陆凯华, 李正华, 张民. 2020. 汉语上下位关系分类数据集构建和基准方法比较. 厦门大学学报(自然科学版). 2020, 59 (06): 1004-1010 [[文件:汉语上下位关系分类数据集构建和基准方法比较_陆凯华.pdf]]
* 刘亚慧, 杨浩苹, 李正华, 张民. 2020. 一种轻量级的语义角色标注规范. 中文信息学报. 2020, 34(4):10-20 [http://jcip.cipsc.org.cn/CN/Y2020/V34/I4/10 offical.pdf]

=== Journal Papers In English===
* Chen Gong, Zhenghua Li, Qingrong Xia, Wenliang Chen and Min Zhang. Hierarchical LSTM with char-subword-word tree-structure representation for Chinese named entity recognition. Science China Information Science, 2020, 63(10):1-15. [[文件:Hierarchical_LSTM_with_char-subword-word_tree-structure_representation_for_Chinese_named_entity_recognition.pdf]]

=== Conference Papers In English ===

* Ying Li, Zhenghua Li* and Min Zhang. Semi-supervised Domain Adaptation for Dependency Parsing via Improved Contextualized Word Representations. Proceedings of COLING-2020. pp. 3806–3817. Barcelona, Spain (Online), 8-13 Dec. 2020.[https://www.aclweb.org/anthology/2020.coling-main.338.pdf pdf] [[文件:Liying-2020.coling-main.338.pdf]]

* Qingrong Xia, Rui Wang, Zhenghua Li, Yue Zhang and Min Zhang*. Semantic Role Labeling with Heterogeneous Syntactic Knowledge. Proceedings of COLING-2020. pp. 2979-2990. Barcelona, Spain (Online), 8-13 Dec. 2020. ([https://www.aclweb.org/anthology/2020.coling-main.266.pdf pdf])([[文件:Xiaqingrong-2020.coling-main.266.pdf]])([[文件:Poster-SRL-HDP.pdf]])([[文件:SRL-HDP.pptx]])

* Chen Gong, Zhenghua Li*, Bowei Zou and Min Zhang. Multi-grained Chinese Word Segmentation with Weakly Labeled Data. Proceedings of COLING-2020. pp. 2026–2036. Barcelona, Spain (Online), 8-13 Dec. 2020. [https://www.aclweb.org/anthology/D17-1072.pdf pdf][[文件:Gongchen-2020.coling-main.183.pdf]]

* Lijie Wang, Ao Zhang, Kun Wu, Ke Sun, Zhenghua Li, Hua Wu, Min Zhang and Haifeng Wang. DuSQL: A Large-Scale and Pragmatic Chinese Text-to-SQL Dataset. Proceedings of EMNLP-2020. pp. 6923-6935. Online, 16-20 Nov. 2020. [https://www.aclweb.org/anthology/2020.emnlp-main.562.pdf pdf][[文件:2020.emnlp-main.562.pdf]]

* Houquan Zhou, Yu Zhang, Zhenghua Li, and Min Zhang. Is POS Tagging Necessary or Even Helpful for Neural Dependency Parsing? Proceedings of NLPCC-2020, pp. 179--191. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo.pdf pdf]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official-w-content.pdf pdf-official-w-content]) (best paper!)

* Yu Zhao, Mingyue Zhou, Zhenghua Li, and Min Zhang. Dependency Parsing with Noisy Multi-Annotation Data. Proceedings of NLPCC-2020, pp. 120-131. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/images/e/e5/212_Final_Manuscript_%281%29.pdf pdf]）([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official-w-content.pdf pdf-official-w-content])

* Yu Zhang, Houquan Zhou, Zhenghua Li. 2020. Fast and Accurate Neural CRF Constituency Parsing. Proceedings of IJCAI-2020, pp. 4046-4053. Yokohama, Japan, 11-17 Jul. 2020. [https://www.ijcai.org/Proceedings/2020/0560.pdf pdf-official] [http://hlt.suda.edu.cn/LA/papers/0560.pdf pdf] [[http://hlt.suda.edu.cn/LA/videos/V5.mp4 video(5 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V10.mp4 video(10 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V15.mp4 video(15 min version)]]

* Yu Zhang, Zhenghua Li, Min Zhang. 2020. Efficient Second-Order TreeCRF for Neural Dependency Parsing. Proceedings of ACL-2020, pp. 3295-3305. Seattle, America, 5-10 Jul. 2020. [[https://www.aclweb.org/anthology/2020.acl-main.302.pdf pdf-official]] [[http://hlt.suda.edu.cn/LA/papers/2020.acl-main.302.pdf pdf]] [[http://hlt.suda.edu.cn/LA/videos/2020-12-28%2022-21-45.mp4 video]]
** A very good paper: Timothy Dozat, Christopher D. Manning. ICLR-2017. Deep Biaffine Attention for Neural Dependency Parsing. [https://arxiv.org/abs/1611.01734 arxiv]

* Bo Zhang, Yue Zhang, Rui Wang, Zhenghua Li, Min Zhang. Syntax-Aware Opinion Role Labeling with Dependency Graph Convolutional Networks. Proceedings of ACL-2020, pp. 3249-3258. Seattle, America, 5-10 Jul. 2020. [https://www.aclweb.org/anthology/2020.acl-main.297.pdf pdf] [[文件:Zhangbo-acl2020-ppt-5-24.pdf]]

== before 2020 ==
* Meishan Zhang, Zhenghua Li, Guohong Fu and Min Zhang. Syntax-Enhanced Neural Machine Translation with Syntax-Aware Word Representations. In Proceedings of the NAACL-2019. pp. 1151–1161. Seattle, America, 5-10 Jun. 2019. [https://www.aclweb.org/anthology/N19-1118.pdf pdf]
* Bowen Wu, Jiayuan Chao, Baoxun Wang, Zhenghua Li and Min Zhang. Abstractive Summarization via Continuous Copy. EMNLP-2019 Workshop Summarization Submission. Aug 20, 2019. (not accepted)

[http://hlt.suda.edu.cn/~zhli/en.html 更早的论文，请点击此]

== 202? Template ==
=== Talks and Misc. ===
=== Journal/Conference Papers in Chinese ===
=== Journal Papers In English===
=== Conference Papers In English===

LA-paper-report-talk-etc

2026-10-19T18:30:49Z

LA-share：/* 2026 */

请大家按照规则不断完善此页面。包含pdf ppt codes等。论文按年度，先中文、再英文；先期刊、再会议；先录用时间、后发表（开会）时间。尽量用英文吧。

文献格式和内容与内部wiki保持一致（尽量避免重复劳动）
* pdf ppt等附件都可以放到外网可以访问的地方，放一个地方，避免重复
* 基金号等信息，这个页面上删掉，不要写

== bib and abstract ==

[http://hlt.suda.edu.cn/index.php/LA-paper-report-talk-bib bib]

摘要和基金信息请看内部wiki

== Talks（报告） ==

* '''视频尽可能都放在了哔哩哔哩上了（搜用户名：LAGroup）'''
* 2024年11月24日受南师大李斌老师邀请做报告（大模型时代如何做研究：一些思考）【文本纠错任务上的大模型相关工作，作为例子】
* 2024年2月1日受邀参加2024阿里云高校前沿技术论坛（大模型时代下文本校对研究的尝试和构想）【小而美的研究工作】
* 2023年4月8日受北语杨天麟老师邀请做报告（大模型时代句法语义研究何去何从）
* 2022年11月29日受复旦邱锡鹏老师邀请做报告（基于适配句法知识的文本纠错）
* 2022年11月11日受邀对COLING-2022 Best Paper做英文报告【按邀请顺序：新加坡国立大学、新加坡设计与技术大学、南京大学】
* 2022年8月27日，受邀在江苏省人工智能大会上做报告（汉语文本纠错近年进展：数据集和模型）

* 2021.7.27：《数据标注师资培训》(哈工大大数据集团)
** [http://hlt.suda.edu.cn/LA/videos/2021-07-26-1+X数据标注师资培训.mp4 培训视频] [https://mp.weixin.qq.com/s/T2HS90jrHs-ly8aCbwj-Eg 数据标注师资培训介绍]

* 2021.4.20：《基于树形条件随机场的句法分析》(CCF-NLP走进高校-西湖大学)
** [http://hlt.suda.edu.cn/LA/videos/2021-04-20%2015-28-23.mp4 talk video] [http://hlt.suda.edu.cn/LA/ppt/视频对应-基于treecrf的句法分析-2021-04-20-13-55.pdf ppt(视频对应版)] [http://hlt.suda.edu.cn/LA/ppt/修改错误-基于treecrf的句法分析-2021-04-20-17-45.pdf ppt(修正版)]

* 2021.3：《人工智能与脑机接口》慕课（15章）[https://hikeweb.zhihuishu.com/studyResource/index?courseId=10431947 .]
** [http://hlt.suda.edu.cn/LA/videos/15-1_nlp.mp4 NLP基础介绍]
** [http://hlt.suda.edu.cn/LA/videos/15-2_labelling.mp4 数据标注简介]　　

* 2020.10：《神经网络》慕课 - 面向自然语言处理的神经网络（13章）
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.1.mp4 第1节：从离散特征到连续稠密向量表示]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.2.mp4 第2节：表示学习]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.3.mp4 第3节：序列标注问题]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.4.mp4 第4节：句法树解析问题]

* 2020.8.15: I have given a talk on data annotation at AI+EDUCATION SUB-FORUM at AI-EXPO (2020 GLOBAL AI PRODUCT AND APPLICATION EXPO)
** [http://hlt.suda.edu.cn/~zhli/20200816_AI_data_annotating.mp4 talk video]
** [https://www.ai-expo.org.cn/?content/416= AI+教育发展分论坛-全球人工智能产品应用博览会]

* 2019年9月28日句法标注培训（LA组介绍）：
** [http://hlt.suda.edu.cn/~zhli/2019-9-train/LAGroup.mp4 mp4视频] [http://hlt.suda.edu.cn/~zhli/2019-9-train/zhenghua-2019-9-28-LAGroup.pdf pdf]

== Competition or Shared Tasks ==

* 刘亚慧、乔子恒、李正华、龚晨、张民. 2025.8. CCL-2025 第三届汉语框架语义解析评测, 二等奖 [https://tianchi.aliyun.com/competition/entrance/532338/rankingList 比赛榜单]，[http://cips-cl.org/static/CCL2025/cclEval/taskResults/index.html 评测结果]

* 周厚全，乔子恒，蒋浩辰，刘雨萌. 金山办公2024算法挑战赛-中文文本智能校对大赛，第一名，一等奖

* 刘亚慧、龚晨、张民. 2024.8. CCL-2024 第二届汉语框架语义解析（开放赛道）, 一等奖 [https://aclanthology.org/2024.ccl-3.3.pdf 官方评测报告.pdf] ， [https://tianchi.aliyun.com/competition/entrance/532179/rankingList 比赛榜单]

* 王学彬, 李正华. 2024.5. 第一届古汉语断句标点评测（EvaHan2024）评测，二等奖*（COLING-2024 workshop）

* 辜仰淦，周仕林，李正华. 2023年8月. CCL中文抽象语义表示解析评测（一等奖）[https://aclanthology.org/2023.ccl-3.5 官网评测报告]

* 蒋浩辰，刘雨萌，周厚全，乔子恒，章波，李辰，李正华，张民. CCL汉语学习者文本纠错评测（封闭、开放双赛道第一）. 2023年8月. [https://aclanthology.org/2023.ccl-3.25.pdf S&A-CCL2023评测报告.pdf]
** [http://cuge.baai.ac.cn/#/ccl/2023/cltc 比赛榜单]

* 刘亚慧，李正华，张民. CCL汉语框架语义解析评测(三等奖). 2023年8月. [https://aclanthology.org/2023.ccl-3.9.pdf 官网评测报告.pdf]， [https://tianchi.aliyun.com/competition/entrance/532083/rankingList 比赛榜单]

* 2022.12法研杯第一名 CAIL-2022 法律文本纠错

* 我们组织了两届跨领域句法分析评测：CCL-2021和NLPCC-2019

* 李嘉诚，沈嘉钰，包祖贻，章波，章岳，李辰，李正华. S&A团队CGED-7评测报告（识别，定位，纠正层第一）. 2021年12月. [[文件:S&A团队CGED-7评测报告.pdf]]
** [http://nlg.cipsc.org.cn/evaluation.html 比赛主页] [https://zhuanlan.zhihu.com/p/444117518 知乎总结]

* 章岳，包祖贻，章波，李辰，李嘉诚，李正华. S&A队CTC2021评测报告（检错、纠错、总分三赛道第一）. 2021年9月.[[文件:S&A-CTC2021评测报告.pdf]]
** [https://2021aichina.caai.cn/track?id=5 比赛主页] [https://github.com/destwang/CTC2021 github榜单]

== Awards ==
* 2024. 第三届全国大模型智能生成大会（CIPS-LMG 2024）优秀海报奖（EMNLP-2024论文）
* 2023. CCF-NLPCC“青年新锐学者” （Young Outstanding Scientist Award）
* 2022. SudaNLP团队张宇同学的硕士论文《基于树形条件随机场的高阶句法分析》被评选为2022年度江苏省优秀学术型硕士学位论文 [http://hlt.suda.edu.cn/index.php/Zhangyu-jiangsu-outstanding-paper wechat-sudanlp-news]
* 2022. Coling '''best paper'''
* 2021. 章波，江苏省优秀学术型硕士论文；同时获江苏省计算机学会优秀硕士论文《面向依存句法的树库转化与应用研究》
* 2020. NLPCC best paper

== 同学必须深入学习的东西 ==

[http://hlt.suda.edu.cn/index.php/LA-to-sudy-list LAGroup 同学必须深入学习的东西] 慢慢完善

== 2026 ==

=== Papers in English ===

* Lijie Wang, Yahui Liu, Yue Zhang, Zhenghua Li*. LLM-assisted Data Quality Improvement: SRL as a Case Study. EMNLP findings 2026,[[文件:Emnlp-2026-lyh.pdf|pdf]]【待补充offical官网】.
=== Papers in Chinese ===
* 周昊喆李正华*.面向结构置信度不足： LLM 语义指导的介词短语依附消歧方法。 CCL 2026 Poster [[文件:CCL_2026_zhz.pdf|pdf]]

== 2025 ==

=== Journal/Conference Papers in Chinese ===

* [期刊发表后更新下] 严福康, 章岳, 李正华*. 2023. 基于网络词典的现代汉语词义消歧数据集构建. 第二十二届中国计算语言学大会.[[文件:基于网络词典的现代汉语词义消歧数据集构建_CCL_严福康.pdf]]

* [期刊发表后更新下] 杨浩苹, 夏庆荣, 李正华*, 王睿. 基于GCN的异构句法驱动汉语语义角色标注. 计算机应用与软件. [2022年录用] [还未正式发表知网上找不到，期号卷号未知.] '''以后不投这个期刊了'''. [[文件:基于GCN的异构句法驱动汉语语义角色标注.pdf]]

=== Papers in English ===

* Yahui Liu, Zhenghua Li, Chen Gong*, Shilin Zhou，Min Zhang. Annotation error detection in painstakingly annotated data: Part-of-speech tagging as a case study. Expert Systems With Applications (ESWA), 2025,290:128374. [https://www.sciencedirect.com/science/article/pii/S0957417425019931 official] [Journal]

* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Self-Correction Makes LLMs Better Parsers. In Findings of EMNLP 2025, Suzhou, China. [https://arxiv.org/abs/2504.14165 Arxiv].

* Houquan Zhou, Bo Zhang, Zhenghua Li*, Ming Yan, and Min Zhang. 2025. A Training-free LLM-based Approach to General Chinese Character Error Correction. In Proceedings of ACL, pages 13827–13852, Vienna, Austria. Association for Computational Linguistics. [https://aclanthology.org/2025.acl-long.678.pdf official] July 27 - August 1
* Ziheng Qiao, Houquan Zhou, Zhenghua Li*. Mixture of Small and Large Models for Chinese Spelling Check. ACL, pages 28298–28311, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1372.pdf acl-anthology]
* Ziheng Qiao, Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. DISC: Plug-and-Play Decoding Intervention with Similarity of Characters for Chinese Spelling Check. ACL, pages 28312–28324, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1373.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Dynamic Head Selection for Neural Lexicalized Constituency Parsing. In Proceedings of ACL 2025, pages 16141–16155, Vienna, Austria. [https://aclanthology.org/2025.acl-long.786.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Span-based Semantic Role Labeling as Lexicalized Constituency Tree Parsing. In Findings of ACL 2025, pages 10701–10713, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.557.pdf acl-anthology]
* Yanggan Gu, Junzhuo Li, Sirui Huang, Xin Zou, Zhenghua Li*, Xuming Hu*. Capturing Nuanced Preferences: Preference-Aligned Distillation for Small Language Models. In Findings of ACL 2025, pages 15959–15973, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.822.pdf acl-anthology]

* Xuebin Wang, Lei Zhang, Zhenghua Li*, Shilin Zhou, Chen Gong, Yang Hou. Mining Word Boundaries from Speech-Text Parallel Data for Cross-domain Chinese Word Segmentation. [https://arxiv.org/abs/2412.09045 Arxiv]. COLING. January 19–24, 2025. Abu Dhabi, UAE. pages 1247–1257
* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Data Augmentation for Cross-domain Parsing via Lightweight LLM Generation and Tree Hybridization. [[文件:Data_Augmentation_for_Cross-domain_Parsing_via_Lightweight_LLM_Generation_and_Tree_Hybridization.pdf]]. COLING. 19 January, 2025. Abu Dhabi, UAE.
* Xi Ma, Yang Hou, Xuebin Wang, Zhenghua Li. A Probabilistic Toolkit for Multi-grained Word Segmentation in Chinese. [[文件:A_Probabilistic_Toolkit_for_Multi-grained_Word_Segmentation_in_Chinese.pdf]]. COLING Demonstration (demo paper). 19 January, 2025. Abu Dhabi, UAE.

== 2024 ==

=== Journal/Conference Papers in Chinese ===

* 崔秀莲, 严福康, 李正华*. CCKS-2023. 基于实例的词性标注数据错误检测. 2023全国知识图谱与语义计算大会CCKS
** 转发：山西大学学报 2024年4月 47卷2期 47(2)，pp251−259. [[文件:Cxl-山西大学学报-基于实例的词性标注数据错误检测.pdf]]

=== Conference Papers in English ===

* Houquan Zhou, Zhenghua Li*, Bo Zhang, Chen Li, Shaopeng Lai, Ji Zhang, Fei Huang, Min Zhang. 2024. A Simple yet Effective Training-free Prompt-free Approach to Chinese Spelling Correction Based on Large Language Models. EMNLP. pp 17446–17467. [https://arxiv.org/abs/2410.04027 arxiv] [https://aclanthology.org/2024.emnlp-main.966.pdf acl-anthology] November 12-16 Miami, Florida (USA)

* Xuebin Wang, Zhenghua Li*. 2024. Two Sequence Labeling Approaches to Sentence Segmentation and Punctuation Prediction for Classic Chinese Texts. [https://aclanthology.org/2024.lt4hala-1.28/ Acl-anthology] the Third Workshop on Language Technologies for Historical and Ancient Languages (LT4HALA) @ LREC-COLING-2024. pages 237–241 25 May, 2024 Torino (Italia) Turin (Italy)

* Yumeng Liu, Zhenghua Li*, Haochen Jiang, Bo Zhang, Chen Li, Ji Zhang. 2024. Towards Better Utilization of Multi-Reference Training Data for Chinese Grammatical Error Correction. Findings of ACL. [https://github.com/ymliucs/MrGEC code][https://aclanthology.org/2024.findings-acl.180 paper]
* Yang Hou and Zhenghua Li*. 2024. Character-Level Chinese Dependency Parsing via Modeling Latent Intra-Word Structure. ACL-findings. [[文件:2024.findings-acl.173.pdf]], [[文件:2024.findings-acl.173.slide.pdf]], [[文件:2024.findings-acl.173.poster.pdf]]
* Shilin Zhou, Zhenghua Li, Chen Gong*, Lei Zhang, Yu Hong, Min Zhang. 2024. Chinese Spoken Named Entity Recognition in Real-world Scenarios: Dataset and Approaches. Findings of ACL. [[文件:ACL2024_rwcsner.pdf]]，[[文件:Rwcs_poster.pdf]]
* Shilin Zhou, Zhenghua Li*, Yu Hong, Min Zhang, Zhefeng Wang, Baoxing Huai. 2024. CopyNE: Better Contextual ASR by Copying Named Entities. ACL. [[文件:ACL2024_copyne.pdf]]，[[文件:copyne_poster.pdf]] [https://aclanthology.org/2024.acl-long.147.pdf acl-anthology] Bangkok, Thailand 2024.8.11-16 pp. 2675–2686

* Yanggan Gu, Yang Hou, Zhefeng Wang, Xinyu Duan and Zhenghua Li*. 2024. High-order Joint Constituency and Dependency Parsing. COLING. [[文件:2024.lrec-main.713.pdf]]，[[文件:2024.lrec-main.713.poster.pdf]] pages 8144–8154 20-25 May, 2024. Torino (Italia)
* Chenhui Dou, Chen Gong*, Zhenghua Li, Zhefeng Wang, baoxing Huai and Min Zhang. 2024. Improving Chinese Named Entity Recognition with Multi-grained Words and Part-of-Speech Tags via Joint Modeling. COLING.[[文件:2024.lrec-main.765.pdf]]，[[文件:2024.lrec-main.765.poster.pdf]] pages 8732–8742
20-25 May, 2024. Torino (Italia) Turin (Italy)

== 2023 ==

=== Conference Papers in English ===

* Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. 2023. Improving Seq2Seq Grammatical Error Correction via Decoding Interventions. Findings of '''EMNLP''', pages 7393–7405. [https://arxiv.org/abs/2310.14534 arxiv][https://github.com/Jacob-Zhou/gecdi code][https://www.semanticscholar.org/paper/Improving-Seq2Seq-Grammatical-Error-Correction-via-Zhou-Liu/4711f26c0295fed15161b6145800b3df1ab9c0f6 citation]

* Yue Zhang, Leyang Cui, Enbo Zhao, Wei Bi, Shuming Shi. 2023. RobustGEC: Robust Grammatical Error Correction Against Subtle Context Perturbation. EMNLP 2023.[https://arxiv.org/pdf/2310.07299.pdf arxiv] [https://github.com/hillzhang1999/RobustGEC code] pages 16780–16793; December 6-10, 2023

* Saihao Huang, Lijie Wang, Zhenghua Li*, Zeyang Liu, Chenhui Dou, Fukang Yan, Xinyan Xiao, Hua Wu, and Min Zhang. 2023. SeSQL: A High-Quality Large-Scale Session-Level Chinese Text-to-SQL Dataset. NLPCC 2023, pages 537-550.[[文件:SeSQL_A_High-Quality_Large-Scale_Session-Level_Chinese_Text-to-SQL_Dataset.pdf]] [https://arxiv.org/abs/2208.12711 arxiv]

* Yue Zhang, Bo Zhang, Haochen Jiang, Zhenghua Li*, Chen Li, Fei Huang, Min Zhang. 2023. NaSGEC: Multi-Domain Chinese Grammatical Error Correction for Native Speaker Texts. Findings of ACL 2023. pp 9935-9951. [https://aclanthology.org/2023.findings-acl.630.pdf official] [https://arxiv.org/pdf/2305.16023.pdf arxiv] [https://github.com/HillZhang1999/NaSGEC code]

