一种双语语义关系分类模型的建立方法和系统的制作方法
【专利摘要】本发明公开一种双语语义关系分类模型的建立方法及系统。所述方法包括：通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到语义关系分类结果；将所述第一未标注语料翻译为对应于第二语言的第二未标注语料；保存所述第一未标注语料与所述语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；保存所述第二未标注语料与所述语义关系分类结果的对应关系至第二语言分类器的第二训练集。采用本发明的方法或系统，可以减少对大规模训练语料的需求，提高双语语义关系分类模型的建立效率。
【专利说明】一种双语语义关系分类模型的建立方法和系统
【技术领域】
[0001]本发明涉及自然语言处理【技术领域】，特别是涉及一种双语语义关系分类模型的建立方法和系统。
【背景技术】
[0002]命名实体间语义关系抽取(简称实体关系抽取，或关系抽取)是信息抽取领域和自然语言处理领域中的一项重要研究内容。其任务是从自然语言文本中提取出两个命名实体之间所存在的语义关系。如短语“美国总统克林顿的平壤之行”中的两个实体“克林顿”(PER)和“平壤”(GPE)之间，存在的语义关系为物理位置关系(PHYS.located)。
[0003]关系抽取的主要方法是控制机器根据标注语料和未标注语料对于语义关系进行学习，然后建立用于分析语义关系的分类模型。按照对标注语料的需求量由多到少的顺序，可分为指导性学习方法和弱指导学习方法。对于这两种方法，标注语料的数量和质量通常决定了关系抽取的性能，而语料的标注工作需要人工进行，即费力又耗时。
[0004]如何能够提高语义关系分类模型的建立效率，减少语义关系分类对大规模训练语料的需求，是现有技术中亟待解决的问题。
【发明内容】
[0005]本发明的目的是提供一种双语语义关系分类模型的建立方法及系统，能够使一种语言形式下的语料通过翻译转换成另一种语言形式下的语料，帮助另一种语言的语义关系分类，反之亦然，从而减少语义关系分类对大规模训练语料的需求，提高双语语义关系分类模型的建立效率。
[0006]为实现上述目的，本发明提供了如下方案:
[0007]—种双语语义关系分类模型的建立方法，所述方法包括:
[0008]通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到第一语义关系分类结果;
[0009]保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；
[0010]将所述第一未标注语料翻译为对应于第二语言的第二未标注语料；
[0011]保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至第二语言分类器的第二训练集；
[0012]通过所述第二语言分类器对未标注语义关系的对应于所述第二语言的第三未标注语料进行语义关系分类，得到第二语义关系分类结果；
[0013]保存所述第三未标注语料与所述第二语义关系分类结果的对应关系至所述第二训练集；
[0014]将所述第三未标注语料翻译为对应于所述第一语言的第四未标注语料；
[0015]保存所述第四未标注语料与所述第二语义关系分类结果的对应关系至所述第一训练集。
[0016]可选的，所述得到第一语义关系分类结果，具体包括:
[0017]获取所述第一语言分类器对所述第一未标注语料进行语义关系分类得到的多个第一分类结果；
[0018]获取所述多个第一分类结果分别对应的可信度；
[0019]选取可信度最高的第一分类结果作为所述第一语义关系分类结果。
[0020]可选的，所述保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集之后，还包括:
[0021]控制所述第一语言分类器从所述第一训练集中学习所述第一未标注语料与所述第一语义关系分类结果的对应关系，以便完善所述第一语言分类器。
[0022]可选的，所述保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至所述第二语言分类器的第二训练集之后，还包括:
[0023]控制所述第二语言分类器从所述第二训练集中学习所述第二未标注语料与所述语义关系分类结果的对应关系，以便完善所述第二语言分类器。
[0024]可选的，所述第一语言为中文，所述第二语言为英文。
[0025]一种双语语义关系分类模型的建立系统，所述系统包括:
[0026]第一分类模块,用于通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到第一语义关系分类结果；
[0027]第一保存模块，用于保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；
[0028]第一翻译模块，用于将所述第一未标注语料翻译为对应于第二语言的第二未标注语料；
