语言空间智能：学科交叉创新的机遇与挑战

吴建华; 魏宁; 张勇生; 张雨霏; 陈远远; 涂浩文; 秦昆; 林珲

doi:10.13203/j.whugis20240351

您当前的位置：

首页 >

文章列表页 >

语言空间智能：学科交叉创新的机遇与挑战

数智时代的社会遥感地理计算 | 更新时间：2026-11-05

- 语言空间智能：学科交叉创新的机遇与挑战
- Linguistic-Spatial Intelligence： Opportunities and Challenges of Interdisciplinary Innovation
- 武汉大学学报（信息科学版） 2026年51卷第1期页码：67-77
- 作者机构：
  
  1.江西师范大学地理与环境学院，江西南昌，330022
  2.江西师范大学语言空间信息科学研究中心，江西南昌，330022
  3.江西师范大学文学院，江西南昌，330022
  4.武汉大学遥感信息工程学院，湖北武汉，430079
- 作者简介：
  
  吴建华，博士，副教授，主要从事空间数据智能集成、地理信息工程、语言空间智能研究。wjhgis@126.com
  张勇生，博士，教授。zhangyshyy@163.com
- 基金信息：
  
  国家社会科学基金重点项目(20AYY005);2023年江西省高校人文社会科学研究一般项目（规划项目）(YY23109);“赣鄱俊才支持计划·高层次高技能领军人才”项目
- DOI：10.13203/j.whugis20240351
  中图分类号： P208
- 收稿：2024-11-05，
  
  纸质出版：2026-01-05
- 稿件说明：
移动端阅览
吴建华,魏宁,张勇生，等.语言空间智能：学科交叉创新的机遇与挑战[J].武汉大学学报（信息科学版）,2026,51(1):67-77.

WU Jianhua,WEI Ning,ZHANG Yongsheng,et al.Linguistic-Spatial Intelligence: Opportunities and Challenges of Interdisciplinary Innovation[J].Geomatics and Information Science of Wuhan University,2026,51(1):67-77.
吴建华,魏宁,张勇生，等.语言空间智能：学科交叉创新的机遇与挑战[J].武汉大学学报（信息科学版）,2026,51(1):67-77. DOI：10.13203/j.whugis20240351

WU Jianhua,WEI Ning,ZHANG Yongsheng,et al.Linguistic-Spatial Intelligence: Opportunities and Challenges of Interdisciplinary Innovation[J].Geomatics and Information Science of Wuhan University,2026,51(1):67-77. DOI：10.13203/j.whugis20240351

摘要

为响应国家语言资源保护开发的迫切需求、顺应科技融合发展趋势，提出了语言空间智能，旨在开拓这一新兴交叉领域。语言空间智能融通语言学、地理学和人工智能，专注于多模态语言数据的信息识别、提取、处理、重构、制图、挖掘分析与智能服务。首先，阐明了语言空间智能的基本内涵，包括概念、内在逻辑、应用领域及核心科学问题等。然后，提炼出了语言空间智能的核心研究内容，介绍了其支撑理论与方法。最后，阐明了该领域面临的机遇与挑战，并探讨实现路径。

Abstract

Objectives

Language

as a fundamental carrier of human civilization

possesses instrumental

cultural

and resource-based attributes

and exerts a profound influence on the development of society and culture. However

the accelerating forces of globalization

modernization

and urbanization have engendered significant challenges to the vitality of linguistic ecosystems. Consequently

the preservation and development of language resources have become an urgent imperative for both the nation and society. In the current era of digital intelligence

the integration of emerging technologies

such as GIS and artificial intelligence (AI)

offers novel technical approaches to language resource protection and development

and provides a new development space for the research on language resources. In response to the urgent national need for language resource protection and development

we propose the nascent field of linguistic-spatial intelligence (LSI). It aims to promote interdisciplinary cooperation

identify areas of academic growth

provide crucial guidance for innovative talent cultivation and cutting-edge societal applications

and ultimately advance the protection and development of language resources.