== 2022 ==

=== Journal/Conference Papers in Chinese ===

* 章岳, 黄赛豪, 陆凯华, 李正华*. 2022年1月. 基于模板的中文上下位关系抽取方法. 计算机应用与软件: 39卷1期 pp126-134. [[文件:Hypernym-zhangyue-2022.pdf]]
* 周仕林, 龚晨*, 李正华, 张民. 基于转移的快速精准的语义依存图分析. 山西大学学报(自然科学版): 45卷4期 pp1-13. [[文件:slzhou_transition_based_sdp.pdf]]
* 李帅克，李英，李正华*，张民. 基于tri-training的跨领域依存句法分析. 厦门大学学报（自然科学版）：61卷4期 pp638-645. [[https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XDZK20220509009&uniplatform=NZKPT&v=flne8EoBUv7LYNkuiwSttcXiOfGBPAB_0VtzLHktpwsjrP5-NEfM9rivUOARi0ae 知网抢先版链接]][[文件:基于tri-training的跨领域依存句法分析李帅克.pdf]]
* 周明月，龚晨，李正华*，张民. 2022.数据标注方法比较研究：以依存句法树标注为例. 清华大学学报（自然科学版）：62卷5期 pp908-916. [[http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2022.22.010 电子版]] [[文件:数据标注方法比较研究.pdf | pdf]]
* 彭雪, 李正华*, 张民. 2022. 基于语言模型微调的跨领域依存句法分析. 计算机应用与软件:39卷07期, pp141-146. [[文件:彭雪-基于语言模型微调的跨领域依存句法分析.pdf]]
* 李嘉诚, 沈嘉钰, 龚晨, 李正华*, 张民. 2022. 基于指针网络融入混淆集知识的中文语法纠错中文信息学报:36卷04期,pp29-38. [[文件:基于指针网络融入混淆集知识的中文语法纠错.pdf]]

=== Journal Papers in English ===

* Chen Gong, Zhenghua Li* and Min Zhang. Neural Coupled Sequence Labeling for Heterogeneous Annotation Conversion. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2022, 30:1624-1636.[https://ieeexplore.ieee.org/document/9750873?source=authoralert official]

=== Conference Papers In English ===

* Yue Zhang, Bo Zhang, Zhenghua Li*, Zuyi Bao, Chen Li, and Min Zhang. 2022. SynGEC: Syntax-Enhanced Grammatical Error Correction with a Tailored GEC-Oriented Parser. In '''EMNLP''', pages 2518–2531. [https://arxiv.org/pdf/2210.12484 arxiv][https://aclanthology.org/2022.emnlp-main.162.pdf official pdf][https://underline.io/events/342/sessions/13833/lecture/66146-syngec-syntax-enhanced-grammatical-error-correction-with-a-tailored-gec-oriented-parser video]
* Yu Zhang, Qingrong Xia, Shilin Zhou, Yong Jiang, Guohong Fu*, Min Zhang. 2022. Semantic Role Labeling as Dependency Parsing: Exploring Latent Tree Structures inside Arguments. In '''COLING''', pages 4212–4227. [https://arxiv.org/abs/2110.06865 arxiv] [https://aclanthology.org/2022.coling-1.370/ official pdf] [https://underline.io/events/360/posters/13239/poster/60359-semantic-role-labeling-as-dependency-parsing-exploring-latent-tree-structures-inside-arguments video]
* Shilin Zhou, Qingrong Xia, Zhenghua Li*, Yu Zhang, Yu Hong, and Min Zhang. 2022. Fast and Accurate End-to-End Span-based Semantic Role Labeling as Word-based Graph Parsing. In '''COLING''', pages 4160–4171. [https://arxiv.org/pdf/2112.02970.pdf arxiv] [https://aclanthology.org/2022.coling-1.365/ official pdf] [https://underline.io/events/360/sessions/13099/lecture/60364-fast-and-accurate-end-to-end-span-based-semantic-role-labeling-as-word-based-graph-parsing video] (best paper!)
* Yahui Liu, Haoping Yang, Chen Gong*, Qingrong Xia, Zhenghua Li, Min Zhang. 2022. MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset. In '''NAACL''', pages 1707-1717. [http://arxiv.org/abs/2205.06703 arxiv][https://aclanthology.org/2022.naacl-main.123.pdf official pdf][https://underline.io/events/325/posters/11804/poster/54059-mucpad-a-multi-domain-chinese-predicate-argument-dataset video]
* Yue Zhang, Zhenghua Li*, Zuyi Bao, Jiacheng Li, Bo Zhang, Chen Li, Fei Huang, Min Zhang. 2022. MuCGEC: a Multi-Reference Multi-Source Evaluation Dataset for Chinese Grammatical Error Correction. In '''NAACL''', pages 3118–3130. [https://arxiv.org/abs/2204.10994 arxiv][https://aclanthology.org/2022.naacl-main.227.pdf official pdf][https://underline.io/events/325/sessions/11391/lecture/53888-mucgec-a-multi-reference-multi-source-evaluation-dataset-for-chinese-grammatical-error-correction video]
* Ying Li, Shuaike Li, Min Zhang. 2022. Semi-supervised Domain Adaptation for Dependency Parsing with Dynamic Matching Network. In '''ACL 2022'', pages 1035--1045. [https://aclanthology.org/2022.acl-long.74.pdf official-pdf] [http://hlt.suda.edu.cn/index.php/%E6%96%87%E4%BB%B6:Liying_ACL2022_camera_ready.pdf camera ready pdf] [https://underline.io/lecture/52551-long-semi-supervised-domain-adaptation-for-dependency-parsing-with-dynamic-matching-network video].
* Houquan Zhou, Yang Li, Zhenghua Li, and Min Zhang. 2022. Bridging Pre-trained Language Models and Hand-crafted Features for Unsupervised POS Tagging. In Findings of the Association for Computational Linguistics: ACL 2022, pages 3276–3290, Dublin, Ireland. Association for Computational Linguistics. [http://hlt.suda.edu.cn/LA/papers/acl-findings-hqzhou-bridging.pdf pdf] [https://arxiv.org/pdf/2203.10315 camera ready pdf] [https://aclanthology.org/2022.findings-acl.259.pdf official pdf] [https://underline.io/lecture/49965-findings-bridging-pre-trained-language-models-and-hand-crafted-features-for-unsupervised-pos-tagging video]

== 2021 ==

=== Journal/Conference Papers in Chinese ===

* 吴锟，周夏冰，李正华，梁兴伟，陈文亮. 中文知识库问答中的路径选择. 中文信息学报（CCKS会议推荐）. 2021, 35(9):113-122.[[文件:中文知识库问答中的路径选择吴锟.pdf]]

=== Conference Papers In English ===
* Yang Hou, Houquan Zhou, Zhenghua Li*, Yu Zhang, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. A Coarse-to-Fine Labeling Framework for Joint Word Segmentation, POS Tagging, and Constituent Parsing. Proceedings of CoNLL-2021, pp. 290–299. Punta Cana, Dominican Republic (Online), 10-11 Nov. 2021. [[文件:CoNLL_2021_yhou_official_version.pdf]]

* Kun Wu, Lijie Wang, Zhenghua Li, Ao Zhang, Xinyan Xiao, Hua Wu, Min Zhang, Haifeng Wang. Data Augmentation with Hierarchical SQL-to-Question Generation for Cross-Domain Text-to-SQL Parsing. Proceedings of EMNLP-2021, pp. 8974--8983. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP2021_camera_ready_Data_Augmentation_with_Hierarchical_SQL_to_Question_Generation_forCross_domain_Text_to_SQL_Parsing-09101500.pdf ‎]]

* Qingrong Xia, Zhenghua Li*, Rui Wang, Min Zhang. Stacked AMR Parsing with Silver Data. Proceedings of EMNLP-2021 Findings, pp. 4729--4738. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_Stacked_AMR_Parsing_with_Silver_Data.pdf]]

* Ying Li, Meishan Zhang, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. APGN: Adversarial and Parameter Generation Networks for Multi-Source Cross-Domain Dependency Parsing. Proceedings of EMNLP-2021 Findings, pp. 1727–1733. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_yli_camera_ready.pdf]]

* Chen Gong, Saihao Huang, Houquan Zhou, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. An In-depth Study on Internal Structure of Chinese Words. Proceedings of ACL-2021, pp. 5823–5833. Online, Virtual Event, 1-6 Aug. 2021. [[文件:2021.acl-long.452.pdf]]

* Qingrong Xia, Bo Zhang, Rui Wang, Zhenghua Li*, Yue Zhang, Fei Huang, Luo Si, Min Zhang. 2021. A Unified Span-Based Approach for Opinion Mining with Syntactic Constituents. Proceedings of NAACL-2021, pp. 1795-1804. Mexico City, Mexico (Online), 6-11 June. 2021. [[文件:2021.naacl-main.144.pdf]]

== 2020 ==

=== Journal Papers in Chinese ===

* 陆凯华, 李正华, 张民. 2020. 汉语上下位关系分类数据集构建和基准方法比较. 厦门大学学报(自然科学版). 2020, 59 (06): 1004-1010 [[文件:汉语上下位关系分类数据集构建和基准方法比较_陆凯华.pdf]]
* 刘亚慧, 杨浩苹, 李正华, 张民. 2020. 一种轻量级的语义角色标注规范. 中文信息学报. 2020, 34(4):10-20 [http://jcip.cipsc.org.cn/CN/Y2020/V34/I4/10 offical.pdf]

=== Journal Papers In English===
* Chen Gong, Zhenghua Li, Qingrong Xia, Wenliang Chen and Min Zhang. Hierarchical LSTM with char-subword-word tree-structure representation for Chinese named entity recognition. Science China Information Science, 2020, 63(10):1-15. [[文件:Hierarchical_LSTM_with_char-subword-word_tree-structure_representation_for_Chinese_named_entity_recognition.pdf]]

=== Conference Papers In English ===

* Ying Li, Zhenghua Li* and Min Zhang. Semi-supervised Domain Adaptation for Dependency Parsing via Improved Contextualized Word Representations. Proceedings of COLING-2020. pp. 3806–3817. Barcelona, Spain (Online), 8-13 Dec. 2020.[https://www.aclweb.org/anthology/2020.coling-main.338.pdf pdf] [[文件:Liying-2020.coling-main.338.pdf]]

* Qingrong Xia, Rui Wang, Zhenghua Li, Yue Zhang and Min Zhang*. Semantic Role Labeling with Heterogeneous Syntactic Knowledge. Proceedings of COLING-2020. pp. 2979-2990. Barcelona, Spain (Online), 8-13 Dec. 2020. ([https://www.aclweb.org/anthology/2020.coling-main.266.pdf pdf])([[文件:Xiaqingrong-2020.coling-main.266.pdf]])([[文件:Poster-SRL-HDP.pdf]])([[文件:SRL-HDP.pptx]])

* Chen Gong, Zhenghua Li*, Bowei Zou and Min Zhang. Multi-grained Chinese Word Segmentation with Weakly Labeled Data. Proceedings of COLING-2020. pp. 2026–2036. Barcelona, Spain (Online), 8-13 Dec. 2020. [https://www.aclweb.org/anthology/D17-1072.pdf pdf][[文件:Gongchen-2020.coling-main.183.pdf]]

* Lijie Wang, Ao Zhang, Kun Wu, Ke Sun, Zhenghua Li, Hua Wu, Min Zhang and Haifeng Wang. DuSQL: A Large-Scale and Pragmatic Chinese Text-to-SQL Dataset. Proceedings of EMNLP-2020. pp. 6923-6935. Online, 16-20 Nov. 2020. [https://www.aclweb.org/anthology/2020.emnlp-main.562.pdf pdf][[文件:2020.emnlp-main.562.pdf]]

* Houquan Zhou, Yu Zhang, Zhenghua Li, and Min Zhang. Is POS Tagging Necessary or Even Helpful for Neural Dependency Parsing? Proceedings of NLPCC-2020, pp. 179--191. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo.pdf pdf]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official-w-content.pdf pdf-official-w-content]) (best paper!)

* Yu Zhao, Mingyue Zhou, Zhenghua Li, and Min Zhang. Dependency Parsing with Noisy Multi-Annotation Data. Proceedings of NLPCC-2020, pp. 120-131. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/images/e/e5/212_Final_Manuscript_%281%29.pdf pdf]）([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official-w-content.pdf pdf-official-w-content])

* Yu Zhang, Houquan Zhou, Zhenghua Li. 2020. Fast and Accurate Neural CRF Constituency Parsing. Proceedings of IJCAI-2020, pp. 4046-4053. Yokohama, Japan, 11-17 Jul. 2020. [https://www.ijcai.org/Proceedings/2020/0560.pdf pdf-official] [http://hlt.suda.edu.cn/LA/papers/0560.pdf pdf] [[http://hlt.suda.edu.cn/LA/videos/V5.mp4 video(5 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V10.mp4 video(10 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V15.mp4 video(15 min version)]]

* Yu Zhang, Zhenghua Li, Min Zhang. 2020. Efficient Second-Order TreeCRF for Neural Dependency Parsing. Proceedings of ACL-2020, pp. 3295-3305. Seattle, America, 5-10 Jul. 2020. [[https://www.aclweb.org/anthology/2020.acl-main.302.pdf pdf-official]] [[http://hlt.suda.edu.cn/LA/papers/2020.acl-main.302.pdf pdf]] [[http://hlt.suda.edu.cn/LA/videos/2020-12-28%2022-21-45.mp4 video]]
** A very good paper: Timothy Dozat, Christopher D. Manning. ICLR-2017. Deep Biaffine Attention for Neural Dependency Parsing. [https://arxiv.org/abs/1611.01734 arxiv]

* Bo Zhang, Yue Zhang, Rui Wang, Zhenghua Li, Min Zhang. Syntax-Aware Opinion Role Labeling with Dependency Graph Convolutional Networks. Proceedings of ACL-2020, pp. 3249-3258. Seattle, America, 5-10 Jul. 2020. [https://www.aclweb.org/anthology/2020.acl-main.297.pdf pdf] [[文件:Zhangbo-acl2020-ppt-5-24.pdf]]

== before 2020 ==
* Meishan Zhang, Zhenghua Li, Guohong Fu and Min Zhang. Syntax-Enhanced Neural Machine Translation with Syntax-Aware Word Representations. In Proceedings of the NAACL-2019. pp. 1151–1161. Seattle, America, 5-10 Jun. 2019. [https://www.aclweb.org/anthology/N19-1118.pdf pdf]
* Bowen Wu, Jiayuan Chao, Baoxun Wang, Zhenghua Li and Min Zhang. Abstractive Summarization via Continuous Copy. EMNLP-2019 Workshop Summarization Submission. Aug 20, 2019. (not accepted)

[http://hlt.suda.edu.cn/~zhli/en.html 更早的论文，请点击此]

== 202? Template ==
=== Talks and Misc. ===
=== Journal/Conference Papers in Chinese ===
=== Journal Papers In English===
=== Conference Papers In English===

文件:CCL 2026 zhz.pdf

2026-10-19T18:29:59Z

LA-share：

LA-paper-report-talk-etc

2026-10-19T18:26:11Z

LA-share：/* Papers in English */

请大家按照规则不断完善此页面。包含pdf ppt codes等。论文按年度，先中文、再英文；先期刊、再会议；先录用时间、后发表（开会）时间。尽量用英文吧。

文献格式和内容与内部wiki保持一致（尽量避免重复劳动）
* pdf ppt等附件都可以放到外网可以访问的地方，放一个地方，避免重复
* 基金号等信息，这个页面上删掉，不要写

== bib and abstract ==

[http://hlt.suda.edu.cn/index.php/LA-paper-report-talk-bib bib]

摘要和基金信息请看内部wiki

== Talks（报告） ==

* '''视频尽可能都放在了哔哩哔哩上了（搜用户名：LAGroup）'''
* 2024年11月24日受南师大李斌老师邀请做报告（大模型时代如何做研究：一些思考）【文本纠错任务上的大模型相关工作，作为例子】
* 2024年2月1日受邀参加2024阿里云高校前沿技术论坛（大模型时代下文本校对研究的尝试和构想）【小而美的研究工作】
* 2023年4月8日受北语杨天麟老师邀请做报告（大模型时代句法语义研究何去何从）
* 2022年11月29日受复旦邱锡鹏老师邀请做报告（基于适配句法知识的文本纠错）
* 2022年11月11日受邀对COLING-2022 Best Paper做英文报告【按邀请顺序：新加坡国立大学、新加坡设计与技术大学、南京大学】
* 2022年8月27日，受邀在江苏省人工智能大会上做报告（汉语文本纠错近年进展：数据集和模型）

* 2021.7.27：《数据标注师资培训》(哈工大大数据集团)
** [http://hlt.suda.edu.cn/LA/videos/2021-07-26-1+X数据标注师资培训.mp4 培训视频] [https://mp.weixin.qq.com/s/T2HS90jrHs-ly8aCbwj-Eg 数据标注师资培训介绍]

* 2021.4.20：《基于树形条件随机场的句法分析》(CCF-NLP走进高校-西湖大学)
** [http://hlt.suda.edu.cn/LA/videos/2021-04-20%2015-28-23.mp4 talk video] [http://hlt.suda.edu.cn/LA/ppt/视频对应-基于treecrf的句法分析-2021-04-20-13-55.pdf ppt(视频对应版)] [http://hlt.suda.edu.cn/LA/ppt/修改错误-基于treecrf的句法分析-2021-04-20-17-45.pdf ppt(修正版)]

* 2021.3：《人工智能与脑机接口》慕课（15章）[https://hikeweb.zhihuishu.com/studyResource/index?courseId=10431947 .]
** [http://hlt.suda.edu.cn/LA/videos/15-1_nlp.mp4 NLP基础介绍]
** [http://hlt.suda.edu.cn/LA/videos/15-2_labelling.mp4 数据标注简介]　　

* 2020.10：《神经网络》慕课 - 面向自然语言处理的神经网络（13章）
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.1.mp4 第1节：从离散特征到连续稠密向量表示]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.2.mp4 第2节：表示学习]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.3.mp4 第3节：序列标注问题]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.4.mp4 第4节：句法树解析问题]

* 2020.8.15: I have given a talk on data annotation at AI+EDUCATION SUB-FORUM at AI-EXPO (2020 GLOBAL AI PRODUCT AND APPLICATION EXPO)
** [http://hlt.suda.edu.cn/~zhli/20200816_AI_data_annotating.mp4 talk video]
** [https://www.ai-expo.org.cn/?content/416= AI+教育发展分论坛-全球人工智能产品应用博览会]

* 2019年9月28日句法标注培训（LA组介绍）：
** [http://hlt.suda.edu.cn/~zhli/2019-9-train/LAGroup.mp4 mp4视频] [http://hlt.suda.edu.cn/~zhli/2019-9-train/zhenghua-2019-9-28-LAGroup.pdf pdf]

== Competition or Shared Tasks ==

* 刘亚慧、乔子恒、李正华、龚晨、张民. 2025.8. CCL-2025 第三届汉语框架语义解析评测, 二等奖 [https://tianchi.aliyun.com/competition/entrance/532338/rankingList 比赛榜单]，[http://cips-cl.org/static/CCL2025/cclEval/taskResults/index.html 评测结果]

* 周厚全，乔子恒，蒋浩辰，刘雨萌. 金山办公2024算法挑战赛-中文文本智能校对大赛，第一名，一等奖

* 刘亚慧、龚晨、张民. 2024.8. CCL-2024 第二届汉语框架语义解析（开放赛道）, 一等奖 [https://aclanthology.org/2024.ccl-3.3.pdf 官方评测报告.pdf] ， [https://tianchi.aliyun.com/competition/entrance/532179/rankingList 比赛榜单]

* 王学彬, 李正华. 2024.5. 第一届古汉语断句标点评测（EvaHan2024）评测，二等奖*（COLING-2024 workshop）

* 辜仰淦，周仕林，李正华. 2023年8月. CCL中文抽象语义表示解析评测（一等奖）[https://aclanthology.org/2023.ccl-3.5 官网评测报告]

* 蒋浩辰，刘雨萌，周厚全，乔子恒，章波，李辰，李正华，张民. CCL汉语学习者文本纠错评测（封闭、开放双赛道第一）. 2023年8月. [https://aclanthology.org/2023.ccl-3.25.pdf S&A-CCL2023评测报告.pdf]
** [http://cuge.baai.ac.cn/#/ccl/2023/cltc 比赛榜单]

* 刘亚慧，李正华，张民. CCL汉语框架语义解析评测(三等奖). 2023年8月. [https://aclanthology.org/2023.ccl-3.9.pdf 官网评测报告.pdf]， [https://tianchi.aliyun.com/competition/entrance/532083/rankingList 比赛榜单]

* 2022.12法研杯第一名 CAIL-2022 法律文本纠错

* 我们组织了两届跨领域句法分析评测：CCL-2021和NLPCC-2019

* 李嘉诚，沈嘉钰，包祖贻，章波，章岳，李辰，李正华. S&A团队CGED-7评测报告（识别，定位，纠正层第一）. 2021年12月. [[文件:S&A团队CGED-7评测报告.pdf]]
** [http://nlg.cipsc.org.cn/evaluation.html 比赛主页] [https://zhuanlan.zhihu.com/p/444117518 知乎总结]

* 章岳，包祖贻，章波，李辰，李嘉诚，李正华. S&A队CTC2021评测报告（检错、纠错、总分三赛道第一）. 2021年9月.[[文件:S&A-CTC2021评测报告.pdf]]
** [https://2021aichina.caai.cn/track?id=5 比赛主页] [https://github.com/destwang/CTC2021 github榜单]

== Awards ==
* 2024. 第三届全国大模型智能生成大会（CIPS-LMG 2024）优秀海报奖（EMNLP-2024论文）
* 2023. CCF-NLPCC“青年新锐学者” （Young Outstanding Scientist Award）
* 2022. SudaNLP团队张宇同学的硕士论文《基于树形条件随机场的高阶句法分析》被评选为2022年度江苏省优秀学术型硕士学位论文 [http://hlt.suda.edu.cn/index.php/Zhangyu-jiangsu-outstanding-paper wechat-sudanlp-news]
* 2022. Coling '''best paper'''
* 2021. 章波，江苏省优秀学术型硕士论文；同时获江苏省计算机学会优秀硕士论文《面向依存句法的树库转化与应用研究》
* 2020. NLPCC best paper

== 同学必须深入学习的东西 ==

[http://hlt.suda.edu.cn/index.php/LA-to-sudy-list LAGroup 同学必须深入学习的东西] 慢慢完善

== 2026 ==

=== Papers in English ===

* Lijie Wang, Yahui Liu, Yue Zhang, Zhenghua Li*. LLM-assisted Data Quality Improvement: SRL as a Case Study. EMNLP findings 2026,[[文件:Emnlp-2026-lyh.pdf|pdf]]【待补充offical官网】.
=== Papers in Chinese ===
* 周昊喆李正华*.面向结构置信度不足： LLM 语义指导的介词短语依附消歧方法。 CCL 2026 Poster [[文件:CCL-2026-zhz.pdf|pdf]]

== 2025 ==

=== Journal/Conference Papers in Chinese ===

* [期刊发表后更新下] 严福康, 章岳, 李正华*. 2023. 基于网络词典的现代汉语词义消歧数据集构建. 第二十二届中国计算语言学大会.[[文件:基于网络词典的现代汉语词义消歧数据集构建_CCL_严福康.pdf]]

* [期刊发表后更新下] 杨浩苹, 夏庆荣, 李正华*, 王睿. 基于GCN的异构句法驱动汉语语义角色标注. 计算机应用与软件. [2022年录用] [还未正式发表知网上找不到，期号卷号未知.] '''以后不投这个期刊了'''. [[文件:基于GCN的异构句法驱动汉语语义角色标注.pdf]]

=== Papers in English ===

* Yahui Liu, Zhenghua Li, Chen Gong*, Shilin Zhou，Min Zhang. Annotation error detection in painstakingly annotated data: Part-of-speech tagging as a case study. Expert Systems With Applications (ESWA), 2025,290:128374. [https://www.sciencedirect.com/science/article/pii/S0957417425019931 official] [Journal]

* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Self-Correction Makes LLMs Better Parsers. In Findings of EMNLP 2025, Suzhou, China. [https://arxiv.org/abs/2504.14165 Arxiv].

