一种新的基于中间语义的跨语言信息检索模型.pdfVIP

一种新的基于中间语义的跨语言信息检索模型★ 黄国斌王明文叶浩 江西电信信产产业有限公司，南昌，330025 E·mail：hgb6301l@163．com 摘要：目前的跨语言信息检索能够使用的方法有四种：查询词翻译的方法、文档翻译的方法、中间语 言翻译方法和非翻译的方法。本文对这四种方法进行了简要介绍，提出它们的优缺点，并且提出了一种新 的非翻译的方法——瑾于中问语义的方法。我们对提出来的方法进行了TREC跨语言语料库的试验，并且 与单语言的信息检索模型进行了比较。试验证明我们的方法具有很好的性能和健壮性。 关键词l跨语言信息检索、中间语义、潜在语义对、偏最4,乘、TREC ANoveI Cross I nformati onRetri evaI Model Language BasedOnl nterl i Semanti CS ngua Guobin YeHao HuangMingwenWang TeleeomInformation Jiangxi IndustryCo．，Ltd．NanChang，330025 E-mail：hgb63011@163．com AbstracttNowWehavefourmethodsusedon information Translation cross·language retrieval：Query Translation Translation RepresentationApproach，No Approach．In Approach，DocumentApproach，Interlingual this introducedthefour their and we a paper,We methods?presentedadvantagesdisadvantages．Andproposed On semantics．Wetestedour onTREC novelnon-translation based approach approach—Aapproach interlingua withthe informationretrievalmodel．Theresult cross-languagecorpus，andcompared MONO·language proved thatour hada androbustness． approachgoodperformance semantic pair，PLS，TREC Keywords：CLIR，InterlinguaSemantics，potential 1 引言 随着Internet的快速发展，互联网上的信息量有着几何级数的增长。数据所使用的语 言中，大部分是英语。而互联网的用户构成由原来的以英语为母语用户占绝大部分，逐步 变化为各种母语用户并存。由于网络资源语种的多样性和网络用户所掌握语言的差异性不 可避免地给人们利用网络检索信息带来了语言障碍。不仅在互联网中，在所有同时存在多 语种的信息系统(如数字图书馆)中，这种语言障碍都限制了人们对信