Methods

We integrate relevant theories and techniques from linguistics

geography

and AI to propose and elaborate on the concept of LSI. First

we clarify the basic connotation of LSI

including its definition

underlying logic

application fields and core scientific issues. Then

in response to the evolving needs of linguistics and geography

both in research and practical application

we propose five core research areas of LSI and outline the theoretical and methodological foundations supporting their development. Finally

we analyze the opportunities and challenges and explore potential pathways for its realization.

Results

The key findings include: (1) LSI is defined as the scientific and technological discipline that studies the fundamental principles

methods

and applications at the intersection of linguistics

geography

and AI. It focuses on the information recognition

extraction

processing

reconstruction

mapping

mining and analysis

and intelligent services of multimodal language data. (2) We reveal the cross-fusion mechanisms and mutual support relationships among linguistics

geography

and AI. (3) The applications of LSI mainly cover three areas: Extracting and reconstructing spatial information from linguistic information

covering spatial information into natural language expressions

and providing intelligent services for integrating and analyzing linguistic and spatial information. (4) The core scientific questions of LSI include: How to spatialize linguistic information

how to intelligently recognize and understand language maps

how to construct language spatiotemporal knowledge graphs

how to effectively model the evolution and variation of language

and how to provide intelligent language services. (5) Five core research areas are proposed: Intelligent extraction and reconstruction of linguistic-spatial information

intelligent interpretation of geographic information on language maps

language spatiotemporal knowledge graphs and intelligent reasoning

language geocomputation and analysis

and the intelligentization of language maps and language GIS. (6) We identify the opportunities for LSI in interdisciplinary integration

technological development

data resources

and application prospects

as well as challenges in innovative theoretical construction and improvement

breakthroughs in key scientific questions

and the transformation and application of research outcomes. Pathways for realization are proposed: Continuous advancement of theoretical construction through integrated practice

promotion of breakthroughs in key technologies through industry-academia collaboration

and facilitation of the transformation and application of outcomes through the integration of government

industry

academia

and research.

Conclusions

This research not only expands the interdisciplinary domain of linguistics

geography

and AI

but also provides a systematic framework for the theory

method

and practice of LSI. As an interdisciplinary study

LSI provides new solutions for the intelligent processing of language data and has broad development prospects. However

this field still faces a series of challenges that require further in-depth exploration and research.

关键词

Keywords

references

曹志耘 . 我国大规模语言调查的成就与启示［J］. 中国语文， 2023 （ 6 ）： 752 - 763 .

CAO Zhiyun . Achievements of Large-Scale Language Investigations in China and Their Inspirations ［J］. Studies of the Chinese Language ， 2023 （ 6 ）： 752 - 763 .

张勇生 . 地理语言学助推语言资源保护开发［EB/OL］.（ 2024-05-21 ）［ 2025-06-20 ］. https：//www.cssn.cn/skgz/bwyc/202405/t20240521_5753586.sh https://www.cssn.cn/skgz/bwyc/202405/t20240521_5753586.sh

tml .

ZHANG Yongsheng . Geolinguistics Facilitates the Conservation and Development of Language Resources ［EB/OL］. （ 2024-05-21 ）［ 2025-06-20 ］. https：//www.cssn.cn/skgz/bwyc/202405/t20240521_5753586.shtml https://www.cssn.cn/skgz/bwyc/202405/t20240521_5753586.shtml .

秦昆，林珲，胡迪，等 . 空间综合人文学与社会科学研究综述［J］. 地球信息科学学报， 2020 ， 22 （ 5 ）： 912 - 928 .

QIN Kun ， LIN Hui ， HU Di ， et al . A Review of Spatially Integrated Humanities and Social Sciences ［J］. Journal of Geo‑Information Science ， 2020 ， 22 （ 5 ）： 912 - 928 .