[0029]第二保存模块，用于保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至第二语言分类器的第二训练集；
[0030]第二分类模块，用于通过所述第二语言分类器对未标注语义关系的对应于所述第二语言的第三未标注语料进行语义关系分类，得到第二语义关系分类结果；
[0031]第三保存模块，用于保存所述第三未标注语料与所述第二语义关系分类结果的对应关系至所述第二训练集；
[0032]第二翻译模块，用于将所述第三未标注语料翻译为对应于所述第一语言的第四未标注语料；
[0033]第四保存模块，用于保存所述第四未标注语料与所述第二语义关系分类结果的对应关系至所述第一训练集。
[0034]可选的，所述第一分类模块，具体包括:
[0035]分类结果获取单元，用于获取所述第一语言分类器对所述第一未标注语料进行语义关系分类得到的多个第一分类结果；
[0036]可信度获取单元，用于获取所述多个第一分类结果分别对应的可信度；
[0037]分类结果选取单元，用于选取可信度最高的第一分类结果作为所述第一语义关系分类结果。
[0038]可选的，还包括:[0039]第一控制模块，用于在保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集之后，控制所述第一语言分类器从所述第一训练集中学习所述第一未标注语料与所述第一语义关系分类结果的对应关系，以便完善所述第一语言分类器。
[0040]可选的，还包括:
[0041]第二控制模块，用于在保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至所述第二语言分类器的第二训练集之后，控制所述第二语言分类器从所述第二训练集中学习所述第二未标注语料与所述语义关系分类结果的对应关系，以便完善所述第二语言分类器。
[0042]可选的，所述第一语言为中文，所述第二语言为英文。
[0043]根据本发明提供的具体实施例，本发明公开了以下技术效果:
[0044]本发明实施例的双语语义关系分类模型的建立方法及系统，通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到语义关系分类结果，将所述第一未标注语料翻译为对应于第二语言的第二未标注语料，保存所述第一未标注语料与所述语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；保存所述第二未标注语料与所述语义关系分类结果的对应关系至第二语言分类器的第二训练集，可以将一种语言分类器的分类结果，作为另一种语言分类器的分类结果，在实际操作中，只对一种语言形式下的一个语料进行语义关系分析，就可以生成两种语言形式下的语料及分类结果，减少对大规模训练语料库的需求，提高了双语语义关系分类模型的建立效率。
[0045]此外，本发明实施例的双语语义关系分类模型的建立方法及系统，在将第一种语言分类器的分类结果，作为第二种语言分类器的分类结果的同时，还将第二种语言分类器的分类结果，作为第一种语言分类器的分类结果，可以同时对两种不同语言的语料进行处理，因此可以提高两种不同语言的语义关系分类模型的建立效率。
【专利附图】
【附图说明】
[0046]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0047]图1为本发明的双语语义关系分类模型的建立方法实施例1的流程图；
[0048]图2为本发明的双语语义关系分类模型的建立系统实施例的结构图。
【具体实施方式】
[0049]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0051]图1为本发明的双语语义关系分类模型的建立方法实施例1的流程图。如图1所示，该方法可以包括:
[0052]步骤101:通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到语义关系分类结果；
[0053]所述语义关系指的是某一个句子或短语中出现的命名实体之间的语义关系。所述语料可以是指一个句子或短语。所述第一语言可以是中文、英文、日文或者法文等各种语言。每个语料都具有对应的语义关系分类结果。语义关系类型明确的语料，可以作为分类器对语义关系类型未确定的语料进行语义关系分类的依据。
[0054]其中，未标注语义关系的第一未标注语料就是语义关系类型未确定的语料。
[0055]步骤102:保存所述第一未标注语料与所述语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；
[0056]所述第一训练集中，存储有语义关系已经确定的第一语料。从所述第一未标注语料与所述语义关系分类结果的对应关系中选取一部分可靠性最高(大于预设阈值)的，保存至所述第一训练集，可以增加第一训练集中的语义关系已经确定的第一语料的数量，完善第一训练集的样本。第一语言分类器在后续对语义关系类型不确定的语料采用完善后的第一训练集进行语义类型分析，可以提高分类准确度。