* Houquan Zhou, Bo Zhang, Zhenghua Li*, Ming Yan, and Min Zhang. 2025. A Training-free LLM-based Approach to General Chinese Character Error Correction. In Proceedings of ACL, pages 13827–13852, Vienna, Austria. Association for Computational Linguistics. [https://aclanthology.org/2025.acl-long.678.pdf official] July 27 - August 1
* Ziheng Qiao, Houquan Zhou, Zhenghua Li*. Mixture of Small and Large Models for Chinese Spelling Check. ACL, pages 28298–28311, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1372.pdf acl-anthology]
* Ziheng Qiao, Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. DISC: Plug-and-Play Decoding Intervention with Similarity of Characters for Chinese Spelling Check. ACL, pages 28312–28324, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1373.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Dynamic Head Selection for Neural Lexicalized Constituency Parsing. In Proceedings of ACL 2025, pages 16141–16155, Vienna, Austria. [https://aclanthology.org/2025.acl-long.786.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Span-based Semantic Role Labeling as Lexicalized Constituency Tree Parsing. In Findings of ACL 2025, pages 10701–10713, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.557.pdf acl-anthology]
* Yanggan Gu, Junzhuo Li, Sirui Huang, Xin Zou, Zhenghua Li*, Xuming Hu*. Capturing Nuanced Preferences: Preference-Aligned Distillation for Small Language Models. In Findings of ACL 2025, pages 15959–15973, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.822.pdf acl-anthology]

* Xuebin Wang, Lei Zhang, Zhenghua Li*, Shilin Zhou, Chen Gong, Yang Hou. Mining Word Boundaries from Speech-Text Parallel Data for Cross-domain Chinese Word Segmentation. [https://arxiv.org/abs/2412.09045 Arxiv]. COLING. January 19–24, 2025. Abu Dhabi, UAE. pages 1247–1257
* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Data Augmentation for Cross-domain Parsing via Lightweight LLM Generation and Tree Hybridization. [[文件:Data_Augmentation_for_Cross-domain_Parsing_via_Lightweight_LLM_Generation_and_Tree_Hybridization.pdf]]. COLING. 19 January, 2025. Abu Dhabi, UAE.
* Xi Ma, Yang Hou, Xuebin Wang, Zhenghua Li. A Probabilistic Toolkit for Multi-grained Word Segmentation in Chinese. [[文件:A_Probabilistic_Toolkit_for_Multi-grained_Word_Segmentation_in_Chinese.pdf]]. COLING Demonstration (demo paper). 19 January, 2025. Abu Dhabi, UAE.

== 2024 ==

=== Journal/Conference Papers in Chinese ===

* 崔秀莲, 严福康, 李正华*. CCKS-2023. 基于实例的词性标注数据错误检测. 2023全国知识图谱与语义计算大会CCKS
** 转发：山西大学学报 2024年4月 47卷2期 47(2)，pp251−259. [[文件:Cxl-山西大学学报-基于实例的词性标注数据错误检测.pdf]]

=== Conference Papers in English ===

* Houquan Zhou, Zhenghua Li*, Bo Zhang, Chen Li, Shaopeng Lai, Ji Zhang, Fei Huang, Min Zhang. 2024. A Simple yet Effective Training-free Prompt-free Approach to Chinese Spelling Correction Based on Large Language Models. EMNLP. pp 17446–17467. [https://arxiv.org/abs/2410.04027 arxiv] [https://aclanthology.org/2024.emnlp-main.966.pdf acl-anthology] November 12-16 Miami, Florida (USA)

* Xuebin Wang, Zhenghua Li*. 2024. Two Sequence Labeling Approaches to Sentence Segmentation and Punctuation Prediction for Classic Chinese Texts. [https://aclanthology.org/2024.lt4hala-1.28/ Acl-anthology] the Third Workshop on Language Technologies for Historical and Ancient Languages (LT4HALA) @ LREC-COLING-2024. pages 237–241 25 May, 2024 Torino (Italia) Turin (Italy)

* Yumeng Liu, Zhenghua Li*, Haochen Jiang, Bo Zhang, Chen Li, Ji Zhang. 2024. Towards Better Utilization of Multi-Reference Training Data for Chinese Grammatical Error Correction. Findings of ACL. [https://github.com/ymliucs/MrGEC code][https://aclanthology.org/2024.findings-acl.180 paper]
* Yang Hou and Zhenghua Li*. 2024. Character-Level Chinese Dependency Parsing via Modeling Latent Intra-Word Structure. ACL-findings. [[文件:2024.findings-acl.173.pdf]], [[文件:2024.findings-acl.173.slide.pdf]], [[文件:2024.findings-acl.173.poster.pdf]]
* Shilin Zhou, Zhenghua Li, Chen Gong*, Lei Zhang, Yu Hong, Min Zhang. 2024. Chinese Spoken Named Entity Recognition in Real-world Scenarios: Dataset and Approaches. Findings of ACL. [[文件:ACL2024_rwcsner.pdf]]，[[文件:Rwcs_poster.pdf]]
* Shilin Zhou, Zhenghua Li*, Yu Hong, Min Zhang, Zhefeng Wang, Baoxing Huai. 2024. CopyNE: Better Contextual ASR by Copying Named Entities. ACL. [[文件:ACL2024_copyne.pdf]]，[[文件:copyne_poster.pdf]] [https://aclanthology.org/2024.acl-long.147.pdf acl-anthology] Bangkok, Thailand 2024.8.11-16 pp. 2675–2686

* Yanggan Gu, Yang Hou, Zhefeng Wang, Xinyu Duan and Zhenghua Li*. 2024. High-order Joint Constituency and Dependency Parsing. COLING. [[文件:2024.lrec-main.713.pdf]]，[[文件:2024.lrec-main.713.poster.pdf]] pages 8144–8154 20-25 May, 2024. Torino (Italia)
* Chenhui Dou, Chen Gong*, Zhenghua Li, Zhefeng Wang, baoxing Huai and Min Zhang. 2024. Improving Chinese Named Entity Recognition with Multi-grained Words and Part-of-Speech Tags via Joint Modeling. COLING.[[文件:2024.lrec-main.765.pdf]]，[[文件:2024.lrec-main.765.poster.pdf]] pages 8732–8742
20-25 May, 2024. Torino (Italia) Turin (Italy)

== 2023 ==

=== Conference Papers in English ===

* Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. 2023. Improving Seq2Seq Grammatical Error Correction via Decoding Interventions. Findings of '''EMNLP''', pages 7393–7405. [https://arxiv.org/abs/2310.14534 arxiv][https://github.com/Jacob-Zhou/gecdi code][https://www.semanticscholar.org/paper/Improving-Seq2Seq-Grammatical-Error-Correction-via-Zhou-Liu/4711f26c0295fed15161b6145800b3df1ab9c0f6 citation]

* Yue Zhang, Leyang Cui, Enbo Zhao, Wei Bi, Shuming Shi. 2023. RobustGEC: Robust Grammatical Error Correction Against Subtle Context Perturbation. EMNLP 2023.[https://arxiv.org/pdf/2310.07299.pdf arxiv] [https://github.com/hillzhang1999/RobustGEC code] pages 16780–16793; December 6-10, 2023

* Saihao Huang, Lijie Wang, Zhenghua Li*, Zeyang Liu, Chenhui Dou, Fukang Yan, Xinyan Xiao, Hua Wu, and Min Zhang. 2023. SeSQL: A High-Quality Large-Scale Session-Level Chinese Text-to-SQL Dataset. NLPCC 2023, pages 537-550.[[文件:SeSQL_A_High-Quality_Large-Scale_Session-Level_Chinese_Text-to-SQL_Dataset.pdf]] [https://arxiv.org/abs/2208.12711 arxiv]

* Yue Zhang, Bo Zhang, Haochen Jiang, Zhenghua Li*, Chen Li, Fei Huang, Min Zhang. 2023. NaSGEC: Multi-Domain Chinese Grammatical Error Correction for Native Speaker Texts. Findings of ACL 2023. pp 9935-9951. [https://aclanthology.org/2023.findings-acl.630.pdf official] [https://arxiv.org/pdf/2305.16023.pdf arxiv] [https://github.com/HillZhang1999/NaSGEC code]

== 2022 ==

=== Journal/Conference Papers in Chinese ===

* 章岳, 黄赛豪, 陆凯华, 李正华*. 2022年1月. 基于模板的中文上下位关系抽取方法. 计算机应用与软件: 39卷1期 pp126-134. [[文件:Hypernym-zhangyue-2022.pdf]]
* 周仕林, 龚晨*, 李正华, 张民. 基于转移的快速精准的语义依存图分析. 山西大学学报(自然科学版): 45卷4期 pp1-13. [[文件:slzhou_transition_based_sdp.pdf]]
* 李帅克，李英，李正华*，张民. 基于tri-training的跨领域依存句法分析. 厦门大学学报（自然科学版）：61卷4期 pp638-645. [[https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XDZK20220509009&uniplatform=NZKPT&v=flne8EoBUv7LYNkuiwSttcXiOfGBPAB_0VtzLHktpwsjrP5-NEfM9rivUOARi0ae 知网抢先版链接]][[文件:基于tri-training的跨领域依存句法分析李帅克.pdf]]
* 周明月，龚晨，李正华*，张民. 2022.数据标注方法比较研究：以依存句法树标注为例. 清华大学学报（自然科学版）：62卷5期 pp908-916. [[http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2022.22.010 电子版]] [[文件:数据标注方法比较研究.pdf | pdf]]
* 彭雪, 李正华*, 张民. 2022. 基于语言模型微调的跨领域依存句法分析. 计算机应用与软件:39卷07期, pp141-146. [[文件:彭雪-基于语言模型微调的跨领域依存句法分析.pdf]]
* 李嘉诚, 沈嘉钰, 龚晨, 李正华*, 张民. 2022. 基于指针网络融入混淆集知识的中文语法纠错中文信息学报:36卷04期,pp29-38. [[文件:基于指针网络融入混淆集知识的中文语法纠错.pdf]]

=== Journal Papers in English ===

* Chen Gong, Zhenghua Li* and Min Zhang. Neural Coupled Sequence Labeling for Heterogeneous Annotation Conversion. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2022, 30:1624-1636.[https://ieeexplore.ieee.org/document/9750873?source=authoralert official]

=== Conference Papers In English ===

* Yue Zhang, Bo Zhang, Zhenghua Li*, Zuyi Bao, Chen Li, and Min Zhang. 2022. SynGEC: Syntax-Enhanced Grammatical Error Correction with a Tailored GEC-Oriented Parser. In '''EMNLP''', pages 2518–2531. [https://arxiv.org/pdf/2210.12484 arxiv][https://aclanthology.org/2022.emnlp-main.162.pdf official pdf][https://underline.io/events/342/sessions/13833/lecture/66146-syngec-syntax-enhanced-grammatical-error-correction-with-a-tailored-gec-oriented-parser video]
* Yu Zhang, Qingrong Xia, Shilin Zhou, Yong Jiang, Guohong Fu*, Min Zhang. 2022. Semantic Role Labeling as Dependency Parsing: Exploring Latent Tree Structures inside Arguments. In '''COLING''', pages 4212–4227. [https://arxiv.org/abs/2110.06865 arxiv] [https://aclanthology.org/2022.coling-1.370/ official pdf] [https://underline.io/events/360/posters/13239/poster/60359-semantic-role-labeling-as-dependency-parsing-exploring-latent-tree-structures-inside-arguments video]
* Shilin Zhou, Qingrong Xia, Zhenghua Li*, Yu Zhang, Yu Hong, and Min Zhang. 2022. Fast and Accurate End-to-End Span-based Semantic Role Labeling as Word-based Graph Parsing. In '''COLING''', pages 4160–4171. [https://arxiv.org/pdf/2112.02970.pdf arxiv] [https://aclanthology.org/2022.coling-1.365/ official pdf] [https://underline.io/events/360/sessions/13099/lecture/60364-fast-and-accurate-end-to-end-span-based-semantic-role-labeling-as-word-based-graph-parsing video] (best paper!)
* Yahui Liu, Haoping Yang, Chen Gong*, Qingrong Xia, Zhenghua Li, Min Zhang. 2022. MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset. In '''NAACL''', pages 1707-1717. [http://arxiv.org/abs/2205.06703 arxiv][https://aclanthology.org/2022.naacl-main.123.pdf official pdf][https://underline.io/events/325/posters/11804/poster/54059-mucpad-a-multi-domain-chinese-predicate-argument-dataset video]
* Yue Zhang, Zhenghua Li*, Zuyi Bao, Jiacheng Li, Bo Zhang, Chen Li, Fei Huang, Min Zhang. 2022. MuCGEC: a Multi-Reference Multi-Source Evaluation Dataset for Chinese Grammatical Error Correction. In '''NAACL''', pages 3118–3130. [https://arxiv.org/abs/2204.10994 arxiv][https://aclanthology.org/2022.naacl-main.227.pdf official pdf][https://underline.io/events/325/sessions/11391/lecture/53888-mucgec-a-multi-reference-multi-source-evaluation-dataset-for-chinese-grammatical-error-correction video]
* Ying Li, Shuaike Li, Min Zhang. 2022. Semi-supervised Domain Adaptation for Dependency Parsing with Dynamic Matching Network. In '''ACL 2022'', pages 1035--1045. [https://aclanthology.org/2022.acl-long.74.pdf official-pdf] [http://hlt.suda.edu.cn/index.php/%E6%96%87%E4%BB%B6:Liying_ACL2022_camera_ready.pdf camera ready pdf] [https://underline.io/lecture/52551-long-semi-supervised-domain-adaptation-for-dependency-parsing-with-dynamic-matching-network video].
* Houquan Zhou, Yang Li, Zhenghua Li, and Min Zhang. 2022. Bridging Pre-trained Language Models and Hand-crafted Features for Unsupervised POS Tagging. In Findings of the Association for Computational Linguistics: ACL 2022, pages 3276–3290, Dublin, Ireland. Association for Computational Linguistics. [http://hlt.suda.edu.cn/LA/papers/acl-findings-hqzhou-bridging.pdf pdf] [https://arxiv.org/pdf/2203.10315 camera ready pdf] [https://aclanthology.org/2022.findings-acl.259.pdf official pdf] [https://underline.io/lecture/49965-findings-bridging-pre-trained-language-models-and-hand-crafted-features-for-unsupervised-pos-tagging video]

== 2021 ==

=== Journal/Conference Papers in Chinese ===

* 吴锟，周夏冰，李正华，梁兴伟，陈文亮. 中文知识库问答中的路径选择. 中文信息学报（CCKS会议推荐）. 2021, 35(9):113-122.[[文件:中文知识库问答中的路径选择吴锟.pdf]]

=== Conference Papers In English ===
* Yang Hou, Houquan Zhou, Zhenghua Li*, Yu Zhang, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. A Coarse-to-Fine Labeling Framework for Joint Word Segmentation, POS Tagging, and Constituent Parsing. Proceedings of CoNLL-2021, pp. 290–299. Punta Cana, Dominican Republic (Online), 10-11 Nov. 2021. [[文件:CoNLL_2021_yhou_official_version.pdf]]

* Kun Wu, Lijie Wang, Zhenghua Li, Ao Zhang, Xinyan Xiao, Hua Wu, Min Zhang, Haifeng Wang. Data Augmentation with Hierarchical SQL-to-Question Generation for Cross-Domain Text-to-SQL Parsing. Proceedings of EMNLP-2021, pp. 8974--8983. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP2021_camera_ready_Data_Augmentation_with_Hierarchical_SQL_to_Question_Generation_forCross_domain_Text_to_SQL_Parsing-09101500.pdf ‎]]

* Qingrong Xia, Zhenghua Li*, Rui Wang, Min Zhang. Stacked AMR Parsing with Silver Data. Proceedings of EMNLP-2021 Findings, pp. 4729--4738. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_Stacked_AMR_Parsing_with_Silver_Data.pdf]]

* Ying Li, Meishan Zhang, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. APGN: Adversarial and Parameter Generation Networks for Multi-Source Cross-Domain Dependency Parsing. Proceedings of EMNLP-2021 Findings, pp. 1727–1733. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_yli_camera_ready.pdf]]

* Chen Gong, Saihao Huang, Houquan Zhou, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. An In-depth Study on Internal Structure of Chinese Words. Proceedings of ACL-2021, pp. 5823–5833. Online, Virtual Event, 1-6 Aug. 2021. [[文件:2021.acl-long.452.pdf]]

* Qingrong Xia, Bo Zhang, Rui Wang, Zhenghua Li*, Yue Zhang, Fei Huang, Luo Si, Min Zhang. 2021. A Unified Span-Based Approach for Opinion Mining with Syntactic Constituents. Proceedings of NAACL-2021, pp. 1795-1804. Mexico City, Mexico (Online), 6-11 June. 2021. [[文件:2021.naacl-main.144.pdf]]

== 2020 ==

=== Journal Papers in Chinese ===

* 陆凯华, 李正华, 张民. 2020. 汉语上下位关系分类数据集构建和基准方法比较. 厦门大学学报(自然科学版). 2020, 59 (06): 1004-1010 [[文件:汉语上下位关系分类数据集构建和基准方法比较_陆凯华.pdf]]
* 刘亚慧, 杨浩苹, 李正华, 张民. 2020. 一种轻量级的语义角色标注规范. 中文信息学报. 2020, 34(4):10-20 [http://jcip.cipsc.org.cn/CN/Y2020/V34/I4/10 offical.pdf]

=== Journal Papers In English===
* Chen Gong, Zhenghua Li, Qingrong Xia, Wenliang Chen and Min Zhang. Hierarchical LSTM with char-subword-word tree-structure representation for Chinese named entity recognition. Science China Information Science, 2020, 63(10):1-15. [[文件:Hierarchical_LSTM_with_char-subword-word_tree-structure_representation_for_Chinese_named_entity_recognition.pdf]]

=== Conference Papers In English ===

* Ying Li, Zhenghua Li* and Min Zhang. Semi-supervised Domain Adaptation for Dependency Parsing via Improved Contextualized Word Representations. Proceedings of COLING-2020. pp. 3806–3817. Barcelona, Spain (Online), 8-13 Dec. 2020.[https://www.aclweb.org/anthology/2020.coling-main.338.pdf pdf] [[文件:Liying-2020.coling-main.338.pdf]]

* Qingrong Xia, Rui Wang, Zhenghua Li, Yue Zhang and Min Zhang*. Semantic Role Labeling with Heterogeneous Syntactic Knowledge. Proceedings of COLING-2020. pp. 2979-2990. Barcelona, Spain (Online), 8-13 Dec. 2020. ([https://www.aclweb.org/anthology/2020.coling-main.266.pdf pdf])([[文件:Xiaqingrong-2020.coling-main.266.pdf]])([[文件:Poster-SRL-HDP.pdf]])([[文件:SRL-HDP.pptx]])

* Chen Gong, Zhenghua Li*, Bowei Zou and Min Zhang. Multi-grained Chinese Word Segmentation with Weakly Labeled Data. Proceedings of COLING-2020. pp. 2026–2036. Barcelona, Spain (Online), 8-13 Dec. 2020. [https://www.aclweb.org/anthology/D17-1072.pdf pdf][[文件:Gongchen-2020.coling-main.183.pdf]]

* Lijie Wang, Ao Zhang, Kun Wu, Ke Sun, Zhenghua Li, Hua Wu, Min Zhang and Haifeng Wang. DuSQL: A Large-Scale and Pragmatic Chinese Text-to-SQL Dataset. Proceedings of EMNLP-2020. pp. 6923-6935. Online, 16-20 Nov. 2020. [https://www.aclweb.org/anthology/2020.emnlp-main.562.pdf pdf][[文件:2020.emnlp-main.562.pdf]]

* Houquan Zhou, Yu Zhang, Zhenghua Li, and Min Zhang. Is POS Tagging Necessary or Even Helpful for Neural Dependency Parsing? Proceedings of NLPCC-2020, pp. 179--191. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo.pdf pdf]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official-w-content.pdf pdf-official-w-content]) (best paper!)

* Yu Zhao, Mingyue Zhou, Zhenghua Li, and Min Zhang. Dependency Parsing with Noisy Multi-Annotation Data. Proceedings of NLPCC-2020, pp. 120-131. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/images/e/e5/212_Final_Manuscript_%281%29.pdf pdf]）([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official-w-content.pdf pdf-official-w-content])

* Yu Zhang, Houquan Zhou, Zhenghua Li. 2020. Fast and Accurate Neural CRF Constituency Parsing. Proceedings of IJCAI-2020, pp. 4046-4053. Yokohama, Japan, 11-17 Jul. 2020. [https://www.ijcai.org/Proceedings/2020/0560.pdf pdf-official] [http://hlt.suda.edu.cn/LA/papers/0560.pdf pdf] [[http://hlt.suda.edu.cn/LA/videos/V5.mp4 video(5 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V10.mp4 video(10 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V15.mp4 video(15 min version)]]

* Yu Zhang, Zhenghua Li, Min Zhang. 2020. Efficient Second-Order TreeCRF for Neural Dependency Parsing. Proceedings of ACL-2020, pp. 3295-3305. Seattle, America, 5-10 Jul. 2020. [[https://www.aclweb.org/anthology/2020.acl-main.302.pdf pdf-official]] [[http://hlt.suda.edu.cn/LA/papers/2020.acl-main.302.pdf pdf]] [[http://hlt.suda.edu.cn/LA/videos/2020-12-28%2022-21-45.mp4 video]]
** A very good paper: Timothy Dozat, Christopher D. Manning. ICLR-2017. Deep Biaffine Attention for Neural Dependency Parsing. [https://arxiv.org/abs/1611.01734 arxiv]

* Bo Zhang, Yue Zhang, Rui Wang, Zhenghua Li, Min Zhang. Syntax-Aware Opinion Role Labeling with Dependency Graph Convolutional Networks. Proceedings of ACL-2020, pp. 3249-3258. Seattle, America, 5-10 Jul. 2020. [https://www.aclweb.org/anthology/2020.acl-main.297.pdf pdf] [[文件:Zhangbo-acl2020-ppt-5-24.pdf]]

== before 2020 ==
* Meishan Zhang, Zhenghua Li, Guohong Fu and Min Zhang. Syntax-Enhanced Neural Machine Translation with Syntax-Aware Word Representations. In Proceedings of the NAACL-2019. pp. 1151–1161. Seattle, America, 5-10 Jun. 2019. [https://www.aclweb.org/anthology/N19-1118.pdf pdf]
* Bowen Wu, Jiayuan Chao, Baoxun Wang, Zhenghua Li and Min Zhang. Abstractive Summarization via Continuous Copy. EMNLP-2019 Workshop Summarization Submission. Aug 20, 2019. (not accepted)

[http://hlt.suda.edu.cn/~zhli/en.html 更早的论文，请点击此]

== 202? Template ==
=== Talks and Misc. ===
=== Journal/Conference Papers in Chinese ===
=== Journal Papers In English===
=== Conference Papers In English===

LA-paper-report-talk-etc

2026-10-19T08:51:39Z

LA-share：/* Papers in English */

请大家按照规则不断完善此页面。包含pdf ppt codes等。论文按年度，先中文、再英文；先期刊、再会议；先录用时间、后发表（开会）时间。尽量用英文吧。

文献格式和内容与内部wiki保持一致（尽量避免重复劳动）
* pdf ppt等附件都可以放到外网可以访问的地方，放一个地方，避免重复
* 基金号等信息，这个页面上删掉，不要写

== bib and abstract ==

[http://hlt.suda.edu.cn/index.php/LA-paper-report-talk-bib bib]