乐阳，刘瑜，陈云松，等 . 空间和地理计算与计算社会学的融合路径［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 1 ）： 1 - 18 .

YUE Yang ， LIU Yu ， CHEN Yunsong ， et al . Integration Path of Spatial and Geo-Computing and Computational Social Science ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 1 ）： 1 - 18 .

黄河，方树益 . 语言学与数字人文：来自方言测量学者的观察：黄河副研究员访谈［J］. 数字人文研究， 2023 ， 3 （ 3 ）： 27 - 36 .

HUANG He ， FANG Shuyi . Linguistics and Digital Humanities： Observations from Dialectometry Scholars： Interview with Associate Researcher Huang He ［J］. Digital Humanities Research ， 2023 ， 3 （ 3 ）： 27 - 36 .

KONG T L ， YIN S Y ， ZHANG D W ， et al . Dynamic Multi-scale Convolution for Dialect Identification ［C］// Interspeech ， Brno， Czechia ， 2021 .

李铮 . 语种识别中的深度联合学习研究［D］. 厦门：厦门大学， 2021 .

LI Zheng . A Study on the Deep Joint Learning for Language Recognition ［D］. Xiamen ： Xiamen University ， 2021 .

谢可欣，董胡，邹孝，等 . 基于GRU-HMM声学模型的湖南方言辨识［J］. 计算机与数字工程， 2019 ， 47 （ 3 ）： 493 - 496 .

XIE Kexin ， DONG Hu ， ZOU Xiao ， et al . Hunan Dialects Identification Based on GRU-HMM Acoustic Model ［J］. Computer & Digital Engineering ， 2019 ， 47 （ 3 ）： 493 - 496 .

XU F ， DAN Y J ， YAN K Y ， et al . Low-Resource Language Discrimination Toward Chinese Dialects with Transfer Learning and Data Augmentation ［J］. ACM Transactions on Asian and Low‑Resource Language Information Processing ， 2021 ， 21 （ 2 ）： 1 - 21 .

张岸，朱俊锴 . 新一代人工智能驱动下地图学研究的机遇与挑战［J］. 地球信息科学学报， 2024 ， 26 （ 1 ）： 35 - 45 .

ZHANG An ， ZHU Junkai . Opportunities and Challenges of Cartography Research Driven by New Generation Artificial Intelligence ［J］. Journal of Geo‐Information Science ， 2024 ， 26 （ 1 ）： 35 - 45 .

曹志耘 . 汉语方言地图集-词汇卷［M］. 北京：商务印书馆， 2008 .

CAO Zhiyun . Atlas of Chinese Dialects-Vocabulary Volume ［M］. Beijing ： The Commercial Press ， 2008 .

吴建华，魏宁，涂浩文，等 . 面向多种应用的方言微观范围地图的研制：以江西省县域方言分布图制作为例［J］. 现代语言学， 2024 （ 6 ）： 252 - 264 .

WU Jianhua ， WEI Ning ， TU Haowen ， et al . Development of Dialectal Micro-scope Maps for Multiple Applications： A Case Study of Developing County-Level Dialect Distribution Maps in Jiangxi Province ［J］. Modern Linguistics ， 2024 （ 6 ）： 252 - 264 .

吴建华，涂浩文，魏宁，等 . 江西赣方言地理信息系统构建与应用［J］. 地理与地理信息科学， 2024 ， 40 （ 4 ）： 8 - 14 .

WU Jianhua ， TU Haowen ， WEI Ning ， et al . Construction and Application of Geographic Information System for the Gan Dialect in Jiangxi ［J］. Geography and Geo‑Information Science ， 2024 ， 40 （ 4 ）： 8 - 14 .

王莉宁 . 汉语方言中的“平分阴阳”及其地理分布［J］. 语文研究， 2012 （ 1 ）： 46 - 51 .

