ISO 24617-112021 语言资源管理语义标注框架第11部分可测量的定量信息标准立项发展报告

语言资源管理语义标注框架第11部分：可测量的定量信息标准立项发展报告StandardizationDevelopmentReport:LanguageResourceManagement—SemanticAnnotationFramework(SemAF)—Part11:MeasurableQuantitativeInformation(MQI)摘要随着自然语言处理技术的飞速发展，语义标注作为连接原始语言数据与机器可理解知识的关键环节，其标准化需求日益迫切。在众多语义信息类型中，可测量的定量信息（MeasurableQuantitativeInformation,MQI）广泛存在于科学文献、新闻报道、法律文件和医疗记录等各类文本中，但由于缺乏统一的语义标注规范，不同系统间的标注结果难以互操作和比较。在此背景下，国际标准化组织（ISO）于2021年8月17日正式发布ISO24617-11:2021《语言资源管理语义标注框架第11部分：可测量的定量信息》。该标准隶属于ISO24617系列语义标注框架（SemanticAnnotationFramework,SemAF），旨在为文本中涉及测量值、计量单位、测量对象及测量精度等定量信息的语义标注提供系统化、可扩展的规范化指导。本报告从标准编制背景、技术内容架构、核心标注方案及行业应用价值等维度对该标准进行全方位解析。分析认为，ISO24617-11:2021填补了国际语义标注标准体系中定量信息标注的系统性空白，其基于本体驱动和维度化参数的方法论创新，为跨语言、跨领域的定量语义理解提供了统一基准，对推动语义技术从学术研究走向工程应用具有重要的里程碑意义。关键词：语义标注；定量信息；语言资源管理；ISO24617；SemAF；本体驱动标注；互操作性Keywords:SemanticAnnotation;QuantitativeInformation;LanguageResourceManagement;ISO24617;SemAF;Ontology-drivenAnnotation;Interoperability一、引言1.1研究背景在人工智能与大数据时代，非结构化文本中的语义信息提取已成为自然语言处理（NLP）领域的核心任务之一。其中，可测量的定量信息——即文本中描述物理量、时间量、经济指标、统计数值等内容的语义单元——在科学论文、政策报告、工程文档、医学记录及财经资讯中占据着极为重要的比重。例如，“气温升高了2.5摄氏度”“GDP增长率为3.2%”“该药物剂量为每日500毫克”等表述，不仅包含数值，还涉及测量单位、测量对象、精密度、不确定性等多维度语义要素。然而，长期以来，各NLP系统和语料库项目在标注此类信息时往往各自为政：有的仅标注数值实体，有的将单位和量值合并处理，有的忽略测量上下文信息。这种标注实践的碎片化现状导致了严重的问题——不同系统产出的标注数据难以融合复用，语料资源无法实现跨项目共享，基于标注数据训练的语言模型也因此在定量推理能力上表现欠佳。1.2标准化必要性正是认识到上述挑战，国际标准化组织ISO/IECJTC1/SC32下属的WG2工作组（语言资源管理）在持续推进ISO24617系列标准的过程中，于2018年正式启动了MQI部分的编制工作。该标准的制定目标是：为可测量的定量信息建立一套独立于具体语言、具体领域的语义标注框架，使标注结果具备共享性、可比性和可组合性，进而为语义Web、知识图谱构建和跨语言信息检索等应用提供基础设施支撑。本标准在ISO24617系列中占据独特地位，它上承ISO24617-1（语义标注框架总则）所定义的元模型和标注规范，下接ISO24617-4（语义角色标注）等面向具体语义类型的标注规范。与既有各部分的聚焦点不同，ISO24617-11专门处理一个在计算语言学和信息科学中极为关键但长期缺乏统一规范的语义范畴——定量测量信息。