摘要和基金信息请看内部wiki

== Talks（报告） ==

* '''视频尽可能都放在了哔哩哔哩上了（搜用户名：LAGroup）'''
* 2024年11月24日受南师大李斌老师邀请做报告（大模型时代如何做研究：一些思考）【文本纠错任务上的大模型相关工作，作为例子】
* 2024年2月1日受邀参加2024阿里云高校前沿技术论坛（大模型时代下文本校对研究的尝试和构想）【小而美的研究工作】
* 2023年4月8日受北语杨天麟老师邀请做报告（大模型时代句法语义研究何去何从）
* 2022年11月29日受复旦邱锡鹏老师邀请做报告（基于适配句法知识的文本纠错）
* 2022年11月11日受邀对COLING-2022 Best Paper做英文报告【按邀请顺序：新加坡国立大学、新加坡设计与技术大学、南京大学】
* 2022年8月27日，受邀在江苏省人工智能大会上做报告（汉语文本纠错近年进展：数据集和模型）

* 2021.7.27：《数据标注师资培训》(哈工大大数据集团)
** [http://hlt.suda.edu.cn/LA/videos/2021-07-26-1+X数据标注师资培训.mp4 培训视频] [https://mp.weixin.qq.com/s/T2HS90jrHs-ly8aCbwj-Eg 数据标注师资培训介绍]

* 2021.4.20：《基于树形条件随机场的句法分析》(CCF-NLP走进高校-西湖大学)
** [http://hlt.suda.edu.cn/LA/videos/2021-04-20%2015-28-23.mp4 talk video] [http://hlt.suda.edu.cn/LA/ppt/视频对应-基于treecrf的句法分析-2021-04-20-13-55.pdf ppt(视频对应版)] [http://hlt.suda.edu.cn/LA/ppt/修改错误-基于treecrf的句法分析-2021-04-20-17-45.pdf ppt(修正版)]

* 2021.3：《人工智能与脑机接口》慕课（15章）[https://hikeweb.zhihuishu.com/studyResource/index?courseId=10431947 .]
** [http://hlt.suda.edu.cn/LA/videos/15-1_nlp.mp4 NLP基础介绍]
** [http://hlt.suda.edu.cn/LA/videos/15-2_labelling.mp4 数据标注简介]　　

* 2020.10：《神经网络》慕课 - 面向自然语言处理的神经网络（13章）
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.1.mp4 第1节：从离散特征到连续稠密向量表示]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.2.mp4 第2节：表示学习]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.3.mp4 第3节：序列标注问题]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.4.mp4 第4节：句法树解析问题]

* 2020.8.15: I have given a talk on data annotation at AI+EDUCATION SUB-FORUM at AI-EXPO (2020 GLOBAL AI PRODUCT AND APPLICATION EXPO)
** [http://hlt.suda.edu.cn/~zhli/20200816_AI_data_annotating.mp4 talk video]
** [https://www.ai-expo.org.cn/?content/416= AI+教育发展分论坛-全球人工智能产品应用博览会]

* 2019年9月28日句法标注培训（LA组介绍）：
** [http://hlt.suda.edu.cn/~zhli/2019-9-train/LAGroup.mp4 mp4视频] [http://hlt.suda.edu.cn/~zhli/2019-9-train/zhenghua-2019-9-28-LAGroup.pdf pdf]

== Competition or Shared Tasks ==

* 刘亚慧、乔子恒、李正华、龚晨、张民. 2025.8. CCL-2025 第三届汉语框架语义解析评测, 二等奖 [https://tianchi.aliyun.com/competition/entrance/532338/rankingList 比赛榜单]，[http://cips-cl.org/static/CCL2025/cclEval/taskResults/index.html 评测结果]

* 周厚全，乔子恒，蒋浩辰，刘雨萌. 金山办公2024算法挑战赛-中文文本智能校对大赛，第一名，一等奖

* 刘亚慧、龚晨、张民. 2024.8. CCL-2024 第二届汉语框架语义解析（开放赛道）, 一等奖 [https://aclanthology.org/2024.ccl-3.3.pdf 官方评测报告.pdf] ， [https://tianchi.aliyun.com/competition/entrance/532179/rankingList 比赛榜单]

* 王学彬, 李正华. 2024.5. 第一届古汉语断句标点评测（EvaHan2024）评测，二等奖*（COLING-2024 workshop）

* 辜仰淦，周仕林，李正华. 2023年8月. CCL中文抽象语义表示解析评测（一等奖）[https://aclanthology.org/2023.ccl-3.5 官网评测报告]

* 蒋浩辰，刘雨萌，周厚全，乔子恒，章波，李辰，李正华，张民. CCL汉语学习者文本纠错评测（封闭、开放双赛道第一）. 2023年8月. [https://aclanthology.org/2023.ccl-3.25.pdf S&A-CCL2023评测报告.pdf]
** [http://cuge.baai.ac.cn/#/ccl/2023/cltc 比赛榜单]

* 刘亚慧，李正华，张民. CCL汉语框架语义解析评测(三等奖). 2023年8月. [https://aclanthology.org/2023.ccl-3.9.pdf 官网评测报告.pdf]， [https://tianchi.aliyun.com/competition/entrance/532083/rankingList 比赛榜单]

* 2022.12法研杯第一名 CAIL-2022 法律文本纠错

* 我们组织了两届跨领域句法分析评测：CCL-2021和NLPCC-2019

* 李嘉诚，沈嘉钰，包祖贻，章波，章岳，李辰，李正华. S&A团队CGED-7评测报告（识别，定位，纠正层第一）. 2021年12月. [[文件:S&A团队CGED-7评测报告.pdf]]
** [http://nlg.cipsc.org.cn/evaluation.html 比赛主页] [https://zhuanlan.zhihu.com/p/444117518 知乎总结]

* 章岳，包祖贻，章波，李辰，李嘉诚，李正华. S&A队CTC2021评测报告（检错、纠错、总分三赛道第一）. 2021年9月.[[文件:S&A-CTC2021评测报告.pdf]]
** [https://2021aichina.caai.cn/track?id=5 比赛主页] [https://github.com/destwang/CTC2021 github榜单]

== Awards ==
* 2024. 第三届全国大模型智能生成大会（CIPS-LMG 2024）优秀海报奖（EMNLP-2024论文）
* 2023. CCF-NLPCC“青年新锐学者” （Young Outstanding Scientist Award）
* 2022. SudaNLP团队张宇同学的硕士论文《基于树形条件随机场的高阶句法分析》被评选为2022年度江苏省优秀学术型硕士学位论文 [http://hlt.suda.edu.cn/index.php/Zhangyu-jiangsu-outstanding-paper wechat-sudanlp-news]
* 2022. Coling '''best paper'''
* 2021. 章波，江苏省优秀学术型硕士论文；同时获江苏省计算机学会优秀硕士论文《面向依存句法的树库转化与应用研究》
* 2020. NLPCC best paper

== 同学必须深入学习的东西 ==

[http://hlt.suda.edu.cn/index.php/LA-to-sudy-list LAGroup 同学必须深入学习的东西] 慢慢完善

== 2026 ==

=== Papers in English ===

* Lijie Wang, Yahui Liu, Yue Zhang, Zhenghua Li*. LLM-assisted Data Quality Improvement: SRL as a Case Study. EMNLP findings 2026,[[文件:Emnlp-2026-lyh.pdf|pdf]]【待补充offical官网】.

== 2025 ==

=== Journal/Conference Papers in Chinese ===

* [期刊发表后更新下] 严福康, 章岳, 李正华*. 2023. 基于网络词典的现代汉语词义消歧数据集构建. 第二十二届中国计算语言学大会.[[文件:基于网络词典的现代汉语词义消歧数据集构建_CCL_严福康.pdf]]

* [期刊发表后更新下] 杨浩苹, 夏庆荣, 李正华*, 王睿. 基于GCN的异构句法驱动汉语语义角色标注. 计算机应用与软件. [2022年录用] [还未正式发表知网上找不到，期号卷号未知.] '''以后不投这个期刊了'''. [[文件:基于GCN的异构句法驱动汉语语义角色标注.pdf]]

=== Papers in English ===

* Yahui Liu, Zhenghua Li, Chen Gong*, Shilin Zhou，Min Zhang. Annotation error detection in painstakingly annotated data: Part-of-speech tagging as a case study. Expert Systems With Applications (ESWA), 2025,290:128374. [https://www.sciencedirect.com/science/article/pii/S0957417425019931 official] [Journal]

* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Self-Correction Makes LLMs Better Parsers. In Findings of EMNLP 2025, Suzhou, China. [https://arxiv.org/abs/2504.14165 Arxiv].

* Houquan Zhou, Bo Zhang, Zhenghua Li*, Ming Yan, and Min Zhang. 2025. A Training-free LLM-based Approach to General Chinese Character Error Correction. In Proceedings of ACL, pages 13827–13852, Vienna, Austria. Association for Computational Linguistics. [https://aclanthology.org/2025.acl-long.678.pdf official] July 27 - August 1
* Ziheng Qiao, Houquan Zhou, Zhenghua Li*. Mixture of Small and Large Models for Chinese Spelling Check. ACL, pages 28298–28311, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1372.pdf acl-anthology]
* Ziheng Qiao, Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. DISC: Plug-and-Play Decoding Intervention with Similarity of Characters for Chinese Spelling Check. ACL, pages 28312–28324, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1373.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Dynamic Head Selection for Neural Lexicalized Constituency Parsing. In Proceedings of ACL 2025, pages 16141–16155, Vienna, Austria. [https://aclanthology.org/2025.acl-long.786.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Span-based Semantic Role Labeling as Lexicalized Constituency Tree Parsing. In Findings of ACL 2025, pages 10701–10713, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.557.pdf acl-anthology]
* Yanggan Gu, Junzhuo Li, Sirui Huang, Xin Zou, Zhenghua Li*, Xuming Hu*. Capturing Nuanced Preferences: Preference-Aligned Distillation for Small Language Models. In Findings of ACL 2025, pages 15959–15973, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.822.pdf acl-anthology]

* Xuebin Wang, Lei Zhang, Zhenghua Li*, Shilin Zhou, Chen Gong, Yang Hou. Mining Word Boundaries from Speech-Text Parallel Data for Cross-domain Chinese Word Segmentation. [https://arxiv.org/abs/2412.09045 Arxiv]. COLING. January 19–24, 2025. Abu Dhabi, UAE. pages 1247–1257
* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Data Augmentation for Cross-domain Parsing via Lightweight LLM Generation and Tree Hybridization. [[文件:Data_Augmentation_for_Cross-domain_Parsing_via_Lightweight_LLM_Generation_and_Tree_Hybridization.pdf]]. COLING. 19 January, 2025. Abu Dhabi, UAE.
* Xi Ma, Yang Hou, Xuebin Wang, Zhenghua Li. A Probabilistic Toolkit for Multi-grained Word Segmentation in Chinese. [[文件:A_Probabilistic_Toolkit_for_Multi-grained_Word_Segmentation_in_Chinese.pdf]]. COLING Demonstration (demo paper). 19 January, 2025. Abu Dhabi, UAE.

== 2024 ==

=== Journal/Conference Papers in Chinese ===

* 崔秀莲, 严福康, 李正华*. CCKS-2023. 基于实例的词性标注数据错误检测. 2023全国知识图谱与语义计算大会CCKS
** 转发：山西大学学报 2024年4月 47卷2期 47(2)，pp251−259. [[文件:Cxl-山西大学学报-基于实例的词性标注数据错误检测.pdf]]

=== Conference Papers in English ===

* Houquan Zhou, Zhenghua Li*, Bo Zhang, Chen Li, Shaopeng Lai, Ji Zhang, Fei Huang, Min Zhang. 2024. A Simple yet Effective Training-free Prompt-free Approach to Chinese Spelling Correction Based on Large Language Models. EMNLP. pp 17446–17467. [https://arxiv.org/abs/2410.04027 arxiv] [https://aclanthology.org/2024.emnlp-main.966.pdf acl-anthology] November 12-16 Miami, Florida (USA)

* Xuebin Wang, Zhenghua Li*. 2024. Two Sequence Labeling Approaches to Sentence Segmentation and Punctuation Prediction for Classic Chinese Texts. [https://aclanthology.org/2024.lt4hala-1.28/ Acl-anthology] the Third Workshop on Language Technologies for Historical and Ancient Languages (LT4HALA) @ LREC-COLING-2024. pages 237–241 25 May, 2024 Torino (Italia) Turin (Italy)

* Yumeng Liu, Zhenghua Li*, Haochen Jiang, Bo Zhang, Chen Li, Ji Zhang. 2024. Towards Better Utilization of Multi-Reference Training Data for Chinese Grammatical Error Correction. Findings of ACL. [https://github.com/ymliucs/MrGEC code][https://aclanthology.org/2024.findings-acl.180 paper]
* Yang Hou and Zhenghua Li*. 2024. Character-Level Chinese Dependency Parsing via Modeling Latent Intra-Word Structure. ACL-findings. [[文件:2024.findings-acl.173.pdf]], [[文件:2024.findings-acl.173.slide.pdf]], [[文件:2024.findings-acl.173.poster.pdf]]
* Shilin Zhou, Zhenghua Li, Chen Gong*, Lei Zhang, Yu Hong, Min Zhang. 2024. Chinese Spoken Named Entity Recognition in Real-world Scenarios: Dataset and Approaches. Findings of ACL. [[文件:ACL2024_rwcsner.pdf]]，[[文件:Rwcs_poster.pdf]]
* Shilin Zhou, Zhenghua Li*, Yu Hong, Min Zhang, Zhefeng Wang, Baoxing Huai. 2024. CopyNE: Better Contextual ASR by Copying Named Entities. ACL. [[文件:ACL2024_copyne.pdf]]，[[文件:copyne_poster.pdf]] [https://aclanthology.org/2024.acl-long.147.pdf acl-anthology] Bangkok, Thailand 2024.8.11-16 pp. 2675–2686

* Yanggan Gu, Yang Hou, Zhefeng Wang, Xinyu Duan and Zhenghua Li*. 2024. High-order Joint Constituency and Dependency Parsing. COLING. [[文件:2024.lrec-main.713.pdf]]，[[文件:2024.lrec-main.713.poster.pdf]] pages 8144–8154 20-25 May, 2024. Torino (Italia)
* Chenhui Dou, Chen Gong*, Zhenghua Li, Zhefeng Wang, baoxing Huai and Min Zhang. 2024. Improving Chinese Named Entity Recognition with Multi-grained Words and Part-of-Speech Tags via Joint Modeling. COLING.[[文件:2024.lrec-main.765.pdf]]，[[文件:2024.lrec-main.765.poster.pdf]] pages 8732–8742
20-25 May, 2024. Torino (Italia) Turin (Italy)

== 2023 ==

=== Conference Papers in English ===

* Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. 2023. Improving Seq2Seq Grammatical Error Correction via Decoding Interventions. Findings of '''EMNLP''', pages 7393–7405. [https://arxiv.org/abs/2310.14534 arxiv][https://github.com/Jacob-Zhou/gecdi code][https://www.semanticscholar.org/paper/Improving-Seq2Seq-Grammatical-Error-Correction-via-Zhou-Liu/4711f26c0295fed15161b6145800b3df1ab9c0f6 citation]

* Yue Zhang, Leyang Cui, Enbo Zhao, Wei Bi, Shuming Shi. 2023. RobustGEC: Robust Grammatical Error Correction Against Subtle Context Perturbation. EMNLP 2023.[https://arxiv.org/pdf/2310.07299.pdf arxiv] [https://github.com/hillzhang1999/RobustGEC code] pages 16780–16793; December 6-10, 2023

* Saihao Huang, Lijie Wang, Zhenghua Li*, Zeyang Liu, Chenhui Dou, Fukang Yan, Xinyan Xiao, Hua Wu, and Min Zhang. 2023. SeSQL: A High-Quality Large-Scale Session-Level Chinese Text-to-SQL Dataset. NLPCC 2023, pages 537-550.[[文件:SeSQL_A_High-Quality_Large-Scale_Session-Level_Chinese_Text-to-SQL_Dataset.pdf]] [https://arxiv.org/abs/2208.12711 arxiv]

* Yue Zhang, Bo Zhang, Haochen Jiang, Zhenghua Li*, Chen Li, Fei Huang, Min Zhang. 2023. NaSGEC: Multi-Domain Chinese Grammatical Error Correction for Native Speaker Texts. Findings of ACL 2023. pp 9935-9951. [https://aclanthology.org/2023.findings-acl.630.pdf official] [https://arxiv.org/pdf/2305.16023.pdf arxiv] [https://github.com/HillZhang1999/NaSGEC code]

== 2022 ==

=== Journal/Conference Papers in Chinese ===

* 章岳, 黄赛豪, 陆凯华, 李正华*. 2022年1月. 基于模板的中文上下位关系抽取方法. 计算机应用与软件: 39卷1期 pp126-134. [[文件:Hypernym-zhangyue-2022.pdf]]
* 周仕林, 龚晨*, 李正华, 张民. 基于转移的快速精准的语义依存图分析. 山西大学学报(自然科学版): 45卷4期 pp1-13. [[文件:slzhou_transition_based_sdp.pdf]]
* 李帅克，李英，李正华*，张民. 基于tri-training的跨领域依存句法分析. 厦门大学学报（自然科学版）：61卷4期 pp638-645. [[https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XDZK20220509009&uniplatform=NZKPT&v=flne8EoBUv7LYNkuiwSttcXiOfGBPAB_0VtzLHktpwsjrP5-NEfM9rivUOARi0ae 知网抢先版链接]][[文件:基于tri-training的跨领域依存句法分析李帅克.pdf]]
* 周明月，龚晨，李正华*，张民. 2022.数据标注方法比较研究：以依存句法树标注为例. 清华大学学报（自然科学版）：62卷5期 pp908-916. [[http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2022.22.010 电子版]] [[文件:数据标注方法比较研究.pdf | pdf]]
* 彭雪, 李正华*, 张民. 2022. 基于语言模型微调的跨领域依存句法分析. 计算机应用与软件:39卷07期, pp141-146. [[文件:彭雪-基于语言模型微调的跨领域依存句法分析.pdf]]
* 李嘉诚, 沈嘉钰, 龚晨, 李正华*, 张民. 2022. 基于指针网络融入混淆集知识的中文语法纠错中文信息学报:36卷04期,pp29-38. [[文件:基于指针网络融入混淆集知识的中文语法纠错.pdf]]

=== Journal Papers in English ===

* Chen Gong, Zhenghua Li* and Min Zhang. Neural Coupled Sequence Labeling for Heterogeneous Annotation Conversion. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2022, 30:1624-1636.[https://ieeexplore.ieee.org/document/9750873?source=authoralert official]

=== Conference Papers In English ===

* Yue Zhang, Bo Zhang, Zhenghua Li*, Zuyi Bao, Chen Li, and Min Zhang. 2022. SynGEC: Syntax-Enhanced Grammatical Error Correction with a Tailored GEC-Oriented Parser. In '''EMNLP''', pages 2518–2531. [https://arxiv.org/pdf/2210.12484 arxiv][https://aclanthology.org/2022.emnlp-main.162.pdf official pdf][https://underline.io/events/342/sessions/13833/lecture/66146-syngec-syntax-enhanced-grammatical-error-correction-with-a-tailored-gec-oriented-parser video]
* Yu Zhang, Qingrong Xia, Shilin Zhou, Yong Jiang, Guohong Fu*, Min Zhang. 2022. Semantic Role Labeling as Dependency Parsing: Exploring Latent Tree Structures inside Arguments. In '''COLING''', pages 4212–4227. [https://arxiv.org/abs/2110.06865 arxiv] [https://aclanthology.org/2022.coling-1.370/ official pdf] [https://underline.io/events/360/posters/13239/poster/60359-semantic-role-labeling-as-dependency-parsing-exploring-latent-tree-structures-inside-arguments video]
* Shilin Zhou, Qingrong Xia, Zhenghua Li*, Yu Zhang, Yu Hong, and Min Zhang. 2022. Fast and Accurate End-to-End Span-based Semantic Role Labeling as Word-based Graph Parsing. In '''COLING''', pages 4160–4171. [https://arxiv.org/pdf/2112.02970.pdf arxiv] [https://aclanthology.org/2022.coling-1.365/ official pdf] [https://underline.io/events/360/sessions/13099/lecture/60364-fast-and-accurate-end-to-end-span-based-semantic-role-labeling-as-word-based-graph-parsing video] (best paper!)
* Yahui Liu, Haoping Yang, Chen Gong*, Qingrong Xia, Zhenghua Li, Min Zhang. 2022. MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset. In '''NAACL''', pages 1707-1717. [http://arxiv.org/abs/2205.06703 arxiv][https://aclanthology.org/2022.naacl-main.123.pdf official pdf][https://underline.io/events/325/posters/11804/poster/54059-mucpad-a-multi-domain-chinese-predicate-argument-dataset video]
* Yue Zhang, Zhenghua Li*, Zuyi Bao, Jiacheng Li, Bo Zhang, Chen Li, Fei Huang, Min Zhang. 2022. MuCGEC: a Multi-Reference Multi-Source Evaluation Dataset for Chinese Grammatical Error Correction. In '''NAACL''', pages 3118–3130. [https://arxiv.org/abs/2204.10994 arxiv][https://aclanthology.org/2022.naacl-main.227.pdf official pdf][https://underline.io/events/325/sessions/11391/lecture/53888-mucgec-a-multi-reference-multi-source-evaluation-dataset-for-chinese-grammatical-error-correction video]
* Ying Li, Shuaike Li, Min Zhang. 2022. Semi-supervised Domain Adaptation for Dependency Parsing with Dynamic Matching Network. In '''ACL 2022'', pages 1035--1045. [https://aclanthology.org/2022.acl-long.74.pdf official-pdf] [http://hlt.suda.edu.cn/index.php/%E6%96%87%E4%BB%B6:Liying_ACL2022_camera_ready.pdf camera ready pdf] [https://underline.io/lecture/52551-long-semi-supervised-domain-adaptation-for-dependency-parsing-with-dynamic-matching-network video].
* Houquan Zhou, Yang Li, Zhenghua Li, and Min Zhang. 2022. Bridging Pre-trained Language Models and Hand-crafted Features for Unsupervised POS Tagging. In Findings of the Association for Computational Linguistics: ACL 2022, pages 3276–3290, Dublin, Ireland. Association for Computational Linguistics. [http://hlt.suda.edu.cn/LA/papers/acl-findings-hqzhou-bridging.pdf pdf] [https://arxiv.org/pdf/2203.10315 camera ready pdf] [https://aclanthology.org/2022.findings-acl.259.pdf official pdf] [https://underline.io/lecture/49965-findings-bridging-pre-trained-language-models-and-hand-crafted-features-for-unsupervised-pos-tagging video]

== 2021 ==

=== Journal/Conference Papers in Chinese ===

* 吴锟，周夏冰，李正华，梁兴伟，陈文亮. 中文知识库问答中的路径选择. 中文信息学报（CCKS会议推荐）. 2021, 35(9):113-122.[[文件:中文知识库问答中的路径选择吴锟.pdf]]

=== Conference Papers In English ===
* Yang Hou, Houquan Zhou, Zhenghua Li*, Yu Zhang, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. A Coarse-to-Fine Labeling Framework for Joint Word Segmentation, POS Tagging, and Constituent Parsing. Proceedings of CoNLL-2021, pp. 290–299. Punta Cana, Dominican Republic (Online), 10-11 Nov. 2021. [[文件:CoNLL_2021_yhou_official_version.pdf]]

* Kun Wu, Lijie Wang, Zhenghua Li, Ao Zhang, Xinyan Xiao, Hua Wu, Min Zhang, Haifeng Wang. Data Augmentation with Hierarchical SQL-to-Question Generation for Cross-Domain Text-to-SQL Parsing. Proceedings of EMNLP-2021, pp. 8974--8983. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP2021_camera_ready_Data_Augmentation_with_Hierarchical_SQL_to_Question_Generation_forCross_domain_Text_to_SQL_Parsing-09101500.pdf ‎]]

* Qingrong Xia, Zhenghua Li*, Rui Wang, Min Zhang. Stacked AMR Parsing with Silver Data. Proceedings of EMNLP-2021 Findings, pp. 4729--4738. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_Stacked_AMR_Parsing_with_Silver_Data.pdf]]