[0057]步骤103:将所述第一未标注语料中可靠性最高的一部分翻译为对应于第二语言的第二未标注语料；
[0058]所述第二语言也可以是中文、英文、日文或者法文等各种语言。所述第二语言与所述第一语言不同。
[0059]可以采用各种翻译软件，通过机器将第一语言的第一未标注语料翻译成第二语言的第二未标注语料。
[0060]步骤104:保存所述第二未标注语料与所述语义关系分类结果的对应关系至第二语言分类器的第二训练集。
[0061]所述第二训练集中，存储有语义关系已经确定的第二语料。将所述第二未标注语料与所述语义关系分类结果的对应关系保存至所述第二训练集，可以增加第二训练集中的语义关系已经确定的第二语料的数量，完善第二训练集的样本。第二语言分类器在后续对语义关系类型不确定的语料采用完善后的第二训练集进行语义类型分析，可以提高分类准确度。
[0062]步骤105:通过所述第二语言分类器对未标注语义关系的对应于所述第二语言的第三未标注语料进行语义关系分类，得到第二语义关系分类结果；
[0063]步骤106:保存所述第三未标注语料与所述第二语义关系分类结果的对应关系至所述第二训练集；
[0064]步骤107:将所述第三未标注语料翻译为对应于所述第一语言的第四未标注语料；
[0065]步骤108:保存所述第四未标注语料与所述第二语义关系分类结果的对应关系至所述第一训练集。
[0066]其中，步骤105至108与步骤101至104的原理基本相同，通过步骤105至108，可以同时将第二语言分类器对第三未标注语料的语义关系分类结果转化为第一语言分类器中可以使用的分类结果，进一步提高分类模型的建立效率。
[0067]综上所述，本实施例的双语语义关系分类模型的建立方法，通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到语义关系分类结果，将所述第一未标注语料翻译为对应于第二语言的第二未标注语料，保存所述第一未标注语料与所述语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；保存所述第二未标注语料与所述语义关系分类结果的对应关系至第二语言分类器的第二训练集，可以将一种语言分类器的分类结果，作为另一种语言分类器的分类结果，在实际操作中，只对一种语言形式下的一个语料进行语义关系分析，就可以生成两种语言形式下的语料及分类结果，提高了双语语义关系分类模型的建立效率。
[0068]此外，本发明实施例的双语语义关系分类模型的建立方法，在将第一种语言分类器的分类结果，作为第二种语言分类器的分类结果的同时，还将第二种语言分类器的分类结果，作为第一种语言分类器的分类结果，可以同时对两种不同语言的语料进行处理，因此可以提高两种不同语言的双语语义关系分类模型的建立效率。
[0069]还需要说明的是，对于某种语言形式的语料，如果只采用该语言形式进行语义关系分类，有时是比较困难的。例如，“The3rd infantry has punched through Karbala”这一英文语料中，对“The3rd infantry”与“Karbala”之间的语义关系进行分类是比较困难的。而对于该语料的中文译文“第3步兵团已经穿过卡尔巴拉”，就可以相对容易的识别“第3步兵团”和“卡尔巴拉”之间为物理位置关系(PHYS.Located)。再例如，在中文语料“携带自动武器的武装分子”中，“武装分子”与“自动武器”之间的语义关系相对不易分类。而在该语料的英文译文“militants with automatic weapons”中，就可以相对容易地识别出两个实体“militants”和“weapons”之间存在的使用关系(ART.U0IM)o
[0070]采用本发明的双语语义关系分类模型的建立方法，还可以将某种语言形式下容易分类的语料的分类结果，转换为另一种语言形式下的不易分类的语料的分类结果，从这个角度也可以提高双语语义关系分类模型的建立效率。
[0071]实际应用中，所述得到语义关系分类结果，具体可以包括:
[0072]获取所述第一语言分类器对所述第一未标注语料进行语义关系分类得到的多个第一分类结果；
[0073]获取所述多个第一分类结果分别对应的可信度；
[0074]选取可信度最高的第一分类结果作为所述第一语义关系分类结果。
[0075]因为一个语言分类器可以包含多个分类模型。每个分类模型可以计算出语料属于某种分类结果的概率。所述可信度即所述概率。所以，可以将可信度最高的分类结果确定为所述语义关系分类结果。
[0076]实际应用中，为了从所述第一未标注语料中选择一部分分类结果可靠的实例，具体方法为:
[0077]将第一未标注语料中的分类结果的可信度作为该实例的可信度，对所有实例按分类结果的可信度从高到低进行排序，选取最高的一部分实例。
[0078]实际应用中，所述保存所述第一未标注语料与所述语义关系分类结果的对应关系至所述第一语言分类器的第一训练集之后，还可以包括:[0079]控制所述第一语言分类器从所述第一训练集中学习所述第一未标注语料与所述第一语义关系分类结果的对应关系，以便完善所述第一语言分类器。
