基于跨语言信息检索的可比语料库构建方.PDFVIP

·信息组织· 基于跨语言信息检索的可比语料库构建方 法研究∗∗ 司　 莉　 史雅莉 摘　 要　 为满足用户对多语言信息表达与获取的迫切需求，可比语料库的研究和开发逐渐成为信息检 索领域研究者和系统开发人员的关注重点。 从跨语言信息检索视角出发，可比语料库的构建方法主要 有提问式翻译法、特征过滤法、中间语言翻译法、文本翻译法和同源匹配法等。 我国可比语料库的建设， 应在充分考虑系统整体性能的前提下，根据用户需求选择适用的构建方法，完善文本翻译及术语抽取 技术，并优化文本对齐方式。 图４。 参考文献１８。 关键词　 可比语料库　 构建方法　 跨语言信息检索 Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｍｅｔｈｏｄｓ ｏｆ Ｃｏｍｐａｒａｂｌｅ Ｃｏｒｐｕｓ Ｂａｓｅｄ ｏｎ Ｃｒｏｓｓ Ｌａｎｇｕａｇｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ Ｓｉ Ｌｉ　 Ｓｈｉ Ｙａｌｉ Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｓａｔｉｓｆｙ ｔｈｅ ｕｒｇｅｎｔ ｎｅｅｄ ｏｆ ｕｓｅｒｓ ｉｎ ｍｕｌｔｉ⁃ｌａｎｇｕａｇｅ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｐｒｅｓｓｉｏｎ ａｎｄ ｒｅｔｒｉｅｖａｌ， ｔｈｅ ｒｅｓｅａｒｃｈ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｃｏｍｐａｒａｂｌｅ ｃｏｒｐｕｓ ｈａｖｅ ｇｒａｄｕａｌｌｙ ｂｅｃｏｍｅ ｔｈｅ ｆｏｃｕｓ ｏｆ ｒｅｓｅａｒｃｈｅｒｓ ａｎｄ ｄｅｖｅｌ⁃ ｏｐｅｒｓ ｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ． Ｆｒｏｍ ｔｈｅ ｐｅｒｓｐｅｃｔｉｖｅ ｏｆ ｃｒｏｓｓ ｌａｎｇｕａｇｅ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ，ｔｈｉｓ ｐａｐｅｒ ｓｔｕｄｉｅｓ ｓｅｖｅｒａｌ ｃｏｍｐａｒａｂｌｅ ｃｏｒｐｕｓ ｃｏｎｓｔｒｕｃｔｉｏｎ ｍｅｔｈｏｄｓ，ｗｈｉｃｈ ｉｎｃｌｕｄｅ ｑｕｅｓｔｉｏｎｓ ｔｒａｎｓｌａｔｉｏｎ ｍｅｔｈｏｄ，ｆｅａｔｕｒｅ ｆｉｌｔｅｒｉｎｇ ｍｅｔｈｏｄ，ｉｎｔｅｒｍｅｄｉａｔｅ ｌａｎｇｕａｇｅ ｔｒａｎｓｌａｔｉｏｎ ｍｅｔｈｏｄ，ｔｅｘｔ ｔｒａｎｓｌａｔｉｏｎ ｍｅｔｈｏｄ ａｎｄ ｈｏｍｏｌｏｇｏｕｓ ｍａｔｃｈｉｎｇ ｍｅｔｈｏｄ． Ｔｈｅ ｃｏｎｓｔｒｕｃｔｉｏｎｏｆ ｃｏｍｐａｒａｂｌｅｃｏｒｐｕｓｉｎ Ｃｈｉｎａｓｈｏｕｌｄｔａｋｅａｆｕｌｌ ｃｏｎｓｉｄｅｒａｔｉｏｎｏｆ ｔｈｅｗｈｏｌｅｐｅｒｆｏｒｍａｎｃｅｏｆ ｔｈｅ ｓｙｓｔｅｍ，ａｎｄ ｔｈｅｎ ｃｈｏｏｓｅ ｔｈｅ ａｐｐｒｏｐｒｉａｔｅ ｂｕｉｌｄｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｕｓｅｒ ｒｅｑｕｉｒｅｍｅｎｔｓ，ｉｍｐｒｏｖｅ ｔｅｘｔ ｔｒａｎｓｌａｔｉｏｎ ａｎｄ ｔｅｒｍｉｎｏｌｏｇｙ ｅｘｔｒａｃｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ，ｏｐｔｉｍｉｚｅ ｔｅｘｔ ａｌｉｇｎｍｅｎｔ ｍｅｔｈｏｄ．４ ｆｉｇｓ． １８ｒｅｆｓ． Ｋｅｙｗｏｒｄｓ：Ｃｏｍｐａｒａｂｌｅ Ｃｏｒｐｕｓ；Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｍｅｔｈｏｄ；Ｃｒｏｓｓ Ｌａｎｇｕａｇｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ 　 　 语料库是指为一个或多个应用目标而专门 的可比语料库构建方法进行探讨与比较，旨在为 收集加工的具有一定规模和结构，并且可被计算 当前国内跨语言检索系统中可比语料库的构建 机程序检索的规范化原始语料集合，可分为平行 和完善提供借鉴和参考。 语料库和可比语料库两种类型。 目前，多语言信 息语料库已经成为机器翻译、机器辅助翻译、翻 １　 可比语料库的特点及其应用领域 译知识获取、跨语言信息检索（Ｃｒｏｓｓ Ｌａｎｇｕａｇｅ Ｉｎ⁃ １９９５年，Ｂａｋｅｒ 首次提出了可比语料库的概 ｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ，简称ＣＬＩＲ）等研究中不可或缺 念，他认为特定语言的非翻译源文本资源和该文 的重要资源。 在此背景下，不少信息检索领域研 本资源的其他语言译本共同构成了可比语料库 究者和系统开发人员开始将工作重点聚焦于可 ［１］ （Ｃｏｍｐａｒａｂｌｅ Ｃｏｒｐｕｓ） 。 因而，可比语料库是一 比语料库的研究和开发，以满足用户对多语言信 种资源仓储，其资源是对同一主题、不同语种的