* Ying Li, Meishan Zhang, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. APGN: Adversarial and Parameter Generation Networks for Multi-Source Cross-Domain Dependency Parsing. Proceedings of EMNLP-2021 Findings, pp. 1727–1733. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_yli_camera_ready.pdf]]

* Chen Gong, Saihao Huang, Houquan Zhou, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. An In-depth Study on Internal Structure of Chinese Words. Proceedings of ACL-2021, pp. 5823–5833. Online, Virtual Event, 1-6 Aug. 2021. [[文件:2021.acl-long.452.pdf]]

* Qingrong Xia, Bo Zhang, Rui Wang, Zhenghua Li*, Yue Zhang, Fei Huang, Luo Si, Min Zhang. 2021. A Unified Span-Based Approach for Opinion Mining with Syntactic Constituents. Proceedings of NAACL-2021, pp. 1795-1804. Mexico City, Mexico (Online), 6-11 June. 2021. [[文件:2021.naacl-main.144.pdf]]

== 2020 ==

=== Journal Papers in Chinese ===

* 陆凯华, 李正华, 张民. 2020. 汉语上下位关系分类数据集构建和基准方法比较. 厦门大学学报(自然科学版). 2020, 59 (06): 1004-1010 [[文件:汉语上下位关系分类数据集构建和基准方法比较_陆凯华.pdf]]
* 刘亚慧, 杨浩苹, 李正华, 张民. 2020. 一种轻量级的语义角色标注规范. 中文信息学报. 2020, 34(4):10-20 [http://jcip.cipsc.org.cn/CN/Y2020/V34/I4/10 offical.pdf]

=== Journal Papers In English===
* Chen Gong, Zhenghua Li, Qingrong Xia, Wenliang Chen and Min Zhang. Hierarchical LSTM with char-subword-word tree-structure representation for Chinese named entity recognition. Science China Information Science, 2020, 63(10):1-15. [[文件:Hierarchical_LSTM_with_char-subword-word_tree-structure_representation_for_Chinese_named_entity_recognition.pdf]]

=== Conference Papers In English ===

* Ying Li, Zhenghua Li* and Min Zhang. Semi-supervised Domain Adaptation for Dependency Parsing via Improved Contextualized Word Representations. Proceedings of COLING-2020. pp. 3806–3817. Barcelona, Spain (Online), 8-13 Dec. 2020.[https://www.aclweb.org/anthology/2020.coling-main.338.pdf pdf] [[文件:Liying-2020.coling-main.338.pdf]]

* Qingrong Xia, Rui Wang, Zhenghua Li, Yue Zhang and Min Zhang*. Semantic Role Labeling with Heterogeneous Syntactic Knowledge. Proceedings of COLING-2020. pp. 2979-2990. Barcelona, Spain (Online), 8-13 Dec. 2020. ([https://www.aclweb.org/anthology/2020.coling-main.266.pdf pdf])([[文件:Xiaqingrong-2020.coling-main.266.pdf]])([[文件:Poster-SRL-HDP.pdf]])([[文件:SRL-HDP.pptx]])

* Chen Gong, Zhenghua Li*, Bowei Zou and Min Zhang. Multi-grained Chinese Word Segmentation with Weakly Labeled Data. Proceedings of COLING-2020. pp. 2026–2036. Barcelona, Spain (Online), 8-13 Dec. 2020. [https://www.aclweb.org/anthology/D17-1072.pdf pdf][[文件:Gongchen-2020.coling-main.183.pdf]]

* Lijie Wang, Ao Zhang, Kun Wu, Ke Sun, Zhenghua Li, Hua Wu, Min Zhang and Haifeng Wang. DuSQL: A Large-Scale and Pragmatic Chinese Text-to-SQL Dataset. Proceedings of EMNLP-2020. pp. 6923-6935. Online, 16-20 Nov. 2020. [https://www.aclweb.org/anthology/2020.emnlp-main.562.pdf pdf][[文件:2020.emnlp-main.562.pdf]]

* Houquan Zhou, Yu Zhang, Zhenghua Li, and Min Zhang. Is POS Tagging Necessary or Even Helpful for Neural Dependency Parsing? Proceedings of NLPCC-2020, pp. 179--191. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo.pdf pdf]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official-w-content.pdf pdf-official-w-content]) (best paper!)

* Yu Zhao, Mingyue Zhou, Zhenghua Li, and Min Zhang. Dependency Parsing with Noisy Multi-Annotation Data. Proceedings of NLPCC-2020, pp. 120-131. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/images/e/e5/212_Final_Manuscript_%281%29.pdf pdf]）([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official-w-content.pdf pdf-official-w-content])

* Yu Zhang, Houquan Zhou, Zhenghua Li. 2020. Fast and Accurate Neural CRF Constituency Parsing. Proceedings of IJCAI-2020, pp. 4046-4053. Yokohama, Japan, 11-17 Jul. 2020. [https://www.ijcai.org/Proceedings/2020/0560.pdf pdf-official] [http://hlt.suda.edu.cn/LA/papers/0560.pdf pdf] [[http://hlt.suda.edu.cn/LA/videos/V5.mp4 video(5 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V10.mp4 video(10 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V15.mp4 video(15 min version)]]

* Yu Zhang, Zhenghua Li, Min Zhang. 2020. Efficient Second-Order TreeCRF for Neural Dependency Parsing. Proceedings of ACL-2020, pp. 3295-3305. Seattle, America, 5-10 Jul. 2020. [[https://www.aclweb.org/anthology/2020.acl-main.302.pdf pdf-official]] [[http://hlt.suda.edu.cn/LA/papers/2020.acl-main.302.pdf pdf]] [[http://hlt.suda.edu.cn/LA/videos/2020-12-28%2022-21-45.mp4 video]]
** A very good paper: Timothy Dozat, Christopher D. Manning. ICLR-2017. Deep Biaffine Attention for Neural Dependency Parsing. [https://arxiv.org/abs/1611.01734 arxiv]

* Bo Zhang, Yue Zhang, Rui Wang, Zhenghua Li, Min Zhang. Syntax-Aware Opinion Role Labeling with Dependency Graph Convolutional Networks. Proceedings of ACL-2020, pp. 3249-3258. Seattle, America, 5-10 Jul. 2020. [https://www.aclweb.org/anthology/2020.acl-main.297.pdf pdf] [[文件:Zhangbo-acl2020-ppt-5-24.pdf]]

== before 2020 ==
* Meishan Zhang, Zhenghua Li, Guohong Fu and Min Zhang. Syntax-Enhanced Neural Machine Translation with Syntax-Aware Word Representations. In Proceedings of the NAACL-2019. pp. 1151–1161. Seattle, America, 5-10 Jun. 2019. [https://www.aclweb.org/anthology/N19-1118.pdf pdf]
* Bowen Wu, Jiayuan Chao, Baoxun Wang, Zhenghua Li and Min Zhang. Abstractive Summarization via Continuous Copy. EMNLP-2019 Workshop Summarization Submission. Aug 20, 2019. (not accepted)

[http://hlt.suda.edu.cn/~zhli/en.html 更早的论文，请点击此]

== 202? Template ==
=== Talks and Misc. ===
=== Journal/Conference Papers in Chinese ===
=== Journal Papers In English===
=== Conference Papers In English===

LA-paper-report-talk-etc

2026-10-19T08:48:18Z

LA-share：/* Papers in English */

请大家按照规则不断完善此页面。包含pdf ppt codes等。论文按年度，先中文、再英文；先期刊、再会议；先录用时间、后发表（开会）时间。尽量用英文吧。

文献格式和内容与内部wiki保持一致（尽量避免重复劳动）
* pdf ppt等附件都可以放到外网可以访问的地方，放一个地方，避免重复
* 基金号等信息，这个页面上删掉，不要写

== bib and abstract ==

[http://hlt.suda.edu.cn/index.php/LA-paper-report-talk-bib bib]

摘要和基金信息请看内部wiki

== Talks（报告） ==

* '''视频尽可能都放在了哔哩哔哩上了（搜用户名：LAGroup）'''
* 2024年11月24日受南师大李斌老师邀请做报告（大模型时代如何做研究：一些思考）【文本纠错任务上的大模型相关工作，作为例子】
* 2024年2月1日受邀参加2024阿里云高校前沿技术论坛（大模型时代下文本校对研究的尝试和构想）【小而美的研究工作】
* 2023年4月8日受北语杨天麟老师邀请做报告（大模型时代句法语义研究何去何从）
* 2022年11月29日受复旦邱锡鹏老师邀请做报告（基于适配句法知识的文本纠错）
* 2022年11月11日受邀对COLING-2022 Best Paper做英文报告【按邀请顺序：新加坡国立大学、新加坡设计与技术大学、南京大学】
* 2022年8月27日，受邀在江苏省人工智能大会上做报告（汉语文本纠错近年进展：数据集和模型）

* 2021.7.27：《数据标注师资培训》(哈工大大数据集团)
** [http://hlt.suda.edu.cn/LA/videos/2021-07-26-1+X数据标注师资培训.mp4 培训视频] [https://mp.weixin.qq.com/s/T2HS90jrHs-ly8aCbwj-Eg 数据标注师资培训介绍]

* 2021.4.20：《基于树形条件随机场的句法分析》(CCF-NLP走进高校-西湖大学)
** [http://hlt.suda.edu.cn/LA/videos/2021-04-20%2015-28-23.mp4 talk video] [http://hlt.suda.edu.cn/LA/ppt/视频对应-基于treecrf的句法分析-2021-04-20-13-55.pdf ppt(视频对应版)] [http://hlt.suda.edu.cn/LA/ppt/修改错误-基于treecrf的句法分析-2021-04-20-17-45.pdf ppt(修正版)]

* 2021.3：《人工智能与脑机接口》慕课（15章）[https://hikeweb.zhihuishu.com/studyResource/index?courseId=10431947 .]
** [http://hlt.suda.edu.cn/LA/videos/15-1_nlp.mp4 NLP基础介绍]
** [http://hlt.suda.edu.cn/LA/videos/15-2_labelling.mp4 数据标注简介]　　

* 2020.10：《神经网络》慕课 - 面向自然语言处理的神经网络（13章）
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.1.mp4 第1节：从离散特征到连续稠密向量表示]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.2.mp4 第2节：表示学习]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.3.mp4 第3节：序列标注问题]
** [http://hlt.suda.edu.cn/~zhli/NLP-DL/13.4.mp4 第4节：句法树解析问题]

* 2020.8.15: I have given a talk on data annotation at AI+EDUCATION SUB-FORUM at AI-EXPO (2020 GLOBAL AI PRODUCT AND APPLICATION EXPO)
** [http://hlt.suda.edu.cn/~zhli/20200816_AI_data_annotating.mp4 talk video]
** [https://www.ai-expo.org.cn/?content/416= AI+教育发展分论坛-全球人工智能产品应用博览会]

* 2019年9月28日句法标注培训（LA组介绍）：
** [http://hlt.suda.edu.cn/~zhli/2019-9-train/LAGroup.mp4 mp4视频] [http://hlt.suda.edu.cn/~zhli/2019-9-train/zhenghua-2019-9-28-LAGroup.pdf pdf]

== Competition or Shared Tasks ==

* 刘亚慧、乔子恒、李正华、龚晨、张民. 2025.8. CCL-2025 第三届汉语框架语义解析评测, 二等奖 [https://tianchi.aliyun.com/competition/entrance/532338/rankingList 比赛榜单]，[http://cips-cl.org/static/CCL2025/cclEval/taskResults/index.html 评测结果]

* 周厚全，乔子恒，蒋浩辰，刘雨萌. 金山办公2024算法挑战赛-中文文本智能校对大赛，第一名，一等奖

* 刘亚慧、龚晨、张民. 2024.8. CCL-2024 第二届汉语框架语义解析（开放赛道）, 一等奖 [https://aclanthology.org/2024.ccl-3.3.pdf 官方评测报告.pdf] ， [https://tianchi.aliyun.com/competition/entrance/532179/rankingList 比赛榜单]

* 王学彬, 李正华. 2024.5. 第一届古汉语断句标点评测（EvaHan2024）评测，二等奖*（COLING-2024 workshop）

* 辜仰淦，周仕林，李正华. 2023年8月. CCL中文抽象语义表示解析评测（一等奖）[https://aclanthology.org/2023.ccl-3.5 官网评测报告]

* 蒋浩辰，刘雨萌，周厚全，乔子恒，章波，李辰，李正华，张民. CCL汉语学习者文本纠错评测（封闭、开放双赛道第一）. 2023年8月. [https://aclanthology.org/2023.ccl-3.25.pdf S&A-CCL2023评测报告.pdf]
** [http://cuge.baai.ac.cn/#/ccl/2023/cltc 比赛榜单]

* 刘亚慧，李正华，张民. CCL汉语框架语义解析评测(三等奖). 2023年8月. [https://aclanthology.org/2023.ccl-3.9.pdf 官网评测报告.pdf]， [https://tianchi.aliyun.com/competition/entrance/532083/rankingList 比赛榜单]

* 2022.12法研杯第一名 CAIL-2022 法律文本纠错

* 我们组织了两届跨领域句法分析评测：CCL-2021和NLPCC-2019

* 李嘉诚，沈嘉钰，包祖贻，章波，章岳，李辰，李正华. S&A团队CGED-7评测报告（识别，定位，纠正层第一）. 2021年12月. [[文件:S&A团队CGED-7评测报告.pdf]]
** [http://nlg.cipsc.org.cn/evaluation.html 比赛主页] [https://zhuanlan.zhihu.com/p/444117518 知乎总结]

* 章岳，包祖贻，章波，李辰，李嘉诚，李正华. S&A队CTC2021评测报告（检错、纠错、总分三赛道第一）. 2021年9月.[[文件:S&A-CTC2021评测报告.pdf]]
** [https://2021aichina.caai.cn/track?id=5 比赛主页] [https://github.com/destwang/CTC2021 github榜单]

== Awards ==
* 2024. 第三届全国大模型智能生成大会（CIPS-LMG 2024）优秀海报奖（EMNLP-2024论文）
* 2023. CCF-NLPCC“青年新锐学者” （Young Outstanding Scientist Award）
* 2022. SudaNLP团队张宇同学的硕士论文《基于树形条件随机场的高阶句法分析》被评选为2022年度江苏省优秀学术型硕士学位论文 [http://hlt.suda.edu.cn/index.php/Zhangyu-jiangsu-outstanding-paper wechat-sudanlp-news]
* 2022. Coling '''best paper'''
* 2021. 章波，江苏省优秀学术型硕士论文；同时获江苏省计算机学会优秀硕士论文《面向依存句法的树库转化与应用研究》
* 2020. NLPCC best paper

== 同学必须深入学习的东西 ==

[http://hlt.suda.edu.cn/index.php/LA-to-sudy-list LAGroup 同学必须深入学习的东西] 慢慢完善

== 2026 ==

=== Papers in English ===

* Lijie Wang, Yahui Liu, Yue Zhang, Zhenghua Li*. LLM-assisted Data Quality Improvement: SRL as a Case Study. EMNLP findings 2026,[[文件:Emnlp-2026-lyh.pdf]]【待补充offical官网】.

== 2025 ==

=== Journal/Conference Papers in Chinese ===

* [期刊发表后更新下] 严福康, 章岳, 李正华*. 2023. 基于网络词典的现代汉语词义消歧数据集构建. 第二十二届中国计算语言学大会.[[文件:基于网络词典的现代汉语词义消歧数据集构建_CCL_严福康.pdf]]

* [期刊发表后更新下] 杨浩苹, 夏庆荣, 李正华*, 王睿. 基于GCN的异构句法驱动汉语语义角色标注. 计算机应用与软件. [2022年录用] [还未正式发表知网上找不到，期号卷号未知.] '''以后不投这个期刊了'''. [[文件:基于GCN的异构句法驱动汉语语义角色标注.pdf]]

=== Papers in English ===

* Yahui Liu, Zhenghua Li, Chen Gong*, Shilin Zhou，Min Zhang. Annotation error detection in painstakingly annotated data: Part-of-speech tagging as a case study. Expert Systems With Applications (ESWA), 2025,290:128374. [https://www.sciencedirect.com/science/article/pii/S0957417425019931 official] [Journal]

* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Self-Correction Makes LLMs Better Parsers. In Findings of EMNLP 2025, Suzhou, China. [https://arxiv.org/abs/2504.14165 Arxiv].

* Houquan Zhou, Bo Zhang, Zhenghua Li*, Ming Yan, and Min Zhang. 2025. A Training-free LLM-based Approach to General Chinese Character Error Correction. In Proceedings of ACL, pages 13827–13852, Vienna, Austria. Association for Computational Linguistics. [https://aclanthology.org/2025.acl-long.678.pdf official] July 27 - August 1
* Ziheng Qiao, Houquan Zhou, Zhenghua Li*. Mixture of Small and Large Models for Chinese Spelling Check. ACL, pages 28298–28311, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1372.pdf acl-anthology]
* Ziheng Qiao, Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. DISC: Plug-and-Play Decoding Intervention with Similarity of Characters for Chinese Spelling Check. ACL, pages 28312–28324, Vienna, Austria. [https://aclanthology.org/2025.acl-long.1373.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Dynamic Head Selection for Neural Lexicalized Constituency Parsing. In Proceedings of ACL 2025, pages 16141–16155, Vienna, Austria. [https://aclanthology.org/2025.acl-long.786.pdf acl-anthology]
* Yang Hou, Zhenghua Li*. Span-based Semantic Role Labeling as Lexicalized Constituency Tree Parsing. In Findings of ACL 2025, pages 10701–10713, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.557.pdf acl-anthology]
* Yanggan Gu, Junzhuo Li, Sirui Huang, Xin Zou, Zhenghua Li*, Xuming Hu*. Capturing Nuanced Preferences: Preference-Aligned Distillation for Small Language Models. In Findings of ACL 2025, pages 15959–15973, Vienna, Austria. [https://aclanthology.org/2025.findings-acl.822.pdf acl-anthology]

* Xuebin Wang, Lei Zhang, Zhenghua Li*, Shilin Zhou, Chen Gong, Yang Hou. Mining Word Boundaries from Speech-Text Parallel Data for Cross-domain Chinese Word Segmentation. [https://arxiv.org/abs/2412.09045 Arxiv]. COLING. January 19–24, 2025. Abu Dhabi, UAE. pages 1247–1257
* Ziyan Zhang, Yang Hou, Chen Gong*, Zhenghua Li. Data Augmentation for Cross-domain Parsing via Lightweight LLM Generation and Tree Hybridization. [[文件:Data_Augmentation_for_Cross-domain_Parsing_via_Lightweight_LLM_Generation_and_Tree_Hybridization.pdf]]. COLING. 19 January, 2025. Abu Dhabi, UAE.
* Xi Ma, Yang Hou, Xuebin Wang, Zhenghua Li. A Probabilistic Toolkit for Multi-grained Word Segmentation in Chinese. [[文件:A_Probabilistic_Toolkit_for_Multi-grained_Word_Segmentation_in_Chinese.pdf]]. COLING Demonstration (demo paper). 19 January, 2025. Abu Dhabi, UAE.

== 2024 ==

=== Journal/Conference Papers in Chinese ===

* 崔秀莲, 严福康, 李正华*. CCKS-2023. 基于实例的词性标注数据错误检测. 2023全国知识图谱与语义计算大会CCKS
** 转发：山西大学学报 2024年4月 47卷2期 47(2)，pp251−259. [[文件:Cxl-山西大学学报-基于实例的词性标注数据错误检测.pdf]]

=== Conference Papers in English ===

* Houquan Zhou, Zhenghua Li*, Bo Zhang, Chen Li, Shaopeng Lai, Ji Zhang, Fei Huang, Min Zhang. 2024. A Simple yet Effective Training-free Prompt-free Approach to Chinese Spelling Correction Based on Large Language Models. EMNLP. pp 17446–17467. [https://arxiv.org/abs/2410.04027 arxiv] [https://aclanthology.org/2024.emnlp-main.966.pdf acl-anthology] November 12-16 Miami, Florida (USA)

* Xuebin Wang, Zhenghua Li*. 2024. Two Sequence Labeling Approaches to Sentence Segmentation and Punctuation Prediction for Classic Chinese Texts. [https://aclanthology.org/2024.lt4hala-1.28/ Acl-anthology] the Third Workshop on Language Technologies for Historical and Ancient Languages (LT4HALA) @ LREC-COLING-2024. pages 237–241 25 May, 2024 Torino (Italia) Turin (Italy)

* Yumeng Liu, Zhenghua Li*, Haochen Jiang, Bo Zhang, Chen Li, Ji Zhang. 2024. Towards Better Utilization of Multi-Reference Training Data for Chinese Grammatical Error Correction. Findings of ACL. [https://github.com/ymliucs/MrGEC code][https://aclanthology.org/2024.findings-acl.180 paper]
* Yang Hou and Zhenghua Li*. 2024. Character-Level Chinese Dependency Parsing via Modeling Latent Intra-Word Structure. ACL-findings. [[文件:2024.findings-acl.173.pdf]], [[文件:2024.findings-acl.173.slide.pdf]], [[文件:2024.findings-acl.173.poster.pdf]]
* Shilin Zhou, Zhenghua Li, Chen Gong*, Lei Zhang, Yu Hong, Min Zhang. 2024. Chinese Spoken Named Entity Recognition in Real-world Scenarios: Dataset and Approaches. Findings of ACL. [[文件:ACL2024_rwcsner.pdf]]，[[文件:Rwcs_poster.pdf]]
* Shilin Zhou, Zhenghua Li*, Yu Hong, Min Zhang, Zhefeng Wang, Baoxing Huai. 2024. CopyNE: Better Contextual ASR by Copying Named Entities. ACL. [[文件:ACL2024_copyne.pdf]]，[[文件:copyne_poster.pdf]] [https://aclanthology.org/2024.acl-long.147.pdf acl-anthology] Bangkok, Thailand 2024.8.11-16 pp. 2675–2686

* Yanggan Gu, Yang Hou, Zhefeng Wang, Xinyu Duan and Zhenghua Li*. 2024. High-order Joint Constituency and Dependency Parsing. COLING. [[文件:2024.lrec-main.713.pdf]]，[[文件:2024.lrec-main.713.poster.pdf]] pages 8144–8154 20-25 May, 2024. Torino (Italia)
* Chenhui Dou, Chen Gong*, Zhenghua Li, Zhefeng Wang, baoxing Huai and Min Zhang. 2024. Improving Chinese Named Entity Recognition with Multi-grained Words and Part-of-Speech Tags via Joint Modeling. COLING.[[文件:2024.lrec-main.765.pdf]]，[[文件:2024.lrec-main.765.poster.pdf]] pages 8732–8742
20-25 May, 2024. Torino (Italia) Turin (Italy)

== 2023 ==

=== Conference Papers in English ===

* Houquan Zhou, Yumeng Liu, Zhenghua Li*, Min Zhang, Bo Zhang, Chen Li, Ji Zhang, Fei Huang. 2023. Improving Seq2Seq Grammatical Error Correction via Decoding Interventions. Findings of '''EMNLP''', pages 7393–7405. [https://arxiv.org/abs/2310.14534 arxiv][https://github.com/Jacob-Zhou/gecdi code][https://www.semanticscholar.org/paper/Improving-Seq2Seq-Grammatical-Error-Correction-via-Zhou-Liu/4711f26c0295fed15161b6145800b3df1ab9c0f6 citation]

* Yue Zhang, Leyang Cui, Enbo Zhao, Wei Bi, Shuming Shi. 2023. RobustGEC: Robust Grammatical Error Correction Against Subtle Context Perturbation. EMNLP 2023.[https://arxiv.org/pdf/2310.07299.pdf arxiv] [https://github.com/hillzhang1999/RobustGEC code] pages 16780–16793; December 6-10, 2023