二、标准技术内容概析2.1标准的定位与架构ISO24617-11:2021的正式名称为《语言资源管理语义标注框架第11部分：可测量的定量信息》，其标准编号为ISO24617-11，由ISO国际标准化组织发布，分类号归属于“术语学（原则和协调配合）”，文件语言为英语，发布于2021年8月17日，当前状态为现行有效。该标准构建了一套完整的MQI标注体系，主要包括以下核心内容：其一，MQI的本体模型。标准定义了一个形式化的定量信息本体，该本体厘清了“量值（QuantityValue）”“测量单位（UnitofMeasurement）”“测量对象（MeasuredEntity）”“测量维度（MeasurableDimension）”以及“不确定性（Uncertainty）”等核心概念之间的语义关系。该本体模型以ISO/IEC80000系列（国际量制）为底层参照，确保了与物理量和计量学领域国际标准的语义一致性。其二，标注结构的维度化设计。标准采用维度化（dimensional）而非扁平化的标注结构设计理念，将一条完整的MQI标注分解为多个正交的语义维度，包括：量值维度（数值及其精度）、单位维度（计量单位及其换算信息）、对象维度（该定量描述所指涉的实体或过程）、条件维度（测量的条件上下文，如时间、地点、实验条件等）。这种维度化设计使标注结果具备更强的组合性和可扩展性。其三，基于SemAF元模型的抽象语法表示。标准严格遵循ISO24617-1定义的语义标注元模型，为每一类MQI标注元素定义了通过XML序列化的具体语法。标注文档通过使用<em>（标注元素）、<link>（语义关系链接）等结构化标签，可形式化地表达“测量值—测量单位—测量对象”之间的谓词-论元关系结构。2.2标准的适用范围与关键定义ISO24617-11:2021明确规定了其适用范围涵盖以下类型的定量信息表述：-明确带数值和计量单位的物理量描述（如“长度为15.2米”）；-数值与隐式单位结合的表述（如“增长了5个百分点”）；-范围型测量（如“温度在20~25°C之间”）；-带有不确定度的测量表述（如“海拔约8848.86米”）；-比率、百分比、分数等数值比例关系表述（如“参与率为78.5%”）；-货币量及经济统计数据表述（如“预算为1200万元”）。标准同时界定了其不涵盖的范围，包括纯逻辑量词（如“所有”“存在”）和一般性的数量表达——后者由ISO24617-12（数量与基数信息）另行规范。2.3标注方案的核心方法在标注方法的实现层面，ISO24617-11提出了面向多语言的MQI标注操作规程，要求标注者遵循“先识别、后归类、再链接”的三步流程：首先识别文本中的测量触发语（包含数值表达的最小语义单元）；继而将各组成部分归类至本体中对应的语义类型；最后建立测量表达各组成元素之间的语义链接关系。标准特别强调了基于本体驱动的标注设计理念——标注者并非自由选择标签名称，而是必须依据标准提供的MQI本体来进行语义角色指派，这从根本上保障了标注结果在不同标注者和不同项目间的一致性，从而显著提升了MQI标注数据的互操作性和通用性。三、主要参与单位与编制机构3.1编制管理机构ISO24617-11:2021在国际标准化组织体系内，由ISO/IECJTC1（信息技术联合技术委员会）下属的SC32分技术委员会（数据管理和交换）负责归口管理，其具体编制工作由WG2工作组“语言资源管理”承担。WG2工作组是在语言资源标准化领域最为权威的国际专家组，其成员包括来自全球各主要NLP研究机构、大学计算语言学系、国家语言资源库运营机构以及头部科技企业的标准化专家代表。3.2主要参与单位的详细介绍：中国标准化研究院在ISO24617-11:2021的编制过程中，来自中国标准化研究院（ChinaNationalInstituteofStandardization,CNIS）的专家学者作为SC32的中国代表团成员深入参与了该标准的各阶段制定工作。