WANG Lining . “ Equally Dividing Yin and Yang” in Chinese Dialects and Its Geographical Distribution ［J］. Linguistic Research ， 2012 （ 1 ）： 46 - 51 .

张维佳 . 语言地理学学科及其在中国的发展［J］. 语言历史论丛， 2016 （ 1 ）： 12 - 45 .

ZHANG Weijia . Linguistic Geography and Its Progress in China ［J］. Papers on Languages and History ， 2016 （ 1 ）： 12 - 45 .

沈力，冯良珍，中野尚美 . 用GIS手段解读混合方言的成因：以灵石高地为例［J］. 语言教学与研究， 2011 （ 5 ）： 30 - 39 .

SHEN Li ， FENG Liangzhen ， ZHONGYE Shangmei . Explaining the Origin of Mixture Dialects with GIS： The Case of Lingshi Highland ［J］. Language Teaching and Linguistic Studies ， 2011 （ 5 ）： 30 - 39 .

YANG S Z ， SUN X R ， JIN L ， et al . Inferring Language Dispersal Patterns with Velocity Field Estimation ［J］. Nature Communications ， 2024 ， 15 ： 190 .

TAO Y X ， WEI Y C ， GE J Q ， et al . Phylogenetic Evidence Reveals Early Kra-Dai Divergence and Dispersal in the Late Holocene ［J］. Nature Communications ， 2023 ， 14 ： 6924 .

高松 . 地理空间人工智能的近期研究总结与思考［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 12 ）： 1865 - 1874 .

GAO Song . A Review of Recent Researches and Reflections on Geospatial Artificial Intelligence ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 12 ）： 1865 - 1874 .

HU Y J ， GOODCHILD M ， ZHU A X ， et al . A Five-Year Milestone： Reflections on Advances and Limitations in GeoAI Research ［J］. Annals of GIS ， 2024 ， 30 （ 1 ）： 1 - 14 .

李海峰，罗琴瑶，贺丝露，等 . 地理空间因果原则及地理空间效应的因果发现［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 11 ）： 1800 - 1812 .

LI Haifeng ， LUO Qinyao ， HE Silu ， et al . Geospatial Causal Principle and Causal Discovery for Geospatial Effects ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 11 ）： 1800 - 1812 .

陈军，艾廷华，闫利，等 . 智能化测绘的混合计算范式与方法研究［J］. 测绘学报， 2024 ， 53 （ 6 ）： 985 - 998 .

CHEN Jun ， AI Tinghua ， YAN Li ， et al . Hybrid Computational Paradigm and Methods for Intelligentized Surveying and Mapping ［J］. Acta Geodaetica et Cartographica Sinica ， 2024 ， 53 （ 6 ）： 985 - 998 .

李学勤，赵平 . 字源［M］. 天津：天津古籍出版社， 2013 .

LI Xueqin ， ZHAO Ping . Etymology ［M］. Tianjin ： Tianjin Ancient Books Press ， 2013 .

周杨 . 计算机汉语方言辨识的理论与方法探讨：以黄孝片方言为例［D］. 武汉：华中科技大学， 2008 .

ZHOU Yang . The Exploration of Theories and Methods for Computer-Based Chinese Dialect Identification： A Case Study of the Huangxiao Dialect Group ［D］. Wuhan ： Huazhong University of Science and Technology ， 2008 .

李肖 . 基于Wavenet的方言种属识别［D］. 北京：北京工业大学， 2020 .

LI Xiao . Dialect Species Recognition Based on Wavenet ［D］. Beijing ： Beijing University of Technology ， 2020 .

刘瑜，康朝贵，王法辉 . 大数据驱动的人类移动模

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

数智耦合地学时空预测建模研究进展及展望

大众智能终端GNSS有意干扰检测技术研究现状与展望

呼包鄂榆城市群草地脆弱性时空演变及因子可解释性分析

星载温室气体激光雷达技术发展与展望

多尺度地理空间数据更新方法概述