* Saihao Huang, Lijie Wang, Zhenghua Li*, Zeyang Liu, Chenhui Dou, Fukang Yan, Xinyan Xiao, Hua Wu, and Min Zhang. 2023. SeSQL: A High-Quality Large-Scale Session-Level Chinese Text-to-SQL Dataset. NLPCC 2023, pages 537-550.[[文件:SeSQL_A_High-Quality_Large-Scale_Session-Level_Chinese_Text-to-SQL_Dataset.pdf]] [https://arxiv.org/abs/2208.12711 arxiv]

* Yue Zhang, Bo Zhang, Haochen Jiang, Zhenghua Li*, Chen Li, Fei Huang, Min Zhang. 2023. NaSGEC: Multi-Domain Chinese Grammatical Error Correction for Native Speaker Texts. Findings of ACL 2023. pp 9935-9951. [https://aclanthology.org/2023.findings-acl.630.pdf official] [https://arxiv.org/pdf/2305.16023.pdf arxiv] [https://github.com/HillZhang1999/NaSGEC code]

== 2022 ==

=== Journal/Conference Papers in Chinese ===

* 章岳, 黄赛豪, 陆凯华, 李正华*. 2022年1月. 基于模板的中文上下位关系抽取方法. 计算机应用与软件: 39卷1期 pp126-134. [[文件:Hypernym-zhangyue-2022.pdf]]
* 周仕林, 龚晨*, 李正华, 张民. 基于转移的快速精准的语义依存图分析. 山西大学学报(自然科学版): 45卷4期 pp1-13. [[文件:slzhou_transition_based_sdp.pdf]]
* 李帅克，李英，李正华*，张民. 基于tri-training的跨领域依存句法分析. 厦门大学学报（自然科学版）：61卷4期 pp638-645. [[https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XDZK20220509009&uniplatform=NZKPT&v=flne8EoBUv7LYNkuiwSttcXiOfGBPAB_0VtzLHktpwsjrP5-NEfM9rivUOARi0ae 知网抢先版链接]][[文件:基于tri-training的跨领域依存句法分析李帅克.pdf]]
* 周明月，龚晨，李正华*，张民. 2022.数据标注方法比较研究：以依存句法树标注为例. 清华大学学报（自然科学版）：62卷5期 pp908-916. [[http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2022.22.010 电子版]] [[文件:数据标注方法比较研究.pdf | pdf]]
* 彭雪, 李正华*, 张民. 2022. 基于语言模型微调的跨领域依存句法分析. 计算机应用与软件:39卷07期, pp141-146. [[文件:彭雪-基于语言模型微调的跨领域依存句法分析.pdf]]
* 李嘉诚, 沈嘉钰, 龚晨, 李正华*, 张民. 2022. 基于指针网络融入混淆集知识的中文语法纠错中文信息学报:36卷04期,pp29-38. [[文件:基于指针网络融入混淆集知识的中文语法纠错.pdf]]

=== Journal Papers in English ===

* Chen Gong, Zhenghua Li* and Min Zhang. Neural Coupled Sequence Labeling for Heterogeneous Annotation Conversion. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2022, 30:1624-1636.[https://ieeexplore.ieee.org/document/9750873?source=authoralert official]

=== Conference Papers In English ===

* Yue Zhang, Bo Zhang, Zhenghua Li*, Zuyi Bao, Chen Li, and Min Zhang. 2022. SynGEC: Syntax-Enhanced Grammatical Error Correction with a Tailored GEC-Oriented Parser. In '''EMNLP''', pages 2518–2531. [https://arxiv.org/pdf/2210.12484 arxiv][https://aclanthology.org/2022.emnlp-main.162.pdf official pdf][https://underline.io/events/342/sessions/13833/lecture/66146-syngec-syntax-enhanced-grammatical-error-correction-with-a-tailored-gec-oriented-parser video]
* Yu Zhang, Qingrong Xia, Shilin Zhou, Yong Jiang, Guohong Fu*, Min Zhang. 2022. Semantic Role Labeling as Dependency Parsing: Exploring Latent Tree Structures inside Arguments. In '''COLING''', pages 4212–4227. [https://arxiv.org/abs/2110.06865 arxiv] [https://aclanthology.org/2022.coling-1.370/ official pdf] [https://underline.io/events/360/posters/13239/poster/60359-semantic-role-labeling-as-dependency-parsing-exploring-latent-tree-structures-inside-arguments video]
* Shilin Zhou, Qingrong Xia, Zhenghua Li*, Yu Zhang, Yu Hong, and Min Zhang. 2022. Fast and Accurate End-to-End Span-based Semantic Role Labeling as Word-based Graph Parsing. In '''COLING''', pages 4160–4171. [https://arxiv.org/pdf/2112.02970.pdf arxiv] [https://aclanthology.org/2022.coling-1.365/ official pdf] [https://underline.io/events/360/sessions/13099/lecture/60364-fast-and-accurate-end-to-end-span-based-semantic-role-labeling-as-word-based-graph-parsing video] (best paper!)
* Yahui Liu, Haoping Yang, Chen Gong*, Qingrong Xia, Zhenghua Li, Min Zhang. 2022. MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset. In '''NAACL''', pages 1707-1717. [http://arxiv.org/abs/2205.06703 arxiv][https://aclanthology.org/2022.naacl-main.123.pdf official pdf][https://underline.io/events/325/posters/11804/poster/54059-mucpad-a-multi-domain-chinese-predicate-argument-dataset video]
* Yue Zhang, Zhenghua Li*, Zuyi Bao, Jiacheng Li, Bo Zhang, Chen Li, Fei Huang, Min Zhang. 2022. MuCGEC: a Multi-Reference Multi-Source Evaluation Dataset for Chinese Grammatical Error Correction. In '''NAACL''', pages 3118–3130. [https://arxiv.org/abs/2204.10994 arxiv][https://aclanthology.org/2022.naacl-main.227.pdf official pdf][https://underline.io/events/325/sessions/11391/lecture/53888-mucgec-a-multi-reference-multi-source-evaluation-dataset-for-chinese-grammatical-error-correction video]
* Ying Li, Shuaike Li, Min Zhang. 2022. Semi-supervised Domain Adaptation for Dependency Parsing with Dynamic Matching Network. In '''ACL 2022'', pages 1035--1045. [https://aclanthology.org/2022.acl-long.74.pdf official-pdf] [http://hlt.suda.edu.cn/index.php/%E6%96%87%E4%BB%B6:Liying_ACL2022_camera_ready.pdf camera ready pdf] [https://underline.io/lecture/52551-long-semi-supervised-domain-adaptation-for-dependency-parsing-with-dynamic-matching-network video].
* Houquan Zhou, Yang Li, Zhenghua Li, and Min Zhang. 2022. Bridging Pre-trained Language Models and Hand-crafted Features for Unsupervised POS Tagging. In Findings of the Association for Computational Linguistics: ACL 2022, pages 3276–3290, Dublin, Ireland. Association for Computational Linguistics. [http://hlt.suda.edu.cn/LA/papers/acl-findings-hqzhou-bridging.pdf pdf] [https://arxiv.org/pdf/2203.10315 camera ready pdf] [https://aclanthology.org/2022.findings-acl.259.pdf official pdf] [https://underline.io/lecture/49965-findings-bridging-pre-trained-language-models-and-hand-crafted-features-for-unsupervised-pos-tagging video]

== 2021 ==

=== Journal/Conference Papers in Chinese ===

* 吴锟，周夏冰，李正华，梁兴伟，陈文亮. 中文知识库问答中的路径选择. 中文信息学报（CCKS会议推荐）. 2021, 35(9):113-122.[[文件:中文知识库问答中的路径选择吴锟.pdf]]

=== Conference Papers In English ===
* Yang Hou, Houquan Zhou, Zhenghua Li*, Yu Zhang, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. A Coarse-to-Fine Labeling Framework for Joint Word Segmentation, POS Tagging, and Constituent Parsing. Proceedings of CoNLL-2021, pp. 290–299. Punta Cana, Dominican Republic (Online), 10-11 Nov. 2021. [[文件:CoNLL_2021_yhou_official_version.pdf]]

* Kun Wu, Lijie Wang, Zhenghua Li, Ao Zhang, Xinyan Xiao, Hua Wu, Min Zhang, Haifeng Wang. Data Augmentation with Hierarchical SQL-to-Question Generation for Cross-Domain Text-to-SQL Parsing. Proceedings of EMNLP-2021, pp. 8974--8983. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP2021_camera_ready_Data_Augmentation_with_Hierarchical_SQL_to_Question_Generation_forCross_domain_Text_to_SQL_Parsing-09101500.pdf ‎]]

* Qingrong Xia, Zhenghua Li*, Rui Wang, Min Zhang. Stacked AMR Parsing with Silver Data. Proceedings of EMNLP-2021 Findings, pp. 4729--4738. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_Stacked_AMR_Parsing_with_Silver_Data.pdf]]

* Ying Li, Meishan Zhang, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. APGN: Adversarial and Parameter Generation Networks for Multi-Source Cross-Domain Dependency Parsing. Proceedings of EMNLP-2021 Findings, pp. 1727–1733. Punta Cana, Dominican Republic (Online), 7-11 Nov. 2021. [[文件:EMNLP_2021_yli_camera_ready.pdf]]

* Chen Gong, Saihao Huang, Houquan Zhou, Zhenghua Li*, Min Zhang, Zhefeng Wang, Baoxing Huai, Nicholas Jing Yuan. An In-depth Study on Internal Structure of Chinese Words. Proceedings of ACL-2021, pp. 5823–5833. Online, Virtual Event, 1-6 Aug. 2021. [[文件:2021.acl-long.452.pdf]]

* Qingrong Xia, Bo Zhang, Rui Wang, Zhenghua Li*, Yue Zhang, Fei Huang, Luo Si, Min Zhang. 2021. A Unified Span-Based Approach for Opinion Mining with Syntactic Constituents. Proceedings of NAACL-2021, pp. 1795-1804. Mexico City, Mexico (Online), 6-11 June. 2021. [[文件:2021.naacl-main.144.pdf]]

== 2020 ==

=== Journal Papers in Chinese ===

* 陆凯华, 李正华, 张民. 2020. 汉语上下位关系分类数据集构建和基准方法比较. 厦门大学学报(自然科学版). 2020, 59 (06): 1004-1010 [[文件:汉语上下位关系分类数据集构建和基准方法比较_陆凯华.pdf]]
* 刘亚慧, 杨浩苹, 李正华, 张民. 2020. 一种轻量级的语义角色标注规范. 中文信息学报. 2020, 34(4):10-20 [http://jcip.cipsc.org.cn/CN/Y2020/V34/I4/10 offical.pdf]

=== Journal Papers In English===
* Chen Gong, Zhenghua Li, Qingrong Xia, Wenliang Chen and Min Zhang. Hierarchical LSTM with char-subword-word tree-structure representation for Chinese named entity recognition. Science China Information Science, 2020, 63(10):1-15. [[文件:Hierarchical_LSTM_with_char-subword-word_tree-structure_representation_for_Chinese_named_entity_recognition.pdf]]

=== Conference Papers In English ===

* Ying Li, Zhenghua Li* and Min Zhang. Semi-supervised Domain Adaptation for Dependency Parsing via Improved Contextualized Word Representations. Proceedings of COLING-2020. pp. 3806–3817. Barcelona, Spain (Online), 8-13 Dec. 2020.[https://www.aclweb.org/anthology/2020.coling-main.338.pdf pdf] [[文件:Liying-2020.coling-main.338.pdf]]

* Qingrong Xia, Rui Wang, Zhenghua Li, Yue Zhang and Min Zhang*. Semantic Role Labeling with Heterogeneous Syntactic Knowledge. Proceedings of COLING-2020. pp. 2979-2990. Barcelona, Spain (Online), 8-13 Dec. 2020. ([https://www.aclweb.org/anthology/2020.coling-main.266.pdf pdf])([[文件:Xiaqingrong-2020.coling-main.266.pdf]])([[文件:Poster-SRL-HDP.pdf]])([[文件:SRL-HDP.pptx]])

* Chen Gong, Zhenghua Li*, Bowei Zou and Min Zhang. Multi-grained Chinese Word Segmentation with Weakly Labeled Data. Proceedings of COLING-2020. pp. 2026–2036. Barcelona, Spain (Online), 8-13 Dec. 2020. [https://www.aclweb.org/anthology/D17-1072.pdf pdf][[文件:Gongchen-2020.coling-main.183.pdf]]

* Lijie Wang, Ao Zhang, Kun Wu, Ke Sun, Zhenghua Li, Hua Wu, Min Zhang and Haifeng Wang. DuSQL: A Large-Scale and Pragmatic Chinese Text-to-SQL Dataset. Proceedings of EMNLP-2020. pp. 6923-6935. Online, 16-20 Nov. 2020. [https://www.aclweb.org/anthology/2020.emnlp-main.562.pdf pdf][[文件:2020.emnlp-main.562.pdf]]

* Houquan Zhou, Yu Zhang, Zhenghua Li, and Min Zhang. Is POS Tagging Necessary or Even Helpful for Neural Dependency Parsing? Proceedings of NLPCC-2020, pp. 179--191. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo.pdf pdf]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-ijpmo-official-w-content.pdf pdf-official-w-content]) (best paper!)

* Yu Zhao, Mingyue Zhou, Zhenghua Li, and Min Zhang. Dependency Parsing with Noisy Multi-Annotation Data. Proceedings of NLPCC-2020, pp. 120-131. Zhengzhou, China, 14 Oct. - 18 Oct. 2020. ([http://hlt.suda.edu.cn/images/e/e5/212_Final_Manuscript_%281%29.pdf pdf]）([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official.pdf pdf-official]) ([http://hlt.suda.edu.cn/LA/papers/nlpcc-yzhao-official-w-content.pdf pdf-official-w-content])

* Yu Zhang, Houquan Zhou, Zhenghua Li. 2020. Fast and Accurate Neural CRF Constituency Parsing. Proceedings of IJCAI-2020, pp. 4046-4053. Yokohama, Japan, 11-17 Jul. 2020. [https://www.ijcai.org/Proceedings/2020/0560.pdf pdf-official] [http://hlt.suda.edu.cn/LA/papers/0560.pdf pdf] [[http://hlt.suda.edu.cn/LA/videos/V5.mp4 video(5 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V10.mp4 video(10 min version)]] [[http://hlt.suda.edu.cn/LA/videos/V15.mp4 video(15 min version)]]

* Yu Zhang, Zhenghua Li, Min Zhang. 2020. Efficient Second-Order TreeCRF for Neural Dependency Parsing. Proceedings of ACL-2020, pp. 3295-3305. Seattle, America, 5-10 Jul. 2020. [[https://www.aclweb.org/anthology/2020.acl-main.302.pdf pdf-official]] [[http://hlt.suda.edu.cn/LA/papers/2020.acl-main.302.pdf pdf]] [[http://hlt.suda.edu.cn/LA/videos/2020-12-28%2022-21-45.mp4 video]]
** A very good paper: Timothy Dozat, Christopher D. Manning. ICLR-2017. Deep Biaffine Attention for Neural Dependency Parsing. [https://arxiv.org/abs/1611.01734 arxiv]

* Bo Zhang, Yue Zhang, Rui Wang, Zhenghua Li, Min Zhang. Syntax-Aware Opinion Role Labeling with Dependency Graph Convolutional Networks. Proceedings of ACL-2020, pp. 3249-3258. Seattle, America, 5-10 Jul. 2020. [https://www.aclweb.org/anthology/2020.acl-main.297.pdf pdf] [[文件:Zhangbo-acl2020-ppt-5-24.pdf]]

== before 2020 ==
* Meishan Zhang, Zhenghua Li, Guohong Fu and Min Zhang. Syntax-Enhanced Neural Machine Translation with Syntax-Aware Word Representations. In Proceedings of the NAACL-2019. pp. 1151–1161. Seattle, America, 5-10 Jun. 2019. [https://www.aclweb.org/anthology/N19-1118.pdf pdf]
* Bowen Wu, Jiayuan Chao, Baoxun Wang, Zhenghua Li and Min Zhang. Abstractive Summarization via Continuous Copy. EMNLP-2019 Workshop Summarization Submission. Aug 20, 2019. (not accepted)

[http://hlt.suda.edu.cn/~zhli/en.html 更早的论文，请点击此]

== 202? Template ==
=== Talks and Misc. ===
=== Journal/Conference Papers in Chinese ===
=== Journal Papers In English===
=== Conference Papers In English===

LA-paper-report-talk-etc

Writing-2026-fall

2026-09-23T12:07:18Z

LA-share：/* Lesson 1（2026.9.23） */

= 专业写作（学硕、博士）李正华 =

* 学生：2026博士、学硕
* 助教：刘为杰 2024级博士研究生
* 时间：星期三 6-8 14:00-16:40 (从第三周开始上课) 14:45休息5分钟；15:35休息20分钟（实际会休息5分钟）
* 地点：理工楼153

== 课堂内容（拟） ==

1）示范性读论文

2）报告2-3 个（提问情况，作为平时成绩参考）

3）翻转课堂（主要围绕“语析 LAGroup 微信公众号”的小文章）：大家可以留言、可以课堂提问，积极讨论的同学，平时成绩加分

李正华：继续写科研相关的小文章，发表在语析 LAGroup 微信公众号上（论文解读、论文写作点评、科研方法等）

= 课程考核 =

1. 平时成绩：提问、讨论

2. 做报告：强烈要求在课堂上积极做报告 ==

3. 闭卷考试

具体安排待定（和去年相比，会有微调）

考试内容：围绕上课内容

考试成绩查看：研究生系统

== 课上报告 ==

未在课堂上做报告的同学需离线录制 8-12分钟的视频报告（推荐使用腾讯会议录屏）。

具体要求待定

== 2025秋：同学们期末的课程建议 ==
* 本学期总结：
** 系列小文章特别好，平生所学。
** 示范性读论文很好，下学期尝试写出来。
** 同学作报告一般，尤其提问环节。
** 如何示范性写论文？

== 教学规划 ==

<nowiki>
1 08:00-08:45
2 08:50-09:35
3 09:55-10:40
4 10:45-11:30
5 11:35-12:20
6 14:00-14:45
7 14:50-15:35
8 15:55-16:40 【15:40第三节课，通常16:25下课】
9 16:45-17:30
</nowiki>

<nowiki>
2026/9/23 课程介绍
什么是科研、如何做科研
论文讲解和讨论（示范）
2026/9/30 如何听报告、做报告
论文讲解和讨论（示范）
2026/10/7 放假
2026/10/14 如何选论文、读论文
论文讲解和讨论（示范）
论文筛选和分组
2026/10/21 如何写论文笔记
论文讲解和讨论（1）
2026/10/28 如何想 idea、如何改进 idea
论文讲解和讨论（2）
2026/11/4 如何做实验、实验目录设计
论文讲解和讨论（3）
2026/11/11 如何撰写experiments
论文讲解和讨论（4）
2026/11/18 如何撰写 methods
论文讲解和讨论（5）
2026/11/25 如何撰写 related works
论文讲解和讨论（6）
2026/12/2 如何撰写introduction
论文讲解和讨论（7）
2026/12/9 如何撰写title、abstract、 conclusions
论文讲解和讨论（8）
2026/12/16 论文写作常见问题（参考文献、格式、画图、例子）
论文讲解和讨论（9）
2026/12/23 如何投稿、如何审稿
论文讲解和讨论（10）
2026/12/30 如何撰写学位论文、科研和写作规范
论文讲解和讨论（11）

</nowiki>

== 上课板书 ==

=== Lesson 1（2026.9.23） ===

<gallery>
Writing-2026-fall-lesson1-merged.jpg
</gallery>

* 刘为杰和刘亚慧讲报告

Writing-2026-fall

2026-09-23T12:04:26Z

文件:Linux-2026-fall-week1-merged.jpg

2026-09-07T09:01:30Z

LA-share：

Writing-2025-fall

2026-04-21T08:10:37Z

LA-share：/* 考试成绩 */

= 专业写作（学硕、博士）李正华 =

* 学生：2025博士2025硕士
* 助教：周月驰
* 时间：星期三 6-8 14:00-16:40 (从第三周开始上课) 14:45休息5分钟；15:35休息20分钟（实际会休息5分钟）
* 地点：理工楼153

<nowiki>
1 08:00-08:45
2 08:50-09:35
3 09:55-10:40
4 10:45-11:30
5 11:35-12:20
6 14:00-14:45
7 14:50-15:35
8 15:55-16:40 【15:40第三节课，通常16:25下课】
9 16:45-17:30
</nowiki>

= 计划教学大纲 =

<gallery>
File:Writing-2025-fall-syllabus.png|
</gallery>

= 课程考核 =
课程考核分为两部分，闭卷考试和课上报告。
== 闭卷考试 ==
请大家提前预留时间参与考试！

* 考试时间：12.25 14:00~15:30
* 考试地点：学号前20人在理工楼635，其余同学在理工楼103
* 考试内容：
** 2～3篇论文（课上同学讲的报告）
** 公众号《专业写作》系列文章（翻转课堂）
** 课上读过的论文（Transformer，ELMo，BERT，GPT，CLIP，ViT）
** 约7道题，每题200～300字，用自己的话来讲。

* 考试要求：带两张A4纸，黑笔。诚信考试！

== 课上报告 ==
未当堂汇报的同学需离线录制 8-12分钟的视频报告（推荐使用腾讯会议录屏）。

* 报告要求：同当堂汇报。
* 截止时间：北京时间 2025.12.31 23:59
* 提交格式：请提交一个 ZIP 压缩包，压缩包需命名为学号-姓名（例如：20254027007-周月驰.zip）。压缩包内文件结构如下：
20254027007-周月驰
├── xx.mp4 (视频需 <30MB)
├── xx.pptx (汇报PPT)
└── xx.docx (补充文档)
(注：不需要提交论文原文了)
* 提交方式：压缩后发送助教邮箱 20254027007@stu.suda.edu.cn

== 考试成绩 ==
* 李正华老师 2025 秋《专业写作课》成绩，请在课程主页上查看
* 如果确实觉得有问题，可以在3 月 9 日 17:00 前给助教发邮件，申请复查；但是如果复查后没有问题，可能要从严批阅，导致降分（5 分）
* 点击图片放大查看

= 上课板书 =
== 2025.12.16 Lesson 13 ==
<gallery>
File: Writing-2025-fall-course13-image1.jpg
</gallery>

* 探讨如何写title, abstract, and conclusion.
* 重读ViT的related work和方法。
* 舒仁义和李梦华同学讲报告。

== 2025.12.10 Lesson 12 ==
<gallery>
File: Writing-2025-fall-course12-image1.jpg
</gallery>

* 探讨如何写related work.
* 重读CLIP的方法，读ViT的摘要和引言。
* 李传伟和姚昱同学讲报告。

== 2025.12.03 Lesson 11 ==
<gallery>
File: Writing-2025-fall-course11-image1.jpg
</gallery>

* 探讨如何写introduction.
* 重读CLIP的引言，发现了很多可以改进的写作上的点。
* 邓皓文同学讲HS-DCell。

== 2025.11.26 Lesson 10 ==
<gallery>
File: Writing-2025-fall-course10-image1.jpg
</gallery>

* 探讨如何写experiments部分，分享人生感悟。
* 带读CLIP的方法部分。
* 孙家扬同学讲ViT。

== 2025.11.19 Lesson 9 ==

* 探讨如何写method部分
* 带读CLIP的intro和related work
* 彭基轩、刘奕辰、赵文斌、杨文瑞四位同学讲报告

== 2025.11.12 Lesson 8 ==
<gallery>
File:Writing-2025-fall-course8-image2.jpg
</gallery>

* 探讨如何做实验
* 阅读CLIP的abstract和部分intro
* 彭基轩、刘奕辰、赵文斌三位同学讲报告

== 2025.11.5 Lesson 7 ==
<gallery>
File:Writing-2025-fall-course7-image1.jpg
</gallery>