[0080]具体的，所述第一语言分类器从所述第一训练集中学习所述第一未标注语料与所述第一语义关系分类结果的对应关系，是指将所述第一未标注语料与所述第一语义关系分类结果的对应关系，作为已知的一个该类型(所述分类结果对应的类型)的实例，连同另外的已知的该类型的实例，生成所述分类结果相对应的分类模型。这可以提高该分类模型的分类精度。
[0081]同理，所述保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至所述第二语言分类器的第二训练集之后，还可以包括:
[0082]控制所述第二语言分类器从所述第二训练集中学习所述第二未标注语料与所述第一语义关系分类结果的对应关系，以便完善所述第二语言分类器。
[0083]本发明还公开了一种双语语义关系分类模型的建立系统。图2为本发明的双语语义关系分类模型的建立系统实施例的结构图。如图2所示，该系统可以包括:
[0084]第一分类模块201,用于通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到第一语义关系分类结果；
[0085]第一保存模块202，用于保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；
[0086]第一翻译模块203，用于将所述第一未标注语料翻译为对应于第二语言的第二未标注语料；
[0087]第二保存模块204，用于保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至第二语言分类器的第二训练集。
[0088]第二分类模块205，用于通过所述第二语言分类器对未标注语义关系的对应于所述第二语言的第三未标注语料进行语义关系分类，得到第二语义关系分类结果；
[0089]第三保存模块206，用于保存所述第三未标注语料与所述第二语义关系分类结果的对应关系至所述第二训练集；
[0090]第二翻译模块207，用于将所述第三未标注语料翻译为对应于所述第一语言的第四未标注语料；
[0091]第四保存模块208，用于保存所述第四未标注语料与所述第二语义关系分类结果的对应关系至所述第一训练集。
[0092]所述第一训练集中，存储有语义关系已经确定的第一语料。可以从所述第一未标注语料与所述语义关系分类结果的对应关系中选取一部分可靠性最高(大于预设阈值)的，保存至所述第一训练集。这样可以增加第一训练集中的语义关系已经确定的第一语料的数量，完善第一训练集的样本。
[0093]本实施例的双语语义关系分类模型的建立系统，通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到语义关系分类结果，将所述第一未标注语料翻译为对应于第二语言的第二未标注语料，保存所述第一未标注语料与所述语义关系分类结果的对应关系至所述第一语言分类器的第一训练集；保存所述第二未标注语料与所述语义关系分类结果的对应关系至第二语言分类器的第二训练集，可以将一种语言分类器的分类结果，作为另一种语言分类器的分类结果，在实际操作中，只对一种语言形式下的一个语料进行语义关系分析，就可以生成两种语言形式下的语料及分类结果，提高了双语语义关系分类模型的建立效率。
[0094]此外，本发明实施例的双语语义关系分类模型的建立系统，在将第一种语言分类器的分类结果，作为第二种语言分类器的分类结果的同时，还将第二种语言分类器的分类结果，作为第一种语言分类器的分类结果，可以同时对两种不同语言的语料进行处理，因此可以提高两种不同语言的双语语义关系分类模型的建立效率。
[0095]实际应用中，所述第一分类模块201，具体可以包括:
[0096]分类结果获取单元，用于获取所述第一语言分类器对所述第一未标注语料进行语义关系分类得到的多个第一分类结果；
[0097]可信度获取单元，用于获取所述多个第一分类结果分别对应的可信度；
[0098]分类结果选取单元，用于选取可信度最高的第一分类结果作为所述第一语义关系分类结果。
[0099]实际应用中，所述系统，还可以包括:
[0100]第一控制模块，用于在保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集之后，控制所述第一语言分类器从所述第一训练集中学习所述第一未标注语料与所述第一语义关系分类结果的对应关系，以便完善所述第一语言分类器。
[0101]实际应用中，所述系统，还可以包括:
[0102]第二控制模块，用于在保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至所述第二语言分类器的第二训练集之后，控制所述第二语言分类器从所述第二训练集中学习所述第二未标注语料与所述语义关系分类结果的对应关系，以便完善所述第二语言分类器。
[0103]实际应用中，所述第一语言可以为中文，所述第二语言可以为英文。