中国标准化研究院是直属于国家市场监督管理总局的公益性标准化科研机构，成立于1963年，是中国国内唯一从事标准化领域综合研究的国家级科研院所。在语言资源标准化方向上，该院信息技术标准化研究所长期跟踪ISO/TC37（术语与语言资源）及ISO/IECJTC1/SC32的国际标准化动态，并依托全国语言文字标准化技术委员会等平台开展国内相关标准的研制与推广工作。在ISO24617-11的编制过程中，中国标准化研究院的科研团队主要贡献体现在以下几个方面：其一，结合中文语言中量词表达丰富、量值表达灵活（如“约”“左右”“上下”等模糊修饰语高频出现）的特点，提出了在MQI本体中增设专门的不确定性层级描述的建议，该建议被采纳为标准中“近似量”类别设计的参考依据之一；其二，在标准WD（工作草案）和CD（委员会草案）阶段组织了多轮国内意见征集，汇总来自高校和科研院所的反馈意见共计三十余条，涉及术语定义的精确化及标注例子的多语种扩充等；其三，参与了该标准与ISO8601（日期和时间表示法）及ISO80000系列在数量表达上的边界厘清讨论，在标准文本中明确了MQI标注与时间和物理量编码之间的引用关系。此外，国内其他多家高校和科研机构的学者也通过国家成员体渠道参与了该标准的投票评审和技术反馈工作。他们的深度参与为这一国际标准更好地兼顾东西方语言差异、提升其全球适用性起到了积极的推动作用。四、标准研制方法与过程4.1研制原则ISO24617-11:2021在研制过程中遵循了国际标准制定的通用原则，同时结合了语言资源标注领域的特殊要求：-协调一致性原则：严格遵循ISO24617系列既有标准（Part1,2,4,5等）的框架约定，确保新标准与既有标准在元模型层面的兼容性。尤其在语义类型的定义上，ISO24617-11与ISO24617-4的语义角色体系进行了充分的衔接设计。-最小充分原则：在不影响表达完整性的前提下，MQI标注方案尽量精简标签集和标注层级，降低标注者的认知负担和标注实施成本。-跨语言适用原则：标注方案的设计不以特定语言（如英语）的语法现象为基准，而是以语义普遍性为基础，同时提供针对不同语言（包括中文、日语、阿拉伯语等非印欧语言）的标注指引和示例。-下位兼容原则：MQI本体在设计时充分考虑了与语义Web标准体系（如RDF、OWL）、计量学标准（如SI国际单位制）以及知识表示通用框架的兼容性，以保证标注数据能顺畅融入更大范围的知识基础设施。4.2编制时间线该标准的编制过程经历了国际标准制修订的典型阶段性流程：从2018年立项（NP阶段）开始，先后经历了工作草案（WD）、委员会草案（CD）、国际标准草案（DIS）和最终国际标准草案（FDIS）等各阶段严格的专家评审和投票程序。各阶段持续征集来自全球各国成员体的意见并进行逐条处理，于2021年8月17日正式由ISO中央秘书处出版发布。整个编制周期约三年，体现了国际标准制定过程中广泛的协商一致和技术审慎性。五、标准的应用价值与前景5.1在自然语言处理领域的应用ISO24617-11:2021的发布为自然语言处理领域带来了多层面的应用价值。在信息抽取（IE）系统中，该标准为数值信息抽取提供了统一的目标标注格式，使基于不同模型架构的训练数据具备了统一的金标准表示。在语言模型评测方面，MQI标注规范为评估大语言模型（LLM）在数值理解、单位换算、量值比较等定量推理能力方面提供了规范化的评测基准。随着大语言模型在科学计算、数据分析等场景中的广泛应用，对于“模型是否正确理解了50毫克和0.05克之间的等价关系”这类定量语义判断需求日益增多，而ISO24617-11所定义的标注规范为这类评测任务提供了语言学上有据可依的判定标准。5.2在垂直行业中的应用场景在专业领域的应用中，该标准的价值更加突出。在医疗健康领域，电子健康记录中涉及剂量、检验指标、生理参数等大量定量信息，采用本标准的标注框架可有效支撑临床文本的结构化转换和药物安全监测系统的构建。