* 探讨如何想idea
* 读完BERT
* 余田田、梁靖松分别讲FairGNN和有关药物生成的工作

== 2025.10.29 Lesson 6 ==
<gallery>
File:Writing-2025-fall-course6-image1.jpg
</gallery>

* 探讨如何写论文笔记
* 重读GPT，带读BERT摘要、引言
<nowiki>
GPT 的 finetune，针对一个具体任务
只能做分类任务 sentence-level 的任务
对于问答这样的任务（traversal-style 方式）：question <sep> answer GPT 编码后，最后一个位置的 hidden，经过 MLP，打分。4 个候选 answer（traversal-style)，softmax，最大化正确的 answer 的概率。
和之后的大一统的 prompt-based 的方法相比，不是一回事。
</nowiki>
* 余田田、陈果、ruitong分别讲FairGNN、CLIP、LLaMA

== 2025.10.22 Lesson 5 ==
<gallery>
File:Writing-2025-fall-course5-image1.jpg
</gallery>

* 探讨如何选论文、如何读论文
* 带读GPT技术报告
* 崔青青、许欣芸、吕喆分别讲图、AdaLora、DPO

== 2025.10.15 Lesson 4 ==
<gallery>
File:Writing-2025-fall-course4-image1.jpg
</gallery>

* 探讨什么是一个完整的科研经历
* 带读elmo方法部分
* yanhui 讲eswa有关数据集的工作，罗小城和崔青青分别讲softthinking和正则图

== 2025.10.11 Lesson 3 ==
<gallery>
File:Writing-2025-fall-course3-image1.jpg
</gallery>

* 探讨如何做报告
* 带读elmo摘要、引言、相关工作
* shilin 和 ziheng 讲报告，分别介绍copyne和大小模型协同的csc

== 2025.09.24 Lesson 2 ==
<gallery>
File:Writing-2025-fall-course1-image2.jpeg
</gallery>

* 探讨如何听报告
* 带读Attention is all you need论文的剩余部分
* yuechi 和 ziyan 讲报告，分别介绍kv cache和大模型句法分析

== 2025.09.17 Lesson 1 ==
<gallery>
File:Writing-2025-fall-course1-image1 new.jpeg
</gallery>

* 课程介绍
* 探讨什么是科研
* 带读Attention is all you need论文的摘要和引言
* houquan：讲解CSC工作

== 2025秋：同学们期末的课程建议 ==
* 本学期总结：
** 系列小文章特别好，平生所学。
** 示范性读论文很好，下学期尝试写出来。
** 同学作报告一般，尤其提问环节。
** 如何示范性写论文？

Ir-2026-spring

2026-03-20T06:28:43Z

LA-share：/* 提交作业说明 */

= 信息检索综合实践 =

李正华

* 学生：计23计科1班
* 助教：吕喆、梅睿桐
* QQ群: xx
* 时间：周四 6-9 节课 1-17 周
* 地点：理工楼238

== 上课基本要求 ==
* 不能做的事情：打游戏、看课程无关视频、刷网页
* 认真读作业要求，按时交作业。csteaching
* 不能抄袭别人或网上的，自己做；不要把自己的作业给别人

== 课程建议 ==
* 每个作业，截止时间后，把成绩发给大家，并用ppt给大家讲一下批作业发现的问题，题目分析
* 上课期间：请大家积极提问。遇到大家都无法理解的公共问题，我会补充讲解
* 非上课时间提问
** 建议同学们在群里提问（包括但不限于代码的bug、不理解算法、作业资源和提交等），由其他同学帮助解答；
** 群里的提问如果其他同学也无法回答，可以私信助教（吕喆：周三晚上7点到9点，梅睿桐：周四晚上7点到9点）；

== 计算成绩的规则和说明（待定） ==
* 核心要求：掌握最基本的概念、方法、算法
* 实验作业：70分
** 一系列作业，每个作业 5-15分（形式检查为辅、平时考核为主）
*** 平时考核：考察课程相关的基础知识，看看作业是否是自己做的
** 必须按照规定时间，按照规定格式要求，将实验报告+源代码，提交到网站（见下面）中
* 平时成绩：30分
** 不能迟到、早退，特殊情况必须请假，并带辅导员签字的假条；
** 签到表：除了姓名，还要写一下进展

== 提交作业说明 ==
* 作业网址：本学期开始的实验布置、提交与批改等不再使用csteaching平台，统一改用工程认证管理系统。请各位老师通过工程认证管理系统（网址[http://42.244.43.76:8000/ http://42.244.43.76:8000/]）开展实验布置、批改等相关工作，并烦请同步通知班级学生在该系统完成实验提交。
* 作业迟交了则最终成绩会按一定比例缩减
* 以.zip压缩包形式提交，需包含以下内容
** 源代码：代码不要都团在一起，请用空行对代码进行分隔，并简单注释代码块的功能
** readme.txt文件：说明如何运行你的程序，需要什么环境，如windows或linux，python版本如python3.5
** 实验报告（pdf文件，请把word转为pdf）
*** 请按照实验模版[[:文件:ir-2022-spring-report.doc]]，认真填写个人信息、实验题目、实验内容等
*** 不要大段粘贴代码，最多可以粘贴核心的一小段代码，粘贴大段代码会扣分
*** 写清楚自己的解决思路，尤其是遇到的难点和如何解决
*** 建议可以画流程图或者写伪代码。
*** 解决思路的流程图中是以文字为主还是以代码为主？报告中不要直接放代码。文字为主，不在于写得长，而在于写清楚，表明你确实做了、想了。
*** 问：流程图可以改成自然语言描述或者是伪代码吗？答：流程图也可以画的很high-level的。大家自由发挥。也可以画到纸上然后拍照截图。模块化思维大问题分解小问题。
*** 将程序运行结果截图，没有运行结果会扣分，中间的输出结果/文件可以截图一部分
* 提交前自我检查
** 是否有包含readme.txt文件解释如何编译执行你的程序。 如没有该文件，将减分。
** 是否认真完成实验报告
** 是否可以按照readme.txt正确编译和运行程序
** 是否包含别人的代码，抄袭和被抄袭的都是0分
** 期末可能会用软件做自动抄袭检查
** 等这学期最后几周，我们可能统一对所有的作业做自动查重，到时候也会查出一些问题。 请大家一定要自己做，编程能力差一点，就做得简单一点，能力强，就做得好一点。但是一定要自己做。 
* 提交作业命名规则
** 压缩包（姓名学号.zip）
*** 实验报告（姓名学号.pdf）

== 实验报告word模板 ==
* [[:文件:ir-2022-spring-report.doc]]

== 具体内容（含作业：平时：30 分；实验：70 分） ==

{| class="wikitable"
! style="text-align:left;"| 作业
! 成绩比例
! 评分要点
|-
| 分字
| 5%
| 按字节读取并判断高位
|-
| 单词计数
| 5%
| 无
|-
| 最大匹配分词
| 10%
| 算法和评价正确实现
|-
| 网页正文抽取
| 10%
| 按要求完成两个任务
|-
| 倒排索引
| 15%
| 高效创建倒排文件
|-
| 布尔查询
| 10%
| inter和union的复杂度为O(n)，复杂查询用堆栈判断优先级
|-
| 网页相关性排序
| 15%
| 基于向量空间模型VSM、tf-idf权重
|-
| 爬虫和某机构主页检索系统
| 15%
| 实现爬虫，系统架构设计良好，说明文档详细，UI完整
|-
| 基于深度学习的检索系统
| 15%
| Contriever：重现部分实验结果；自己实现评价指标；在上一个作业中的爬虫和检索系统的基础上，自己设计、标注 10 个 query，对比向量空间模型VSM 和Contriever 的效果，给出评价结果。建议：VSM 给 100 个结果，然后 Contriever 重排序，然后人工标注，具体如何标注更合理，自己考虑好。
|-
|}

== 信息检索课程介绍 ==
* [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/ir-introduction-v0.4.pdf PPT下载]
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-low-quality.mp4 课程介绍]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-part-1.mp4 课程介绍-part1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-part-2.mp4 课程介绍-part2]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro.jpg 图]

* 和2022年课程的区别：增加了'''基于深度学习的检索'''的内容，删除'''词性标注'''相关内容

== 信息检索系统介绍 ==
* 2022春视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/intro-to-info-retrieval.mp4 信息检索系统介绍]

= 具体作业 =

== 作业1：分字（C++语言） ==
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-low-quality.mp4 作业1]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-part-1.mp4 作业1-part1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-part-2.mp4 作业1-part2]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-figure-1.jpg 图1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-figure-2.jpg 图2]
* UTF-8数据：[[文件:sentence.txt]]
* UFT-8编码规则：【2003 年发布的RFC 3629标准中，已经废除了 5-6 个字节，所以只用考虑 1-4 个字节的情况。感谢曹诗伟同学指出错误。】
<nowiki>
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx </nowiki>

== 作业2：单词计数 ==
* 课件 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/word-count.pdf PPT下载]
* 2022春视频：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-count-low-quality.mp4 作业2]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-count-2.mp4 作业2]
* 数据 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/sample-en.txt txt下载]

== 作业3：最大匹配分词 ==
* 作业提交时间截止时间：第4周下课之前提交
* 课件：前向最大匹配 PDF文件--[[文件:Word-seg-max-match.pdf]]；PPT文件--[[文件:Word-seg-max-match.zip]]
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match-low-quality.mp4 作业3]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match.mp4 作业3]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match.jpg 图]

* 数据下载：
** 字典：[[文件:dict.txt]]
** 待分词：[[文件:sentence.txt]]
** 正确答案（人工标注的，你的模型的预测结果要和这个文件进行对比，从而得到P/R/F值）：[[文件:answer.txt]]；
** 正向最大匹配分词模型的预测结果（如果你的程序写对了，那么应该和这个结果一模一样）：[[文件:out.txt]]

<nowiki>
*正确实验结果
**正确识别的词数：20263
**识别出的总体个数：20397
**测试集中的总体个数：20454
**正确率：0.99343
**召回率：0.99066
**F值：0.99204 </nowiki>

== 作业4：网页正文抽取 ==

* 作业提交时间截止时间：第 6 周下课前提交
* 2022春视频： [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-content-extraction.mp4 作业4]
* 课件（请严格按照课件要求完成作业）：
** [[:文件:ir-2022-spring-web-page-content-extraction.ppt]]
** [[:文件:ir-2022-spring-web-page-content-extraction.pdf]]
* 数据
** 1.html和2.html [[:文件:ir-2022-spring-example-html.zip]]
** data-1k：1000个html文件 [[:文件:ir-2022-spring-all-html.zip]] （如果文件出现乱码，请到qq群里下载）

== 作业5：倒排索引 ==

* 作业提交时间截止时间：第8周下课前提交
* 课件：
** 仅供参考，与本次作业要求无关：[[:文件:ir-2022-spring-inverted-index-simplified.ppt]]
* 2022春视频和图片：
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/inverted-index.mp4 作业5]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/inverted-index.jpg 图]
* 数据
** 停用词表：[https://github.com/goto456/stopwords github网址] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/stopwords.zip 苏大本地下载]
** 结巴词典：[https://github.com/fxsjy/jieba/tree/master/extra_dict github网址] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word_dict.zip 苏大本地下载]
** 结巴词典文件每一行有3列，为：单词、词频、词性，只需要使用第一列的单词即可，使用small进行调试，提交作业用big

== 作业6：布尔查询 ==

* 作业提交时间截止时间：第 10 周下课前提交
* 2022春视频和图片：
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/bool-query.mp4 作业6]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/bool-query.jpg 图]
* 作业提交说明：
** 附件中给出本次作业使用的倒排索引文件（可以在作业5的基础上进行优化），不需要提供构建倒排索引的代码，但在实验报告中给出倒排索引文件的说明，参考侯皓文同学
** 交集、并集操作用inter()、union()这两个函数单独封装
** 对4个语句 'A', 'B', 'A AND B', 'A OR B' （A、B为自定义的查询词）分别进行一次查询，每次的查询结果单独保存到一个txt文件中，以查询语句作为文件名（如 'A AND B.txt'`）
** 结果展示部分，文件按名字字母序排序：指字符序（用内置的sort即可），先用pinyin包转成拼音再排序也可以，不要自行改变文件名（如阿大.txt -> 34.txt）
** 实现更复杂的查询，如：'A AND B OR C' 可以加分
** 查询词的加重（用#标记）不做强制要求，但做了加分

== 作业7：基于向量空间模型（VSM）和tf-idf权重的网页相关性排序 ==

* 作业提交时间截止时间：第 12 周之前提交
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank.mp4 作业7]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank-1.jpg 图片1] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank-2.jpg 图片2]
* 作业要求：
** 如果无法理解向量空间模型，可以选择做tf-idf作业，但最多只给50分
** 实现基于向量空间模型的网页相关性排序
** 给定一个查询Q：可以是手动用空格分好词的"李正华招收学生"；也可以是未分词的"李正华招收学生"，之后用最大匹配分词分好词 -> "李正华招收学生"
** 注释：一个给定分词的查询Q实际上等价于布尔查询OR："李正华招收学生" <=> "李正华 OR 招收 OR 学生"
* 作业提交说明：
** 附件中给出本任务所使用的倒排索引文件
** 在实验报告中说明对于余弦相似度计算中的：di[k]、q[k]、|di|、|q|是如何处理或存储的
** 附件中给出一个查询Q的结果，保存为文本文件"Q.txt"中，格式为：

文档名1（余弦相似度Sim） # Sim值可不除以|q|的值，一个例子：阿鲁巴岛.txt(0.64)
句子1
句子2
...
文档名2（余弦相似度Sim）
句子1
句子2
...
......

== 作业8：爬虫和某机构主页检索系统（综合项目） ==

* 作业提交时间截止时间：第14 周下课之前提交
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-spider.mp4 作业8]
** PPT：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-spider.pptx PPT]
* 任务一：用爬虫模块尽量完整地爬下来一个机构对应的所有静态网页（html或htm后缀），保存到磁盘中：
** 苏大、苏大计算机学院（规模小一点）都可以
** orphan网页不用考虑
* 任务二：基于爬取的网页，做一个完整的检索系统（以后可以考虑不断完善、定时更新）：
** 1. 网页正文提取模块（同作业4的实战部分一致）
** 2. 处理网页正文的分句、分词模块（可以用作业3的最大匹配分词，也可以用第三方的分词器，如jieba）
** 3. 倒排索引模块：基于处理好的网页正文，建立倒排索引文件（同作业5一致）
** 4. 网页排序模块：实现网页相关性排序（同作业7一致）
** 5. 查询模块：提供查询接口，用户输入查询词后显示网页名（暂定为网页的title），和包含查询词的句子，查询词进行highlight处理（如#查询词#）。查询接口可以用命令行实现，提供前端UI界面（Web或Application都可以）会获得加分。

注意：把网页源文件（html文件）保存好，避免重复爬。例如优化了网页正文提取模块、或突然想用一个更好的分词器

* 作业提交说明：
** 源代码：任务一和任务二的所有代码都要提交，每个模块（共6个，在上方已用红色标出）在readme中指明在哪个python文件中实现的
** 处理好的网页数据（可选）：原始网页，提取出并分好句、分好词的网页正文，若网页数据特别大的话可以不要
** 在实验报告中将三项统计信息放到表格中：网页（文档）数、句子数、单词数
** 倒排索引文件（必备）
** 说明文档：(每个模块的)实现的功能，如何使用，接口等，内容不限

== 作业9：深度学习方法&检索结果的评价 ==
* 作业提交时间截止时间：第16 周下课之前提交
* 要求
** 账号环境，跑推理代码，重现完成部分实验。
*** 具体要跑哪些实验，请看文档最后的表格：[https://resplendent-gumdrop-ad2cd4.netlify.app/contriever-ir-course-assignment/ 具体文档]
** 自己实现评价指标，自己的评价指标的结果，和contriever 的结果一致。
** VSM和 Contriever 的对比
<nowiki> 针对自己实现的“苏大计算机官网搜索引擎”，去对比VSM和Contriever的效果。
自己设计10个难度不同的 query，然后 VSM 返回 50 个结果，把这 50 个结果随机打乱顺序（这一步很重要），然后人工做一个标注（给一个排序）【如果觉得 10 个 query 太多，5 个也行】
Contriever对 50 个结果重排序
比较两种方法的结果：NDCG@5 NDCG@10 NDCG@20等
如果有能力、有时间，可以分析下：什么样的query，VSM 做得好；什么样的 query，Contriever 做得好。 </nowiki>
** 实验报告体现出自己做了什么、遇到的困难及如何解决。

* 参考资料
** 上面的文档
** 微信公众号”语析LAGroup“中 contriever 论文解读
** contriever 原文

== 时间表 ==

<nowiki>
3.5 第1周
3.12 第2周

xxx
3.25 第5周
4.1 第6周
4.29 第10周
5.6 第11周
5.27 第14周
6.3 第15周
6.17 第17周

1 08:00-08:45
2 08:50-09:35
3 09:55-10:40
4 10:45-11:30
5 11:35-12:20
6 14:00-14:45
7 14:50-15:35 【休息5分钟，+15分钟】
8 15:55-16:40
9 16:45-17:30 【17:15】

考虑来2-3 次考试。
闭卷考试，比较正式的那种。在机房里就行。然后拍照留存？

2次考试的方案：
倒排搞完考一次
最后一次

3次考试的方案：
最大匹配分词搞完，考一次
布尔查询搞完考一次
最后一次

上机课9 个作业，实验报告，主要是形式审查，占比比较低。要根据考试的成绩，然后加权得到每一次作业的成绩。
最后，9 个作业再按照一定比例，得到实验成绩。

</nowiki>

Ir-2026-spring

2026-03-20T06:27:30Z

LA-share：/* 课程建议 */

= 信息检索综合实践 =

李正华

* 学生：计23计科1班
* 助教：吕喆、梅睿桐
* QQ群: xx
* 时间：周四 6-9 节课 1-17 周
* 地点：理工楼238

== 上课基本要求 ==
* 不能做的事情：打游戏、看课程无关视频、刷网页
* 认真读作业要求，按时交作业。csteaching
* 不能抄袭别人或网上的，自己做；不要把自己的作业给别人

== 课程建议 ==
* 每个作业，截止时间后，把成绩发给大家，并用ppt给大家讲一下批作业发现的问题，题目分析
* 上课期间：请大家积极提问。遇到大家都无法理解的公共问题，我会补充讲解
* 非上课时间提问
** 建议同学们在群里提问（包括但不限于代码的bug、不理解算法、作业资源和提交等），由其他同学帮助解答；
** 群里的提问如果其他同学也无法回答，可以私信助教（吕喆：周三晚上7点到9点，梅睿桐：周四晚上7点到9点）；

== 计算成绩的规则和说明（待定） ==
* 核心要求：掌握最基本的概念、方法、算法
* 实验作业：70分
** 一系列作业，每个作业 5-15分（形式检查为辅、平时考核为主）
*** 平时考核：考察课程相关的基础知识，看看作业是否是自己做的
** 必须按照规定时间，按照规定格式要求，将实验报告+源代码，提交到网站（见下面）中
* 平时成绩：30分
** 不能迟到、早退，特殊情况必须请假，并带辅导员签字的假条；
** 签到表：除了姓名，还要写一下进展

== 提交作业说明 ==
* 作业网址：本学期开始的实验布置、提交与批改等不再使用csteaching平台，统一改用工程认证管理系统。请各位老师通过工程认证管理系统（网址[http://42.244.43.76:8000/ http://42.244.43.76:8000/]）开展实验布置、批改等相关工作，并烦请同步通知班级学生在该系统完成实验提交。
* 作业迟交了则最终成绩会按一定比例缩减
* 以.zip压缩包形式提交，需包含以下内容
** 源代码：代码不要都团在一起，请用空行对代码进行分隔，并简单注释代码块的功能
** readme.txt文件：说明如何运行你的程序，需要什么环境，如windows或linux，python版本如python3.5
** 实验报告（pdf文件，请把word转为pdf）
*** 请按照实验模版[[:文件:ir-2022-spring-report.doc]]，认真填写个人信息、实验题目、实验内容等
*** 不要大段粘贴代码，最多可以粘贴核心的一小段代码，粘贴大段代码会扣分
*** 写清楚自己的解决思路，尤其是遇到的难点和如何解决
*** 建议可以画流程图或者写伪代码。
*** 解决思路的流程图中是以文字为主还是以代码为主？报告中不要直接放代码。文字为主，不在于写得长，而在于写清楚，表明你确实做了、想了。
*** 问：流程图可以改成自然语言描述或者是伪代码吗？答：流程图也可以画的很high-level的。大家自由发挥。也可以画到纸上然后拍照截图。模块化思维大问题分解小问题。
*** 将程序运行结果截图，没有运行结果会扣分，中间的输出结果/文件可以截图一部分
* 提交前自我检查
** 是否有包含readme.txt文件解释如何编译执行你的程序。 如没有该文件，将减分。
** 是否认真完成实验报告
** 是否可以按照readme.txt正确编译和运行程序
** 是否包含别人的代码，抄袭和被抄袭的都是0分
** 期末可能会用软件做自动抄袭检查
** 等这学期最后几周，我们可能统一对所有的作业做自动查重，到时候也会查出一些问题。 请大家一定要自己做，编程能力差一点，就做得简单一点，能力强，就做得好一点。但是一定要自己做。 
* 提交作业命名规则
** 实验报告（姓名学号.pdf）
** 附件（姓名学号.zip）

== 实验报告word模板 ==
* [[:文件:ir-2022-spring-report.doc]]

== 具体内容（含作业：平时：30 分；实验：70 分） ==

{| class="wikitable"
! style="text-align:left;"| 作业
! 成绩比例
! 评分要点
|-
| 分字
| 5%
| 按字节读取并判断高位
|-
| 单词计数
| 5%
| 无
|-
| 最大匹配分词
| 10%
| 算法和评价正确实现
|-
| 网页正文抽取
| 10%
| 按要求完成两个任务
|-
| 倒排索引
| 15%
| 高效创建倒排文件
|-
| 布尔查询
| 10%
| inter和union的复杂度为O(n)，复杂查询用堆栈判断优先级
|-
| 网页相关性排序
| 15%
| 基于向量空间模型VSM、tf-idf权重
|-
| 爬虫和某机构主页检索系统
| 15%
| 实现爬虫，系统架构设计良好，说明文档详细，UI完整
|-
| 基于深度学习的检索系统
| 15%
| Contriever：重现部分实验结果；自己实现评价指标；在上一个作业中的爬虫和检索系统的基础上，自己设计、标注 10 个 query，对比向量空间模型VSM 和Contriever 的效果，给出评价结果。建议：VSM 给 100 个结果，然后 Contriever 重排序，然后人工标注，具体如何标注更合理，自己考虑好。
|-
|}

== 信息检索课程介绍 ==
* [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/ir-introduction-v0.4.pdf PPT下载]
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-low-quality.mp4 课程介绍]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-part-1.mp4 课程介绍-part1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-part-2.mp4 课程介绍-part2]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro.jpg 图]

* 和2022年课程的区别：增加了'''基于深度学习的检索'''的内容，删除'''词性标注'''相关内容

== 信息检索系统介绍 ==
* 2022春视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/intro-to-info-retrieval.mp4 信息检索系统介绍]

= 具体作业 =

== 作业1：分字（C++语言） ==
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-low-quality.mp4 作业1]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-part-1.mp4 作业1-part1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-part-2.mp4 作业1-part2]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-figure-1.jpg 图1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-figure-2.jpg 图2]
* UTF-8数据：[[文件:sentence.txt]]
* UFT-8编码规则：【2003 年发布的RFC 3629标准中，已经废除了 5-6 个字节，所以只用考虑 1-4 个字节的情况。感谢曹诗伟同学指出错误。】
<nowiki>
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx </nowiki>

== 作业2：单词计数 ==
* 课件 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/word-count.pdf PPT下载]
* 2022春视频：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-count-low-quality.mp4 作业2]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-count-2.mp4 作业2]
* 数据 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/sample-en.txt txt下载]