[0104]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0105]本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
【权利要求】
1.一种双语语义关系分类模型的建立方法，其特征在于，所述方法包括: 通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到第一语义关系分类结果； 保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集； 将所述第一未标注语料翻译为对应于第二语言的第二未标注语料； 保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至第二语言分类器的第二训练集； 通过所述第二语言分类器对未标注语义关系的对应于所述第二语言的第三未标注语料进行语义关系分类，得到第二语义关系分类结果； 保存所述第三未标注语料与所述第二语义关系分类结果的对应关系至所述第二训练集; 将所述第三未标注语料翻译为对应于所述第一语言的第四未标注语料； 保存所述第四未标注语料与所述第二语义关系分类结果的对应关系至所述第一训练集。
2.根据权利要求1所述的方法，其特征在于，所述得到第一语义关系分类结果，具体包括:` 获取所述第一语言分类器对所述第一未标注语料进行语义关系分类得到的多个第一分类结果； 获取所述多个第一分类结果分别对应的可信度； 选取可信度最高的第一分类结果作为所述第一语义关系分类结果。
3.根据权利要求1所述的方法，其特征在于，所述保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集之后，还包括: 控制所述第一语言分类器从所述第一训练集中学习所述第一未标注语料与所述第一语义关系分类结果的对应关系，以便完善所述第一语言分类器。
4.根据权利要求1所述的方法，其特征在于，所述保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至所述第二语言分类器的第二训练集之后，还包括: 控制所述第二语言分类器从所述第二训练集中学习所述第二未标注语料与所述语义关系分类结果的对应关系，以便完善所述第二语言分类器。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述第一语言为中文，所述第二语言为英文。
6.一种双语语义关系分类模型的建立系统，其特征在于，所述系统包括: 第一分类模块，用于通过第一语言分类器对未标注语义关系的对应于第一语言的第一未标注语料进行语义关系分类，得到第一语义关系分类结果； 第一保存模块，用于保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集； 第一翻译模块，用于将所述第一未标注语料翻译为对应于第二语言的第二未标注语料； 第二保存模块，用于保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至第二语言分类器的第二训练集； 第二分类模块，用于通过所述第二语言分类器对未标注语义关系的对应于所述第二语言的第三未标注语料进行语义关系分类，得到第二语义关系分类结果； 第三保存模块，用于保存所述第三未标注语料与所述第二语义关系分类结果的对应关系至所述第二训练集； 第二翻译模块，用于将所述第三未标注语料翻译为对应于所述第一语言的第四未标注语料； 第四保存模块，用于保存所述第四未标注语料与所述第二语义关系分类结果的对应关系至所述第一训练集。
7.根据权利要求6所述的系统，其特征在于，所述第一分类模块，具体包括: 分类结果获取单元，用于获取所述第一语言分类器对所述第一未标注语料进行语义关系分类得到的多个第一分类结果； 可信度获取单元，用于获取所述多个第一分类结果分别对应的可信度； 分类结果选取单元，用于选取可信度最高的第一分类结果作为所述第一语义关系分类结果。
8.根据权利要求6所述的 系统，其特征在于，还包括: 第一控制模块，用于在保存所述第一未标注语料与所述第一语义关系分类结果的对应关系至所述第一语言分类器的第一训练集之后，控制所述第一语言分类器从所述第一训练集中学习所述第一未标注语料与所述第一语义关系分类结果的对应关系，以便完善所述第一语言分类器。
9.根据权利要求6所述的系统，其特征在于，还包括: 第二控制模块，用于在保存所述第二未标注语料与所述第一语义关系分类结果的对应关系至所述第二语言分类器的第二训练集之后，控制所述第二语言分类器从所述第二训练集中学习所述第二未标注语料与所述语义关系分类结果的对应关系，以便完善所述第二语言分类器。
10.根据权利要求6-9任一项所述的系统，其特征在于，所述第一语言为中文，所述第二语言为英文。
【文档编号】G06F17/28GK103559181SQ201310572760
【公开日】2014年2月5日 申请日期:2013年11月14日 优先权日:2013年11月14日
【发明者】钱龙华, 胡亚楠, 周国栋 申请人:苏州大学