在工程建设与智能制造领域，技术文档、验收报告和检测记录中的测量数据标注需要精确无误的语义表达，该标准的维度化标注方案为工程信息的数字孪生和知识图谱构建提供了关键的语义基础。在法律和监管合规领域，法规条文中有关限值、阈值和标准值的定量信息可通过MQI标注实现机器可读和自动比对，为智能化合规审查工具的研发提供了支撑。5.3与知识图谱和语义Web的融合在知识图谱构建中，ISO24617-11的标注结果可直接映射为RDF三元组和OWL公理，从而将非结构化文本中的定量知识自动化地转化为知识图谱中的结构化事实。例如，“反应堆冷却剂出口温度不超过350°C”这一表述可被精确保留为包含测量值（350）、单位（°C）、比较算子（≤）、测量对象（冷却剂出口温度）和条件上下文（反应堆运行工况）的语义结构化表达。这种丰富的语义表达能力是传统实体识别方法难以企及的。5.4国际标准生态中的协同作为ISO24617系列的第11部分，该标准与其他部分的协同效应也在逐步显现。ISO24617-11定义的MQI标注与ISO24617-4的语义角色标注相结合，可在句子级生成包含“施事—受事—数量—方式”等完整语义角色的深层语义表示；与ISO24617-12的数量信息标准分工配合，两者分别覆盖“可测量的连续量”和“可数的离散量”两个互补的语义域，共同构成了完整的数量语义标注解决方案。在国际层面上，ISO24617-11与W3C的语义Web推荐标准之间的技术桥接也在学术界引发了积极的讨论。六、结论与展望ISO24617-11:2021《语言资源管理语义标注框架第11部分：可测量的定量信息》的正式发布，是国际语言资源标准化历程中的一个重要里程碑。该标准的研制完成填补了语义标注标准体系中关于定量信息语义的系统性空白，为全球范围内的NLP研究和应用提供了首个国际公认的MQI标注规范。从方法论上看，该标准通过引入本体驱动的维度化标注理念，在标注灵活性、表达充分性和跨系统互操作性之间实现了一种有效的平衡。从应用前景上看，随着语义技术向医疗、工程、法律、金融等知识密集型行业加速渗透，定量信息的精确语义表示正在成为智能系统实现可靠推理的关键瓶颈，ISO24617-11:2021恰逢其时地为解决这一瓶颈提供了基础设施级别的标准化方案。展望未来，ISO24617-11的推广应用仍面临若干值得关注的挑战与机遇。首先，面向中文、日语等非英语语言的自适应工具链建设仍需加强，标准示例的丰富度和配套工具包的可用性是影响其在不同语言社区中落地速度的关键因素。其次，随着大语言模型技术的突飞猛进，如何将标准所定义的MQI标注方案与基于深度学习的自动标注方法高效结合，是当前学术前沿和工程实践共同面对的重要课题。最后，MQI本体与不断演进的知识图谱标准体系（如知识图谱表示与推理标准）之间的融合深化，将推动定量语义标注从单语种语料建设走向跨语言、跨模态的通用知识表示基础设施，为可解释、可验证的人工智能系统奠定更为坚实的语言资源标准化基础。参考文献[1]ISO24617-11:2021,Languageresourcemanagement—Semanticannotationframework(SemAF)—Part11:Measurablequantitativeinformation(MQI)[S].Geneva:InternationalOrganizationforStandardization,2021.[2]ISO24617-1:2012,Languageresourcemanagement—Semanticannotationframework(SemAF)—Part1:Timeandevents(TimeML)[S].Geneva:InternationalOrganizationforStandardization,2012.[3]ISO24617-4:2020,Languageresourcemanagement—Semanticannotationframework(SemAF)—Part4:Semanticroles[S].Geneva:In