== 作业3：最大匹配分词 ==
* 作业提交时间截止时间：第4周下课之前提交
* 课件：前向最大匹配 PDF文件--[[文件:Word-seg-max-match.pdf]]；PPT文件--[[文件:Word-seg-max-match.zip]]
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match-low-quality.mp4 作业3]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match.mp4 作业3]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match.jpg 图]

* 数据下载：
** 字典：[[文件:dict.txt]]
** 待分词：[[文件:sentence.txt]]
** 正确答案（人工标注的，你的模型的预测结果要和这个文件进行对比，从而得到P/R/F值）：[[文件:answer.txt]]；
** 正向最大匹配分词模型的预测结果（如果你的程序写对了，那么应该和这个结果一模一样）：[[文件:out.txt]]

<nowiki>
*正确实验结果
**正确识别的词数：20263
**识别出的总体个数：20397
**测试集中的总体个数：20454
**正确率：0.99343
**召回率：0.99066
**F值：0.99204 </nowiki>

== 作业4：网页正文抽取 ==

* 作业提交时间截止时间：第 6 周下课前提交
* 2022春视频： [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-content-extraction.mp4 作业4]
* 课件（请严格按照课件要求完成作业）：
** [[:文件:ir-2022-spring-web-page-content-extraction.ppt]]
** [[:文件:ir-2022-spring-web-page-content-extraction.pdf]]
* 数据
** 1.html和2.html [[:文件:ir-2022-spring-example-html.zip]]
** data-1k：1000个html文件 [[:文件:ir-2022-spring-all-html.zip]] （如果文件出现乱码，请到qq群里下载）

== 作业5：倒排索引 ==

* 作业提交时间截止时间：第8周下课前提交
* 课件：
** 仅供参考，与本次作业要求无关：[[:文件:ir-2022-spring-inverted-index-simplified.ppt]]
* 2022春视频和图片：
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/inverted-index.mp4 作业5]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/inverted-index.jpg 图]
* 数据
** 停用词表：[https://github.com/goto456/stopwords github网址] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/stopwords.zip 苏大本地下载]
** 结巴词典：[https://github.com/fxsjy/jieba/tree/master/extra_dict github网址] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word_dict.zip 苏大本地下载]
** 结巴词典文件每一行有3列，为：单词、词频、词性，只需要使用第一列的单词即可，使用small进行调试，提交作业用big

== 作业6：布尔查询 ==

* 作业提交时间截止时间：第 10 周下课前提交
* 2022春视频和图片：
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/bool-query.mp4 作业6]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/bool-query.jpg 图]
* 作业提交说明：
** 附件中给出本次作业使用的倒排索引文件（可以在作业5的基础上进行优化），不需要提供构建倒排索引的代码，但在实验报告中给出倒排索引文件的说明，参考侯皓文同学
** 交集、并集操作用inter()、union()这两个函数单独封装
** 对4个语句 'A', 'B', 'A AND B', 'A OR B' （A、B为自定义的查询词）分别进行一次查询，每次的查询结果单独保存到一个txt文件中，以查询语句作为文件名（如 'A AND B.txt'`）
** 结果展示部分，文件按名字字母序排序：指字符序（用内置的sort即可），先用pinyin包转成拼音再排序也可以，不要自行改变文件名（如阿大.txt -> 34.txt）
** 实现更复杂的查询，如：'A AND B OR C' 可以加分
** 查询词的加重（用#标记）不做强制要求，但做了加分

== 作业7：基于向量空间模型（VSM）和tf-idf权重的网页相关性排序 ==

* 作业提交时间截止时间：第 12 周之前提交
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank.mp4 作业7]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank-1.jpg 图片1] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank-2.jpg 图片2]
* 作业要求：
** 如果无法理解向量空间模型，可以选择做tf-idf作业，但最多只给50分
** 实现基于向量空间模型的网页相关性排序
** 给定一个查询Q：可以是手动用空格分好词的"李正华招收学生"；也可以是未分词的"李正华招收学生"，之后用最大匹配分词分好词 -> "李正华招收学生"
** 注释：一个给定分词的查询Q实际上等价于布尔查询OR："李正华招收学生" <=> "李正华 OR 招收 OR 学生"
* 作业提交说明：
** 附件中给出本任务所使用的倒排索引文件
** 在实验报告中说明对于余弦相似度计算中的：di[k]、q[k]、|di|、|q|是如何处理或存储的
** 附件中给出一个查询Q的结果，保存为文本文件"Q.txt"中，格式为：

文档名1（余弦相似度Sim） # Sim值可不除以|q|的值，一个例子：阿鲁巴岛.txt(0.64)
句子1
句子2
...
文档名2（余弦相似度Sim）
句子1
句子2
...
......

== 作业8：爬虫和某机构主页检索系统（综合项目） ==

* 作业提交时间截止时间：第14 周下课之前提交
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-spider.mp4 作业8]
** PPT：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-spider.pptx PPT]
* 任务一：用爬虫模块尽量完整地爬下来一个机构对应的所有静态网页（html或htm后缀），保存到磁盘中：
** 苏大、苏大计算机学院（规模小一点）都可以
** orphan网页不用考虑
* 任务二：基于爬取的网页，做一个完整的检索系统（以后可以考虑不断完善、定时更新）：
** 1. 网页正文提取模块（同作业4的实战部分一致）
** 2. 处理网页正文的分句、分词模块（可以用作业3的最大匹配分词，也可以用第三方的分词器，如jieba）
** 3. 倒排索引模块：基于处理好的网页正文，建立倒排索引文件（同作业5一致）
** 4. 网页排序模块：实现网页相关性排序（同作业7一致）
** 5. 查询模块：提供查询接口，用户输入查询词后显示网页名（暂定为网页的title），和包含查询词的句子，查询词进行highlight处理（如#查询词#）。查询接口可以用命令行实现，提供前端UI界面（Web或Application都可以）会获得加分。

注意：把网页源文件（html文件）保存好，避免重复爬。例如优化了网页正文提取模块、或突然想用一个更好的分词器

* 作业提交说明：
** 源代码：任务一和任务二的所有代码都要提交，每个模块（共6个，在上方已用红色标出）在readme中指明在哪个python文件中实现的
** 处理好的网页数据（可选）：原始网页，提取出并分好句、分好词的网页正文，若网页数据特别大的话可以不要
** 在实验报告中将三项统计信息放到表格中：网页（文档）数、句子数、单词数
** 倒排索引文件（必备）
** 说明文档：(每个模块的)实现的功能，如何使用，接口等，内容不限

== 作业9：深度学习方法&检索结果的评价 ==
* 作业提交时间截止时间：第16 周下课之前提交
* 要求
** 账号环境，跑推理代码，重现完成部分实验。
*** 具体要跑哪些实验，请看文档最后的表格：[https://resplendent-gumdrop-ad2cd4.netlify.app/contriever-ir-course-assignment/ 具体文档]
** 自己实现评价指标，自己的评价指标的结果，和contriever 的结果一致。
** VSM和 Contriever 的对比
<nowiki> 针对自己实现的“苏大计算机官网搜索引擎”，去对比VSM和Contriever的效果。
自己设计10个难度不同的 query，然后 VSM 返回 50 个结果，把这 50 个结果随机打乱顺序（这一步很重要），然后人工做一个标注（给一个排序）【如果觉得 10 个 query 太多，5 个也行】
Contriever对 50 个结果重排序
比较两种方法的结果：NDCG@5 NDCG@10 NDCG@20等
如果有能力、有时间，可以分析下：什么样的query，VSM 做得好；什么样的 query，Contriever 做得好。 </nowiki>
** 实验报告体现出自己做了什么、遇到的困难及如何解决。

* 参考资料
** 上面的文档
** 微信公众号”语析LAGroup“中 contriever 论文解读
** contriever 原文

== 时间表 ==

<nowiki>
3.5 第1周
3.12 第2周

xxx
3.25 第5周
4.1 第6周
4.29 第10周
5.6 第11周
5.27 第14周
6.3 第15周
6.17 第17周

1 08:00-08:45
2 08:50-09:35
3 09:55-10:40
4 10:45-11:30
5 11:35-12:20
6 14:00-14:45
7 14:50-15:35 【休息5分钟，+15分钟】
8 15:55-16:40
9 16:45-17:30 【17:15】

考虑来2-3 次考试。
闭卷考试，比较正式的那种。在机房里就行。然后拍照留存？

2次考试的方案：
倒排搞完考一次
最后一次

3次考试的方案：
最大匹配分词搞完，考一次
布尔查询搞完考一次
最后一次

上机课9 个作业，实验报告，主要是形式审查，占比比较低。要根据考试的成绩，然后加权得到每一次作业的成绩。
最后，9 个作业再按照一定比例，得到实验成绩。

</nowiki>

Ir-2026-spring

2026-03-20T06:26:28Z

LA-share：/* 提交作业说明 */

= 信息检索综合实践 =

李正华

* 学生：计23计科1班
* 助教：吕喆、梅睿桐
* QQ群: xx
* 时间：周四 6-9 节课 1-17 周
* 地点：理工楼238

== 上课基本要求 ==
* 不能做的事情：打游戏、看课程无关视频、刷网页
* 认真读作业要求，按时交作业。csteaching
* 不能抄袭别人或网上的，自己做；不要把自己的作业给别人

== 课程建议 ==
* 每个作业，截止时间后，把成绩发给大家，并用ppt给大家讲一下批作业发现的问题，题目分析
* 上课期间：请大家积极提问。遇到大家都无法理解的公共问题，我会补充讲解
* 非上课时间提问
** 建议同学们在群里提问（包括但不限于代码的bug、不理解算法、作业资源和提交等），由其他同学帮助解答；
** 群里的提问如果其他同学也无法回答，可以私信助教（仅限xxx，如周四晚上7点到9点，吕喆增加）；

== 计算成绩的规则和说明（待定） ==
* 核心要求：掌握最基本的概念、方法、算法
* 实验作业：70分
** 一系列作业，每个作业 5-15分（形式检查为辅、平时考核为主）
*** 平时考核：考察课程相关的基础知识，看看作业是否是自己做的
** 必须按照规定时间，按照规定格式要求，将实验报告+源代码，提交到网站（见下面）中
* 平时成绩：30分
** 不能迟到、早退，特殊情况必须请假，并带辅导员签字的假条；
** 签到表：除了姓名，还要写一下进展

== 提交作业说明 ==
* 作业网址：本学期开始的实验布置、提交与批改等不再使用csteaching平台，统一改用工程认证管理系统。请各位老师通过工程认证管理系统（网址[http://42.244.43.76:8000/ http://42.244.43.76:8000/]）开展实验布置、批改等相关工作，并烦请同步通知班级学生在该系统完成实验提交。
* 作业迟交了则最终成绩会按一定比例缩减
* 以.zip压缩包形式提交，需包含以下内容
** 源代码：代码不要都团在一起，请用空行对代码进行分隔，并简单注释代码块的功能
** readme.txt文件：说明如何运行你的程序，需要什么环境，如windows或linux，python版本如python3.5
** 实验报告（pdf文件，请把word转为pdf）
*** 请按照实验模版[[:文件:ir-2022-spring-report.doc]]，认真填写个人信息、实验题目、实验内容等
*** 不要大段粘贴代码，最多可以粘贴核心的一小段代码，粘贴大段代码会扣分
*** 写清楚自己的解决思路，尤其是遇到的难点和如何解决
*** 建议可以画流程图或者写伪代码。
*** 解决思路的流程图中是以文字为主还是以代码为主？报告中不要直接放代码。文字为主，不在于写得长，而在于写清楚，表明你确实做了、想了。
*** 问：流程图可以改成自然语言描述或者是伪代码吗？答：流程图也可以画的很high-level的。大家自由发挥。也可以画到纸上然后拍照截图。模块化思维大问题分解小问题。
*** 将程序运行结果截图，没有运行结果会扣分，中间的输出结果/文件可以截图一部分
* 提交前自我检查
** 是否有包含readme.txt文件解释如何编译执行你的程序。 如没有该文件，将减分。
** 是否认真完成实验报告
** 是否可以按照readme.txt正确编译和运行程序
** 是否包含别人的代码，抄袭和被抄袭的都是0分
** 期末可能会用软件做自动抄袭检查
** 等这学期最后几周，我们可能统一对所有的作业做自动查重，到时候也会查出一些问题。 请大家一定要自己做，编程能力差一点，就做得简单一点，能力强，就做得好一点。但是一定要自己做。 
* 提交作业命名规则
** 实验报告（姓名学号.pdf）
** 附件（姓名学号.zip）

== 实验报告word模板 ==
* [[:文件:ir-2022-spring-report.doc]]

== 具体内容（含作业：平时：30 分；实验：70 分） ==

{| class="wikitable"
! style="text-align:left;"| 作业
! 成绩比例
! 评分要点
|-
| 分字
| 5%
| 按字节读取并判断高位
|-
| 单词计数
| 5%
| 无
|-
| 最大匹配分词
| 10%
| 算法和评价正确实现
|-
| 网页正文抽取
| 10%
| 按要求完成两个任务
|-
| 倒排索引
| 15%
| 高效创建倒排文件
|-
| 布尔查询
| 10%
| inter和union的复杂度为O(n)，复杂查询用堆栈判断优先级
|-
| 网页相关性排序
| 15%
| 基于向量空间模型VSM、tf-idf权重
|-
| 爬虫和某机构主页检索系统
| 15%
| 实现爬虫，系统架构设计良好，说明文档详细，UI完整
|-
| 基于深度学习的检索系统
| 15%
| Contriever：重现部分实验结果；自己实现评价指标；在上一个作业中的爬虫和检索系统的基础上，自己设计、标注 10 个 query，对比向量空间模型VSM 和Contriever 的效果，给出评价结果。建议：VSM 给 100 个结果，然后 Contriever 重排序，然后人工标注，具体如何标注更合理，自己考虑好。
|-
|}

== 信息检索课程介绍 ==
* [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/ir-introduction-v0.4.pdf PPT下载]
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-low-quality.mp4 课程介绍]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-part-1.mp4 课程介绍-part1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro-part-2.mp4 课程介绍-part2]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/course-intro.jpg 图]

* 和2022年课程的区别：增加了'''基于深度学习的检索'''的内容，删除'''词性标注'''相关内容

== 信息检索系统介绍 ==
* 2022春视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/intro-to-info-retrieval.mp4 信息检索系统介绍]

= 具体作业 =

== 作业1：分字（C++语言） ==
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-low-quality.mp4 作业1]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-part-1.mp4 作业1-part1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-part-2.mp4 作业1-part2]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-figure-1.jpg 图1]、 [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/split-char-figure-2.jpg 图2]
* UTF-8数据：[[文件:sentence.txt]]
* UFT-8编码规则：【2003 年发布的RFC 3629标准中，已经废除了 5-6 个字节，所以只用考虑 1-4 个字节的情况。感谢曹诗伟同学指出错误。】
<nowiki>
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx </nowiki>

== 作业2：单词计数 ==
* 课件 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/word-count.pdf PPT下载]
* 2022春视频：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-count-low-quality.mp4 作业2]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-count-2.mp4 作业2]
* 数据 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/sample-en.txt txt下载]

== 作业3：最大匹配分词 ==
* 作业提交时间截止时间：第4周下课之前提交
* 课件：前向最大匹配 PDF文件--[[文件:Word-seg-max-match.pdf]]；PPT文件--[[文件:Word-seg-max-match.zip]]
* 2022春视频和图片：
** 低画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match-low-quality.mp4 作业3]
** 高画质：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match.mp4 作业3]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word-seg-max-match.jpg 图]

* 数据下载：
** 字典：[[文件:dict.txt]]
** 待分词：[[文件:sentence.txt]]
** 正确答案（人工标注的，你的模型的预测结果要和这个文件进行对比，从而得到P/R/F值）：[[文件:answer.txt]]；
** 正向最大匹配分词模型的预测结果（如果你的程序写对了，那么应该和这个结果一模一样）：[[文件:out.txt]]

<nowiki>
*正确实验结果
**正确识别的词数：20263
**识别出的总体个数：20397
**测试集中的总体个数：20454
**正确率：0.99343
**召回率：0.99066
**F值：0.99204 </nowiki>

== 作业4：网页正文抽取 ==

* 作业提交时间截止时间：第 6 周下课前提交
* 2022春视频： [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-content-extraction.mp4 作业4]
* 课件（请严格按照课件要求完成作业）：
** [[:文件:ir-2022-spring-web-page-content-extraction.ppt]]
** [[:文件:ir-2022-spring-web-page-content-extraction.pdf]]
* 数据
** 1.html和2.html [[:文件:ir-2022-spring-example-html.zip]]
** data-1k：1000个html文件 [[:文件:ir-2022-spring-all-html.zip]] （如果文件出现乱码，请到qq群里下载）

== 作业5：倒排索引 ==

* 作业提交时间截止时间：第8周下课前提交
* 课件：
** 仅供参考，与本次作业要求无关：[[:文件:ir-2022-spring-inverted-index-simplified.ppt]]
* 2022春视频和图片：
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/inverted-index.mp4 作业5]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/inverted-index.jpg 图]
* 数据
** 停用词表：[https://github.com/goto456/stopwords github网址] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/stopwords.zip 苏大本地下载]
** 结巴词典：[https://github.com/fxsjy/jieba/tree/master/extra_dict github网址] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/word_dict.zip 苏大本地下载]
** 结巴词典文件每一行有3列，为：单词、词频、词性，只需要使用第一列的单词即可，使用small进行调试，提交作业用big

== 作业6：布尔查询 ==

* 作业提交时间截止时间：第 10 周下课前提交
* 2022春视频和图片：
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/bool-query.mp4 作业6]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/bool-query.jpg 图]
* 作业提交说明：
** 附件中给出本次作业使用的倒排索引文件（可以在作业5的基础上进行优化），不需要提供构建倒排索引的代码，但在实验报告中给出倒排索引文件的说明，参考侯皓文同学
** 交集、并集操作用inter()、union()这两个函数单独封装
** 对4个语句 'A', 'B', 'A AND B', 'A OR B' （A、B为自定义的查询词）分别进行一次查询，每次的查询结果单独保存到一个txt文件中，以查询语句作为文件名（如 'A AND B.txt'`）
** 结果展示部分，文件按名字字母序排序：指字符序（用内置的sort即可），先用pinyin包转成拼音再排序也可以，不要自行改变文件名（如阿大.txt -> 34.txt）
** 实现更复杂的查询，如：'A AND B OR C' 可以加分
** 查询词的加重（用#标记）不做强制要求，但做了加分

== 作业7：基于向量空间模型（VSM）和tf-idf权重的网页相关性排序 ==

* 作业提交时间截止时间：第 12 周之前提交
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank.mp4 作业7]
** 图片：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank-1.jpg 图片1] [http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-page-rank-2.jpg 图片2]
* 作业要求：
** 如果无法理解向量空间模型，可以选择做tf-idf作业，但最多只给50分
** 实现基于向量空间模型的网页相关性排序
** 给定一个查询Q：可以是手动用空格分好词的"李正华招收学生"；也可以是未分词的"李正华招收学生"，之后用最大匹配分词分好词 -> "李正华招收学生"
** 注释：一个给定分词的查询Q实际上等价于布尔查询OR："李正华招收学生" <=> "李正华 OR 招收 OR 学生"
* 作业提交说明：
** 附件中给出本任务所使用的倒排索引文件
** 在实验报告中说明对于余弦相似度计算中的：di[k]、q[k]、|di|、|q|是如何处理或存储的
** 附件中给出一个查询Q的结果，保存为文本文件"Q.txt"中，格式为：

文档名1（余弦相似度Sim） # Sim值可不除以|q|的值，一个例子：阿鲁巴岛.txt(0.64)
句子1
句子2
...
文档名2（余弦相似度Sim）
句子1
句子2
...
......

== 作业8：爬虫和某机构主页检索系统（综合项目） ==

* 作业提交时间截止时间：第14 周下课之前提交
** 视频：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-spider.mp4 作业8]
** PPT：[http://hlt.suda.edu.cn/LA/Ir-2022-Spring/web-spider.pptx PPT]
* 任务一：用爬虫模块尽量完整地爬下来一个机构对应的所有静态网页（html或htm后缀），保存到磁盘中：
** 苏大、苏大计算机学院（规模小一点）都可以
** orphan网页不用考虑
* 任务二：基于爬取的网页，做一个完整的检索系统（以后可以考虑不断完善、定时更新）：
** 1. 网页正文提取模块（同作业4的实战部分一致）
** 2. 处理网页正文的分句、分词模块（可以用作业3的最大匹配分词，也可以用第三方的分词器，如jieba）
** 3. 倒排索引模块：基于处理好的网页正文，建立倒排索引文件（同作业5一致）
** 4. 网页排序模块：实现网页相关性排序（同作业7一致）
** 5. 查询模块：提供查询接口，用户输入查询词后显示网页名（暂定为网页的title），和包含查询词的句子，查询词进行highlight处理（如#查询词#）。查询接口可以用命令行实现，提供前端UI界面（Web或Application都可以）会获得加分。

注意：把网页源文件（html文件）保存好，避免重复爬。例如优化了网页正文提取模块、或突然想用一个更好的分词器

* 作业提交说明：
** 源代码：任务一和任务二的所有代码都要提交，每个模块（共6个，在上方已用红色标出）在readme中指明在哪个python文件中实现的
** 处理好的网页数据（可选）：原始网页，提取出并分好句、分好词的网页正文，若网页数据特别大的话可以不要
** 在实验报告中将三项统计信息放到表格中：网页（文档）数、句子数、单词数
** 倒排索引文件（必备）
** 说明文档：(每个模块的)实现的功能，如何使用，接口等，内容不限

== 作业9：深度学习方法&检索结果的评价 ==
* 作业提交时间截止时间：第16 周下课之前提交
* 要求
** 账号环境，跑推理代码，重现完成部分实验。
*** 具体要跑哪些实验，请看文档最后的表格：[https://resplendent-gumdrop-ad2cd4.netlify.app/contriever-ir-course-assignment/ 具体文档]
** 自己实现评价指标，自己的评价指标的结果，和contriever 的结果一致。
** VSM和 Contriever 的对比
<nowiki> 针对自己实现的“苏大计算机官网搜索引擎”，去对比VSM和Contriever的效果。
自己设计10个难度不同的 query，然后 VSM 返回 50 个结果，把这 50 个结果随机打乱顺序（这一步很重要），然后人工做一个标注（给一个排序）【如果觉得 10 个 query 太多，5 个也行】
Contriever对 50 个结果重排序
比较两种方法的结果：NDCG@5 NDCG@10 NDCG@20等
如果有能力、有时间，可以分析下：什么样的query，VSM 做得好；什么样的 query，Contriever 做得好。 </nowiki>
** 实验报告体现出自己做了什么、遇到的困难及如何解决。

* 参考资料
** 上面的文档
** 微信公众号”语析LAGroup“中 contriever 论文解读
** contriever 原文

== 时间表 ==

<nowiki>
3.5 第1周
3.12 第2周

xxx
3.25 第5周
4.1 第6周
4.29 第10周
5.6 第11周
5.27 第14周
6.3 第15周
6.17 第17周

1 08:00-08:45
2 08:50-09:35
3 09:55-10:40
4 10:45-11:30
5 11:35-12:20
6 14:00-14:45
7 14:50-15:35 【休息5分钟，+15分钟】
8 15:55-16:40
9 16:45-17:30 【17:15】

考虑来2-3 次考试。
闭卷考试，比较正式的那种。在机房里就行。然后拍照留存？

2次考试的方案：
倒排搞完考一次
最后一次

3次考试的方案：
最大匹配分词搞完，考一次
布尔查询搞完考一次
最后一次

上机课9 个作业，实验报告，主要是形式审查，占比比较低。要根据考试的成绩，然后加权得到每一次作业的成绩。
最后，9 个作业再按照一定比例，得到实验成绩。

</nowiki>