跨語言信息檢索的主要實現方法 PPT課件VIP

1 一 跨語言信息檢索基本概念 1 跨語言信息檢索的概念跨語言信息檢索 CLIR 是指用戶用某種語言從另外一種或多種語言表達的文獻信息集中檢索出所需文獻信息的方式或技術 2 2 跨語言信息檢索的類型 1 雙語言信息檢索 2 多語言信息檢索 3 特定領域的跨語言信息檢索 4 跨語言的多媒體信息檢索 3 二 跨語言信息檢索的實現方法 跨語言信息檢索涉及至少兩種以上語言的文獻 需要先確定出文獻的語種 形式及編碼方案 對其進行自動分析和標引 最終實現檢索匹配 因此離不開 翻譯 的過程 翻譯 可以說是跨語言信息檢索技術的核心問題 其實現方法主要有以下幾種 1 提問式翻譯方法提問式翻譯方法是在信息檢索之前 將提問式的語種轉化翻譯成所要檢索信息的信息語種 4 2 文獻翻譯方法 文獻翻譯方法是在信息檢索之前 將文獻信息資源的信息語種轉化為提問語種 文獻信息不僅指文本信息 也包括語音文獻信息 例如數字圖書館中就存在大量的數字化語音文獻 5 3 提問式 文獻翻譯方法綜合提問式翻譯方法和文獻翻譯方法的優(yōu)點 提出提問式 文獻翻譯方法來實現CLIR 這一方法既減少用戶的翻譯成本 又提高檢索服務的質量 應該說是目前實現CLIR比較理想的選擇 6 4 中間語種翻譯方法一般認為 選擇的中間語種是計算機容易自動處理的語種 如英語等 特別是在跨語言信息檢索中遇到這樣問題時 源語種和目標語種之間無法進行直接翻譯 此時只能借助于中間語種將源語種翻譯目標語種 源 中間 目標 或將源語種和目標語種翻譯成中間語種 源 中間 目標 7 5 非翻譯方法 notranslationapproach 除了上述幾種通過翻譯來實現跨語言信息檢索的方法外 還有學者提出了不進行任何翻譯 只通過使用一些詞形處理手段 就可實現CLLR的技術 也稱為同源匹配 這種技術主要是基于印歐語系中的英語 法語等有共同的起源 它們中的很多詞有相似的拼寫形式或者讀音 將英語詞匯 法語詞匯 英法雙語文件映射到一個向量空間中 可進行語義上的比較匹配 8 三 跨語言信息檢索中翻譯方法的實現 1 基于機器翻譯的方法 機器翻譯系統接受用戶輸入并輸出翻譯結果 2 基于語料庫的方法語料庫是將同一信息或同一主題的信息用兩種或多種語言進行描述 并由人工或計算機建立不同語種間信息的聯系的集合 來源于對單詞用法的統計 語料庫可以分為平行語料庫和比較語料庫 基于語料庫方法的中心思想是通過語料庫中不同語種同一信息的對應關系對提問式進行翻譯并且過濾提問式翻譯后產生的非正常翻譯結果 3 基于詞典的方法中心思想是基于雙語字典或詞典 找出提問式中的所有檢索單詞 提問語種 對應匹配的由信息語種描述的單詞 4 字典與語料庫混合方法首先使用字典對提問式進行翻譯 再利用專業(yè)語料庫中相關術語的對應關系來凈化翻譯結果 9 四 跨語言信息檢索的發(fā)展趨勢及前景展望 1 發(fā)展趨勢 1 不斷涉足新的語言種類 2 多種方法結合的效果要優(yōu)于單種方法 3 結合語義分析提高查詢精確度 2 前景 由于CLIR技術是正處于研究的新興技術 實際應用